Sharepoint与Reporting Services集成配置

3、SQL Server Reporting Services与SharePoint 2007集成部署全解析 本文详细解析了SQL Server Reporting Services(SSRS)与SharePoint 2007的集成部署过程。从SSRS部署概述、选择SharePoint集成模式的优势,到集成原理、部署拓扑以及具体的安装配置步骤,全面介绍了如何将Reporting Services无缝集成到SharePoint环境中。通过集成,用户可以在SharePoint站点中直接访问、管理和运行报告,实现更高效的报告分发和统一安全管理。文章适用于需要实现SSRS与SharePoint 2007集成部署的技术人员和 阅读详情

 

适用环境:

单一服务器:Sql Server 2005、Reporting Services、WSS3.0部署在同一台服务器上。

1     安装

1.1   安装 SQL Server 2005 SP2

1.2   安装用于 Microsoft SharePoint 技术的 Microsoft SQL Server 2005 Reporting Services 外接程序(SharePointRS.msi)

运行下列命令在WSS中加入必要的webparts.

stsadm.exe -o addwppack -filename "D:/Microsoft SQL Server/90/Tools/Reporting Services/SharePoint/RSWebParts.cab"

 

2     配置

2.1   将Reporting Services配置为SharePoint integrated mode

运行Reporting Services配置管理工具,在各配置项中进行配置,在“数据库安装”页中新建一个数据库,并选中“创建SharePoint集成模式的报表服务器数据库”选项。数据库建好后,界面如下所示:“Sharepoint集成”页前面的标识为: ,同时报表管理虚拟目录不再可用。

 

 

特别要注意windows 服务标识和Web服务标识的配置:

 

 

 

 

2.2   在sharepoint 3.0 管理中心中配置与report services的集成。

2.2.1       在“SharePoint集成”页中点击链接进行sharepoint 管理中心。

 

 

2.2.2       在主页>>网站操作>>网站设置的“网站集功能”中激活“报表服务器集成功能”。在应用程序管理中会出现 Reporting Services部分。

 

 

2.2.2.1    管理集成设置中设置Reporting Service 的url,如:

 

2.2.2.2    授予数据库访问权限中输入在windows服务标识中设置的用户名及其密码:

 

2.2.2.3    设置服务器默认值。

 

2.3   在网站集的rootweb中的网站集功能中激活“报表服务器集成功能”。

2.4   在网站中新建一文档库ReportingServiceslib,在文档库设置>>高级设置中启用允许管理内容类型、从现有网站内容类型添加内容类型:

 

添加报表生成器报表、报表生成器模型、报表数据源三种内容类型。

这时在文档库的新建菜单中就可以创建报表项目了。

 

2.5   在文档库中新建二个目录 用于存放报表、模型、数据源。其中Reports 目录存放报表和模型;Date Connections 用于存放数据源。

 

至此,配置过程基本完成。

 

3     实战:在sharepoint中新建报表

3.1   在Date Connections目录下新建报表数据源,如图所示:

 

 

3.2   在Reports目录下新建报表生成器模型

 

3.3   在Reports目录下新建报表生成器报表

 

在弹出的用户登录窗口中输入网站集管理员的密码后,界面如下所示:在为报表选择数据源中可以看到前一步建的模型名称。选择模型点击确定后,进入报表设计界面。

 

 

在报表设计器中设计报表后保存,完成报表新建工作。

 

3.4   报表访问方法

1)    在网站中直接点击文档库中的报表链接访问。

2)    通过在wss网页中加入SQL Server Reporting Services报表查看器来浏览报表,

 

 

 注:转载请注明出处

SSRS 报表集成解决方案 SQL Server Reporting_Service报表集成解决方案 立即下载

相关推荐

手把手教你为STM32设备生成自定义MAC地址(基于芯片ID的5种算法对比)

本文详细介绍了基于STM32芯片ID生成自定义MAC地址的5种算法,包括直接截取、异或折叠、CRC32哈希、自定义混合运算及SHA-256摘要。通过对比分析各算法的计算复杂度、唯一性及适用场景,帮助嵌入式开发者根据项目规模与资源,选择最合适的方案,确保设备MAC地址的唯一性与合规性。

weixin_29170327的博客 527

Sharepoint Server与Reporting Services整合配置——Part1

昨天装了MOSS,试着跟SSRS整合,弄了一个下午,把安转碰到的麻烦写出来跟大家分享一下。按照MSDN(1 February 2007)上的说法,SPS(microsoft office 2007 sharepoint server & windows sharepoint server 3.0)和SSRS(sql server 2005 reporting services)的整合级别有

rickyll的专栏 4195

【STM32单片机】RS485通信—基于STM32G474芯片

做项目需要用485通信来控制Go电机参考资料:【【STM32F103C8T6系列】10. 实验例程——485(USART串口)通讯实验】 https://www.bilibili.com/video/BV19w411r7ka/?PDF: STM32G474 开发指南 正点原子 DMG474 开发板教程 第28章485只是物理层,代码逻辑还是UART串口通信,相当于是电路有RS485转换芯片,所以还是用UART串口通信方式。

m0_48808835的博客 3647

Reporting Service服务SharePoint集成模式安装配置(8、配置用于SharePoint 2010的Reporting service模式)...

从SQL Server 2012 起, SQL Server Reporting Service可以完全集成进SharePoint的场,直接作为SharePoint 的组件部分来运行,没有独立的Windows 服务,所有的Report Services 配置都可以在SharePoint 中完成。 SharePoint 接管了报表管理器的全部职责。 在SharePoint集成模式下,添加SQL ...

weixin_30656145的博客 312

别再到处找数据了!用Python+Tushare Pro免费获取A股行情、财务、龙虎榜数据(附完整代码)

本文详细介绍了如何使用Python和Tushare Pro免费获取A股行情、财务数据和龙虎榜数据,并构建本地金融数据仓库。通过完整的代码示例,帮助读者快速掌握金融数据接口的使用方法,提升量化分析效率。Tushare Pro作为免费、稳定的数据源,覆盖全面且API友好,是个人投资者的理想选择。

weixin_30596343的博客 617

手把手教你用STM32F030实现功率MOS双脉冲测试(附完整电路图)

本文详细介绍了如何使用STM32F030微控制器搭建功率MOSFET双脉冲测试平台。通过分析双脉冲测试原理,提供了完整的硬件电路设计、驱动电路选型、软件时序生成方法,并指导如何利用示波器捕获和分析开关波形,从而评估功率器件的动态特性与开关损耗。

juice的博客 713

WIN7安装配置 SharePoint2010 各种问题汇总

1,安装文件无法安装,“由于下列错误。安装程序无法继续 此产品要求安装Windows Server 2008 Service Pack 2 或更高版本”, 错误效果如图 原因: 没有安装WIN7不支持直接安装 解决方案 MSDN相关帮助文档链接即可 链接 http://msdn.microsoft.com/zh-cn/library/ee554869%28office.14...

413

STM32 A/B分区OTA升级实战:从原理到避坑指南

本文详细解析STM32 A/B分区OTA升级的核心原理与实战实现,涵盖双分区设计、Bootloader开发、固件传输验证及常见问题解决方案。重点介绍通过A/B分区实现无缝升级与安全回滚的机制,帮助开发者规避典型陷阱,提升嵌入式系统远程更新的可靠性与效率。

qqq44的博客 1108

在windows 2012中安装sharepoint 2013时遇到问题的处理办法

众所周知,sharepoint 2013是早于windows 2012的,所以在安装的时候,总会出现各种奇怪的问题,也就是所谓的一个个坑,为了减少大家掉到坑里的次数和排除故障的时间,我在这里记录下我曾经碰到过或者别人碰到我参与解决的问题,大家互相有个借鉴。 一、装完系统后,一定要添加相关的AD DNS IIS组件 二、安装Sql Server 2012 三、安装前置软件 前置软件的链接...

weixin_30641999的博客 747

huggingface 镜像站推荐

在做 Ai 应用开发或者学习的时候,我们经常需要下载各种模型,而 huggingface 的模型下载速度很慢或者根本就连不上,这里推荐一个 huggingface 的镜像站,速度很快,可以大大提高我们的效率。

t951984189的博客 1万+

PostgreSQL的学习心得和知识总结(八十二)|深入理解PostgreSQL数据库SQL语句的词法解析和语法解析流程

postgresql 词法解析语法解析流程

孤傲小二~阿沐的博客 5448

解决重新安装sqlserver2008报错Reporting Services目录数据库文件存在的问题

删除安装目录如: D:\Program Files\Microsoft SQL Server\MSSQL10_50.MSSQLSERVER\MSSQL\DATA 目录下的reporting.mdf和日志等文件即可

reblue520的专栏 1114

【GameFramework框架】二、GameFramework框架介绍

Game Framework框架是由E大(Ellan Jiang)开源的一款基于Unity的通用游戏框架。Game Framework框架提供了游戏开发中常用的框架基础模块,将基础模型进行了封装,在资源管理和资源更新方面比较完善,可以大大加大开发进程,加快开发速度,并且还在在此此处上保证产品质量。实在是代码开发、框架学习、编程进阶、居家旅行哦不对,是提升自己的最佳实践。Game Framework框架。

优快云博客专家,Unity3D高级软件工程师,《Unity 3D从入门到实战》作者。 5849

Reporting Services 配置为 SharePoint 3.0 集成模式

可以将带有 Service Pack 2 (SP2) 的 SQL Server 2005 Reporting Services 的部署配置为与 Microsoft Windows SharePoint Services 3.0 或 Microsoft Office SharePoint Server 2007 的部署配合使用。必须对报表服务器和 SharePoint 产品或技术执行配置步骤后,用户

开发问题集锦 2430

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

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

sharepoint 2013 reporting services 集成模式配置

1.以管理员的身份打开"sharepoint 2013 命令管理程序" 2.依次输入    Install-SPRSService    Install-SPRSServiceProxy    get-spserviceinstance -all |where {$_.TypeName -like "SQL Server Reporting*"} | Start-SPServiceIn

xiongchengguo的博客 999

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

[4月3日的脚本] 完成Reporting Services和SharePoint集成配置

脚本下载:IntegrateSSRSToSharePoint.zip http://gallery.technet.microsoft.com/scriptcenter/Complete-the-Reporting-0971816b 本PowerShell脚本用来在SharePoint管理中心中将ReportingService集成到SharePoint时完成一些配置。这个脚本适用于SQLSe

微软一站式示例脚本库 中文官方博客 733

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

商业智能方案部署之SQL Server 2008R2与SharePoint 2010环境的集成

本文引自于:http://social.technet.microsoft.com/Forums/zh-CN/BIDA/thread/79a0ab90-a928-4a1e-be77-460a49a318ed 一、 介绍          Microsoft SQL Server Reporting Services 是基于服务器的报表平台,提供了各种现成可用的工具和服务,帮助您创建、部署和

IT应用场景与解决方案 1381

Reporting Service服务SharePoint集成模式安装配置(6、安装Reporting services Add-in for SharePoint 外接程序)...

第五步骤 : 安装Reporting services Add-in for SharePoint 外接程序 RS 外接程序是在 SharePoint 服务器上运行用于 SharePoint 产品的 Microsoft SQL Server Reporting Services 外接程序安装包 (rsSharePoint.msi),以在 SharePoint 部署中启用 Reporting Se...

weixin_30631587的博客 266

SharePoint2010与SQL Server 2008 Reporting Services集成方案

来源:http://www.cr173.com/html/15463_1.html   1 Reporting Services简介 SQL Server 2008 Reporting Services 是一个基于服务器架构的报表服务器的报表平台,它提供各种现成可用的工具和服务,帮助单位的人员方便、快捷地创建、部署、管理和使用报表。在SQL Server 2008 Reporting Ser

boris 成长之路 774

在SharePoint中集成SQL reporting services

 安装SQL 2005 Reporting service1 我的SQL server 2005 reporting services和Sahrepoint Portal Server安装在同一台服务器时。在启动reporting services的过程中经历了很多周折。先用reporting service configuration manager设置reporting servi

闫炜的专栏 2211

商业智能方案部署之SQL Server 2012与SharePoint 2010环境的集成

本文引自于:http://social.technet.microsoft.com/Forums/zh-CN/BIDA/thread/7cbe42a4-9b3c-40c4-b2c5-0618ff5b93b6   一. 介绍      微软SQL Server 2012是一个全面的数据库平台,使用集成的商业智能 (BI) 工具提供了企业级的数据管理。其中Reporting Services报表

IT应用场景与解决方案 1181

SharePoint与Report Service集成

关于此次SharePoint与Report Service集成的小结:     1、http://www.cr173.com/html/15463_1.html 此网站具有完整的安装和配置方法     2、以下是配置过程中需重点关注的问题:          a)、在配置Report Service时,报表服务器模式要选择SharePoint集成模式,配置成功后点击url链接地址会出现如下界

火山赵哥的专栏 1112

SharePoint2010与Reporting Services集成方案

SharePoint2010与Reporting Services集成方案 1 Reporting Services简介 SQL Server 2008 Reporting Services 是一个基于服务器架构的报表服务器的报表平台,它提供各种现成可用的工具和服务,帮助单位的人员方便、快捷地创建、部署、管理和使用报表。在SQL Server 2008 Reporti...

weixin_33973609的博客 78

[10月26日的脚本] 给SharePoint集成模式下的Reporting Services发布报表

脚本下载: PublishReportInIntegratedMode.zip http://gallery.technet.microsoft.com/scriptcenter/Publish-report-to-0ca69662 该VB.NET示例脚本阐述了在SharePoint 集成模式下如何将报表从电脑路径发布到Reporting Service。该脚本运用于集成了SharePo

微软一站式示例脚本库 中文官方博客 848

Reporting Services 2008 and SharePoint 2010

问: 当我安装 Reporting Services 2005的时候, 我需要下载一个Reporting Service 插件, 那么Reporting Services 2008需要吗? 答: 不再需要(不是不需要), 你还记得这张图片吗? 其实当我们安装SharePoint 2010的时候, Reporting Services 2008 插件已经预安装了。 如果你先一步一...

weixin_30521649的博客 92
上一篇: SPDataSource - every SharePoint developer's friend
下一篇: Microsoft Visual Studio 2005中使用水晶报表
maseccc
博客等级 码龄24年 7粉丝 19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