嵌入式BI软件的基于GraphQL的强大API能力

数字孪生智能体化演进:从可视化监控到自主决策的实践路径 数字孪生作为连接物理世界与数字空间的关键技术,其核心在于通过数据驱动构建虚拟映射,实现对实体状态的实时监控与仿真分析。其技术原理融合了物联网、三维建模与数据可视化,旨在提升系统的可观测性与管理效率。随着人工智能技术的演进,数字孪生的价值正从传统的状态呈现向智能决策跃迁,通过引入智能体(Agent)技术,赋予系统感知、分析、规划与执行的能力。在工业互联网与智慧城市等应用场景中,这种结合能实现从被动监控到主动优化的转变,例如在预测性维护、能源调度和交通管理等领域发挥关键作用。本文聚焦于数字孪生与智能体的融合,探 阅读详情

API近年来已经成为企业资源互相联结的利器,并且大规模的运用业务API建立新的商业模式。企业提供标准化的API给多个外部使用单位(第三方);一个外部单位可以组合多个API来丰富服务内容。这些开放标准的API加速伙伴整合和客户触及率,衍生出API生态系统,共创发展模式。

一、什么是API

对于很多非IT人员,API≈听不懂

按照惯例放上一段,可跳过不看的百科介绍:

API(Application Programming Interface,应用程序接口)是一些预先定义的函数,或指软件系统不同组成部分衔接的约定。 用来提供应用程序与开发人员基于某软件或硬件得以访问的一组例程,而又无需访问原码,或理解内部工作机制的细节。——百度百科

 

我们不妨把API用几个小故事展示出来:

比如别人写好了一个数字求和的方法sum(int a, int b)。提供给你一个API接口——你只需要调用它这个sum()函数,然后传入这个a,b的值,然后就可以得到计算的结果,你不需要知道这个方法是怎么实现的,知道该怎么调用即可。

如果别人又写了一个两数相乘的方法Mul(int a, int b),那这又称为另一个API。

 

二、强大的API能力

Wyn Enterprise嵌入式BI提供先进的GraphQL API,几乎所有界面操作均可通过调用API完成,与REST API不同,GraphQL API不需要为不同的对象操作提供不同的URL。不同对象的不同操作,都是通过一个统一的URL(http://localhost:51980/api/graphql)进行调用。不同的是提交的数据不一样。提交数据的格式和内容,可通过浏览器调试功能,查看界面操作中的网络交互(Network),再查看具体的请求头信息(Headers)。API返回的内容,可通过查看网络交互中的Response部分来获得。

 

Wyn Enterprise基于GraphQL提供了强大丰富的API能力,允许开发人通过将整个应用门户、报表设计器、仪表板设计器集成到其他应用,而不仅仅是集成设计结果。同时,允许通过API访问和控制软件内部的对象和资源。主要体现在:

  • 允许将设计器集成到第三方应用,完全实现自主设计

支持将门户、纯在线报表设计器、数据集设计器等直接集成到其他应用软件中,软件用户可以自主设计报表。同时,无需代码,易操作的特点,可以大大提高应用软件报表需求的定制交付效率。

  • 提供了丰富的API,允许通过API操作和控制所有内部资源

允许开发人员通过原生的GraphQL Query语法,对内部包括数据源、数据集、报表、仪表板、用户、角色等所有对象进行调用和操作。

  • 与SaaS、ERP、BPM平台无缝集成,完整的自助式分析能力嵌入

将整个分析能力完整嵌入,实现高度自助的如排序、维度切换、图表类型切换、条件格式化等能力嵌入,真正融为业务软件的一部分,为业务软件提供交互式的分析价值。

三、API效果示例:

1.实现报表和仪表板的集成

 

(仪表板设计器)

(报表设计器)

(导出API)

5.实现用户认证,用户管理,角色管理,分类管理,权限管理等等。

更多API示例和调用方法可以参考API-Demo网址:http://wyn.grapecity.com.cn:8080/WynApiDemo/index.html

 

看到这里,小伙伴是不是已经迫不及待的想要去试一试了呢,请不要着急,稍微控几一下自己。

看看Wyn Enterprise的API在实际工作中是如何使用的呢?这里借用我们的客户案例(此处感谢数夫家具提供素材):

数夫家具,他们是国内家具ERP、家具MES系统、家具CRM软件的龙头企业!是助推家具行业信息化、智能化转型升级的主引擎!是亚太地区家居管理软件整体解决方案引领者,中国家居行业管理咨询+信息化模式首创者,中国家居智能制造整体解决方案落地商,中国家居行业智能营销整体解决方案运营商。

客户在使用数夫的ERP进行企业管理时,往往决策者希望能对生产数据进行可视化展示和分析,业务人员财务人员也希望能对企业运营数据进行报表分析,并且能够快速灵活的设计需要分析统计的报表。公司已经存在大量的需要分析、查询的数据,决策者希望通过这些数据能够提升公司的业务价值。比如对订单规律或者流量的监控,发现其中规律,来做最佳的运营策略;通过对库销比的分析,以此来调整产品的采购策略,最大化降低商品的库存积压,合理利用库存,可以降低库存成本和采购成本。

数夫家具主要能力是在ERP上,客户的需求不希望花费大量的开发、人力和时间成本,那怎么来满足客户的数据分析需求呢?找一个专业的商业智能和报表工具来满足客户的需求,将BI分析和报表展示交给专业的商业智能和报表工具,但是呢我又不希望最终客户知道我是采用了第三方的工具来实现这个需求的,那有该怎么办呢?

此时Wyn Enterprise就派上了用场,Wyn Enterprise提供丰富的API能力,使用这些API可以很灵活方便的将Wyn Enterprise集成到现有的系统中,增强现有系统的能力。在ERP中集成Wyn Enterprise的报表和BI模块,满足客户商业智能BI分析和报表的需求。

 

比如在ERP中通过API集成Wyn Enterprise的报表设计器和报表的查看器:

通过调用Wyn Enterprise的登陆API获取当前登陆用户的token信息,根据token信息使用Wyn Enterprise的报表设计API和展示的API来实现在线设计报表和查看报表功能。

 

还有其它客户的使用效果:

 

好啦,小伙伴可以尽情的体验测试啦

 

 

 

多维聚合实战:从GROUP BY到OLAP立方体的数据操作心法 多维聚合是现代数据分析的核心能力,本质是支持任意维度组合的高效、可逆、可复现的分组聚合操作。它突破传统SQL中GROUP BY的单向降维局限,依托维度建模与OLAP立方体思想,实现时间、地域、产品等多层级的自由切片、钻取与交叉分析。技术价值在于平衡查询性能与分析灵活性——通过预计算(如CUBE/ROLLUP)、星型模型和工具链适配(DuckDB、StarRocks、Polars),在10GB至TB级数据场景下达成亚秒响应。广泛应用于BI仪表盘构建、自助分析平台底座、风控特征生成及实时决策系统。本文聚焦多维聚 阅读详情

相关推荐

【信息科学与工程学】【数据科学】第五十一篇 数据仓库00 基础设计01

数据仓库设计的系统性解决方案,涵盖架构模式、分层设计、百万级访问支撑、海量数据配置及与数据库/数据湖的对接策略: ​​ODS(操作数据层)​​:原始数据镜像,保留历史快照 ​​DWD(明细数据层)​​:清洗、标准化、维度退化 ​​DWS(汇总数据层)​​:主题宽表、轻度聚合 ​​ADS(应用数据层)​​:高度聚合,面向报表/API ​​二、百万用户访问架构设计​​ ​​1. 核心架构组件​​ ​​2. 关键配置参数(以Snowflake为例)​​ ​​3. 性能优化措

weixin_49199313的博客 1204

告别复杂SQL:DB-GPT GraphQL让数据查询如自然语言般简单

你是否还在为编写复杂SQL语句而头疼?面对嵌套查询和多表关联时感到无从下手?DB-GPT的GraphQL接口为你带来革命性的数据查询体验,无需深入SQL细节,即可通过直观的查询语言获取所需数据。本文将带你掌握DB-GPT GraphQL的核心用法,5分钟上手,彻底改变你与数据库交互的方式。读完本文,你将能够:使用GraphQL灵活查询数据库、构建复杂数据聚合请求、优化查询性能,以及在实际项目中快速...

gitblog_00188的博客 1057

零信任架构实战:“持续验证+动态授权”全流程解析(附策略引擎联动图)

《零信任实战指南:7图拆解核心流程与行业案例》摘要:本文通过7张架构图系统解析零信任五大核心流程:强身份认证、设备检查、动态授权、持续监控和自动降权。对比金融(重数据审计)与制造业(重物理绑定)的落地差异,指出三大常见误区及解决方案。数据显示,零信任可使安全响应提速60%,泄露成本降低45%。文章提供6个月实施路线图,强调零信任是"智能信任"体系,建议企业分阶段改造,优先保护核心系统。附赠金融/制造行业策略模板及甘特图示例。(149字)

sara_han的博客 777

REST API和GraphQL API的比较

GraphQL 为您的 API 中的数据提供完整且易于理解的描述,使客户能够准确地询问他们需要什么,仅此而已,随着时间的推移更容易发展 API,并启用强大的开发人员工具。GraphQL 和 REST API 之间的主要区别在于 GraphQL 是一种查询语言,而 REST 是一种基于网络的软件的架构概念。REST API 的错误可以有 200 以外的任何代码,处理错误的客户端应该知道所有可能的代码。在上面的示例中,对发送到服务器的请求的响应将是关于 id 为 1 的学生的所有数据的对象。

qq_37116560的博客 1361

gesp c++ 五级知识点

gesp c++ 五级知识点

MMD.然大大 2009

用 Python 和 uiautomation 实现微信批量发送

思路是这样,将要发送的人员名单(包括称呼)以及发送内容都维护到Excel里,程序运行时读取Excel里内容,自动搜索人员姓名(微信昵称或备注名),填入要发送的内容,拼接上称呼(如果需要的话)自动点击发送,这样轮巡直至名单人员全部发送完成。、

jankingdom的专栏 1471

如何使用GraphQL构建API?

此外,我们需要导入`books`数据,以便我们可以使用它来返回所有图书的列表。我们需要一个函数来处理addBook mutation,该函数将在books数组中添加新图书,并返回新添加的图书。假设我们需要添加一个新图书,我们需要在schema中定义一个mutation类型和一个addBook mutation。在项目的根目录下创建一个新的`models`目录,并在其中创建一个新的`user.js`文件。在这个Schema中,我们定义了一个`User`类型,该类型具有`id`和`name`属性。

m0_75198698的博客 431

SAP接口错误查询日志

随着数字经济的迅速发展,企业数字化转型不在只追求“业财一体化”,而是在业务端也想要进行更为精细化的管理,所以很多企业在SAP ERP的基础上,集成更多垂直领域更精细的外围系统,比如销售CRM系统,采购SRM系统,生产MES系统等等,琳琅满目的产品,那对SAP实施来说,系统集成过程中,接口的一些报错查询能力必不可少,今天我们就介绍一下,SAP和CRM系统集成中接口常见的报错。

weixin_43657667的博客 2049

简单api_GraphQL API集成的简要介绍

GraphQL is a great alternative to REST (or other HTTP API designs). This is a quick introduction to the core concepts around consuming a GraphQL API. GraphQL是REST(或其他HTTP API设计)的绝佳替代品。 这是对使用 GraphQL A...

cumi6497的博客 596

手把手教你做基于stm32的红外、语音、按键智能灯光控制(上)

这次项目使用的板子是stm32f103c8t6最小系统板,这个板子在tb上都能够买到,随便一个最小系统板都可以,== 注意在买最小系统板的时候需要买一个stlink下载器来下载程序。显示模块是使用的0.96英寸的OLED屏幕,注意是使用的IIC通信协议的OLED屏幕,不是使用SPI总线协议的。这次写的代码还顺便集成了检测温湿度的功能,所以要使用DHT11温湿度传感器,来采集温度。本文所设计的基于单片机的灯光控制系统主要由模式选择功能、手动模式和自动模式组成。LED灯自然就是要控制的部件了。

nbbskk的博客 6557

【工具】GitHub学生认证+PyCharm配置Copilot全流程指南

本文提供了一份详细的GitHub学生认证及在PyCharm中配置Copilot的完整指南。通过完成A2F认证、准备有效材料并使用干净网络环境,学生可免费获取GitHub Copilot Pro订阅,极大提升编程学习与开发效率。

w7x8y9z的博客 1459

GraphQL:现代API设计的新纪元

GraphQL是一种用于API的查询语言,由Facebook于2015年开源。它提供了一种高效、强大且灵活的方式,允许客户端请求所需的确切数据,而不是像REST那样获取整个资源。GraphQL的设计目标是解决REST API在大型应用中的一些不足,如过量获取数据(over-fetching)、不足获取数据(under-fetching)等问题。GraphQL凭借其独特的查询语言、强大的类型系统和灵活的数据获取方式,正在逐渐改变我们构建API的方式。

一个做过前端开发的产品经理,经历过睿智产品的折磨导致脱发之后,励志要翻身"农奴"把歌唱,一边打入敌人内部一边持续提升自己,为我们广大开发同胞谋福祉,坚决抵制睿智产品折磨我们码农兄弟! 1431

基于MATLAB的最大重叠离散小波变换(MODWT)算法详解

最大重叠离散小波变换(Maximal Overlap Discrete Wavelet Transform, MODWT)是DWT的重要改进形式,由Percival和Walden等人在20世纪90年代系统提出并完善。MODWT通过消除下采样操作,采用样本平移不变的分解方式,解决了DWT的多个固有缺陷。MODWT的核心创新在于取消下采样环节。与DWT每级分解后对滤波输出进行二分下采样不同,MODWT在每一级都使用相同的滤波器,但通过插入零值的方式调整滤波器系数,保持每级系数数量与原始信号相同。

qq_42212808的博客 115

嵌入式BI:从报表工具到业务场景的数据能力深度集成

商业智能(BI)的核心价值在于将数据分析能力转化为业务决策的直接驱动力。其原理是通过数据建模、指标计算与可视化呈现,将复杂数据转化为可操作的洞察。在技术层面,现代BI正从独立的报表系统向可组合、可编程的“分析原子”能力集演进,这极大地提升了数据与业务流程的融合度。这种技术演进的核心价值在于缩短从数据到行动的路径,实现数据驱动的实时决策。典型的应用场景包括CRM、ERP、客服系统等业务操作界面,将分析能力无缝嵌入日常工作流。本文聚焦的嵌入式BI,正是这一趋势的集中体现,它通过API化的Headless BI架

weixin_30615767的博客 447

PCL:读写pcd点云的两种方式

本文介绍了PCL读写点云的两种方式:PCDReader,PCDWriter;loadPCDFile,savePCDFile.

孙悟空 1万+

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

企业级语义层实战指南:如何用Cube Core构建AI与BI的统一数据架构

在数据驱动决策的时代,技术架构师面临的最大挑战之一是如何在AI、BI和嵌入式分析之间建立统一的数据语义层。Cube Core作为开源语义层解决方案,通过模块化架构为企业提供了完整的数据抽象能力,将复杂的数据基础设施转化为业务友好的语义模型,为技术决策者提供了构建现代化数据架构的强大工具。 ## 价值主张与核心优势矩阵 Cube Core的核心价值在于"语义层优先"的设计哲学,通过统一的数据抽象

gitblog_00086的博客 762

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

Cube Core语义层架构:构建企业级AI与BI数据抽象的战略框架

Cube Core作为开源的语义层解决方案,正在重新定义企业如何构建数据驱动的决策系统。在数据孤岛日益复杂、AI分析需求激增的今天,企业面临着数据一致性、性能瓶颈和系统集成的多重挑战。Cube Core通过统一的数据抽象层,将异构数据源转化为业务友好的语义模型,为技术决策者提供了一个解决数据治理与技术创新平衡的战略框架。 ## 企业数据架构的现代挑战与语义层价值定位 当前企业数据架构面临的核心

gitblog_00052的博客 508

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Cube语义层:如何用开源技术栈统一企业数据分析的终极指南

在当今数据驱动的商业环境中,企业面临着数据孤岛、分析工具碎片化以及技术栈复杂化等多重挑战。每个业务部门都在使用不同的BI工具,数据工程师需要为每个应用重复构建相同的数据模型,而数据科学家则要花费大量时间处理数据不一致问题。这种分散的数据架构不仅增加了维护成本,还严重影响了数据分析的准确性和时效性。 Cube Core作为开源语义层,正是为了解决这些痛点而生。它通过统一的语义层架构,为组织提供标准

gitblog_00016的博客 312

深度解析:如何为企业AI和BI构建高效语义层架构的实战指南

Cube Core作为开源的语义层解决方案,正在彻底改变企业处理AI、BI和嵌入式分析的方式。这个强大的平台通过统一的数据抽象层,将复杂的数据源转化为业务友好的语义模型,为技术决策者和架构师提供了一个完整的企业级解决方案。本文将从设计理念到实施框架,再到运维策略,全面解析如何利用Cube Core构建稳定、高效的企业级数据架构,帮助企业实现数据驱动转型。 ## 1. 设计理念与架构哲学:语义层优

gitblog_00774的博客 277

如何利用Cube语义层构建企业级AI数据架构:7步实施指南

**Cube Core**作为开源的语义层解决方案,正在重新定义企业如何为AI、BI和嵌入式分析构建数据架构。这个强大的平台通过统一的数据抽象层,将复杂的数据源转化为业务友好的语义模型,为技术决策者和架构师提供了一个完整的解决方案。本文将深入探讨如何利用Cube Core构建面向未来的企业级AI数据架构,提供从技术选型到生产部署的完整实施路线图。 ## 为什么企业需要语义层?解决数据孤岛的核心挑

gitblog_00351的博客 409

Cube Core:如何解决企业数据孤岛与语义不一致的智能语义层方案

在数据驱动决策的时代,企业面临着数据孤岛、语义不一致和工具碎片化的三重挑战。不同业务系统产生异构数据,分析团队重复定义业务指标,BI工具各自为政形成信息壁垒。Cube Core作为开源语义层,通过统一的数据建模、访问控制和缓存优化,构建企业级数据治理基础设施,实现"一次定义,随处使用"的数据民主化愿景。 ## 通过声明式数据建模实现业务逻辑统一抽象 传统数据分析架构中,业务逻辑分散在SQL查询

gitblog_00207的博客 850

终极指南:如何为AI和BI构建企业级语义层架构

在当今数据驱动的商业环境中,Cube Core作为开源的语义层解决方案,正在彻底改变企业处理AI、BI和嵌入式分析的方式。这个强大的平台通过统一的数据抽象层,将复杂的数据源转化为业务友好的语义模型,为技术决策者和架构师提供了一个完整的解决方案。本文将深入探讨Cube Core的架构设计哲学、部署策略、性能优化和运维最佳实践,帮助您构建稳定、高效的企业级数据架构。 [![Cube语义层架构图](h

gitblog_00034的博客 471

Cube Core战略蓝图:企业级语义层架构决策框架

在数据驱动决策成为企业核心竞争力的今天,Cube Core作为开源的语义层解决方案,正在重新定义企业数据架构的构建方式。这个强大的平台通过统一的数据抽象层,将复杂的数据基础设施转化为业务友好的语义模型,为技术决策者和架构师提供了一个完整的解决方案。本文将深入探讨Cube Core的战略价值、实施路径和演进策略,帮助企业构建未来就绪的数据架构。 ## 1. 价值定位:从数据孤岛到智能决策引擎 现

gitblog_00596的博客 528

Cube数据分析平台:构建企业级语义层的完整指南

在当今数据驱动的商业环境中,企业面临着数据孤岛、分析工具碎片化以及技术栈复杂化等多重挑战。Cube数据分析平台应运而生,通过统一的语义层架构,为组织提供标准化、高性能的数据分析解决方案。 ## 技术架构深度解析 Cube平台采用分层架构设计,核心组件通过清晰的职责划分确保数据处理的高效与安全。整个系统围绕语义层展开,构建从数据接入到应用输出的完整生态。 [![Cube平台架构图](https

gitblog_00095的博客 1131

Cube语义层部署与运维终极指南:从零到生产环境高可用

在当今数据驱动的时代,企业需要一个强大而灵活的语义层来统一数据访问和分析体验。Cube作为开源语义层解决方案,为AI、BI和嵌入式分析提供了统一的API接口,让数据团队能够快速构建可靠的数据应用。无论你是数据分析师、工程师还是架构师,掌握Cube的部署与运维技能都将大大提升你的工作效率和系统稳定性。 ## Cube核心架构解析:理解语义层的工作原理 Cube的核心价值在于它作为数据源与应用层之

gitblog_00783的博客 471

Python 学习 ---> 模块、pypi ( 模块库 )、添加模块路径

什么是 模块 在 Python 中,一个.py文件就是一个模块(Module)。模块的名字就是文件的名字。在模块内部,通过全局变量__name__可以获取模块名(即字符串) 模块作用 为了实现代码的复用,通常会把一些其他程序中重用的代码拿出来单独放在一个程序文件中,

freeking101的博客 3486
上一篇: 有了这个“神级”功能,会Excel就能轻松玩转BI数据可视化分析啦
下一篇: 如何评估嵌入式 BI 分析方案
我是数据人
博客等级 码龄10年 11粉丝 35原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值