ಪ್ರೊಹೋಸ್ಟರ್ > Блог > ಆಡಳಿತ > ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ನಲ್ಲಿ ಪೈಥಾನ್ ಗೇಟ್‌ವೇ

ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ನಲ್ಲಿ ಪೈಥಾನ್ ಗೇಟ್‌ವೇ

ಈ ಲೇಖನವು ಪೈಥಾನ್ ಗೇಟ್‌ವೇ, ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ ಐಆರ್‌ಐಎಸ್ ಡೇಟಾ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಾಗಿ ತೆರೆದ ಮೂಲ ಸಮುದಾಯ ಯೋಜನೆಯಾಗಿದೆ. ಈ ಯೋಜನೆಯು ಪೈಥಾನ್‌ನಲ್ಲಿ ರಚಿಸಲಾದ ಯಾವುದೇ ಯಂತ್ರ ಕಲಿಕೆಯ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಆರ್ಕೆಸ್ಟ್ರೇಟ್ ಮಾಡಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ (ಅನೇಕ ಡೇಟಾ ವಿಜ್ಞಾನಿಗಳಿಗೆ ಮುಖ್ಯ ಪರಿಸರ), ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ನಲ್ಲಿ ಹೊಂದಾಣಿಕೆಯ, ರೋಬೋಟಿಕ್ ವಿಶ್ಲೇಷಣಾತ್ಮಕ AI / ML ಪರಿಹಾರಗಳನ್ನು ತ್ವರಿತವಾಗಿ ರಚಿಸಲು ಹಲವಾರು ಸಿದ್ಧ-ಸಿದ್ಧ ಲೈಬ್ರರಿಗಳನ್ನು ಬಳಸಿ. ಈ ಲೇಖನದಲ್ಲಿ, ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ ಐಆರ್‌ಐಎಸ್ ಪೈಥಾನ್ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಹೇಗೆ ಆರ್ಕೆಸ್ಟ್ರೇಟ್ ಮಾಡುತ್ತದೆ, ಸಮರ್ಥ ದ್ವಿಮುಖ ಡೇಟಾ ವರ್ಗಾವಣೆಯನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ ಮತ್ತು ಬುದ್ಧಿವಂತ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಹೇಗೆ ರಚಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ನಾನು ನಿಮಗೆ ತೋರಿಸುತ್ತೇನೆ.

ಯೋಜನೆ

  1. ಪರಿಚಯ.
  2. ಪರಿಕರಗಳು.
  3. ಅನುಸ್ಥಾಪನೆ
  4. API
  5. ಪರಸ್ಪರ ಕಾರ್ಯಸಾಧ್ಯತೆ.
  6. ಜುಪಿಟರ್ ನೋಟ್‌ಬುಕ್.
  7. ತೀರ್ಮಾನಗಳು.
  8. ಲಿಂಕ್‌ಗಳು.
  9. M.L.ಟೂಲ್ಕಿಟ್.

ಪರಿಚಯ

ಪೈಥಾನ್ ಉನ್ನತ ಮಟ್ಟದ, ಸಾಮಾನ್ಯ ಉದ್ದೇಶದ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆಯಾಗಿದ್ದು, ಡೆವಲಪರ್ ಉತ್ಪಾದಕತೆ ಮತ್ತು ಕೋಡ್ ಓದುವಿಕೆಯನ್ನು ಸುಧಾರಿಸುವಲ್ಲಿ ಕೇಂದ್ರೀಕೃತವಾಗಿದೆ. ಈ ಲೇಖನಗಳ ಸರಣಿಯಲ್ಲಿ, ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ ಐಆರ್‌ಐಎಸ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ನಲ್ಲಿ ಪೈಥಾನ್ ಭಾಷೆಯನ್ನು ಬಳಸುವ ಸಾಧ್ಯತೆಗಳ ಕುರಿತು ನಾನು ಮಾತನಾಡುತ್ತೇನೆ, ಆದರೆ ಈ ಲೇಖನದ ಮುಖ್ಯ ಗಮನವು ಯಂತ್ರ ಕಲಿಕೆಯ ಮಾದರಿಗಳನ್ನು ರಚಿಸಲು ಮತ್ತು ಅನ್ವಯಿಸಲು ಪೈಥಾನ್ ಅನ್ನು ಭಾಷೆಯಾಗಿ ಬಳಸುವುದು.

ಯಂತ್ರ ಕಲಿಕೆ (ML) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ವಿಧಾನಗಳ ಒಂದು ವರ್ಗವಾಗಿದೆ, ಇದರ ವಿಶಿಷ್ಟ ಲಕ್ಷಣವೆಂದರೆ ಸಮಸ್ಯೆಯ ನೇರ ಪರಿಹಾರವಲ್ಲ, ಆದರೆ ಅನೇಕ ರೀತಿಯ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸುವ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಕಲಿಕೆ.

ಯಂತ್ರ ಕಲಿಕೆಯ ಕ್ರಮಾವಳಿಗಳು ಮತ್ತು ಮಾದರಿಗಳು ಹೆಚ್ಚು ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾಗುತ್ತಿವೆ. ಇದಕ್ಕೆ ಹಲವು ಕಾರಣಗಳಿವೆ, ಆದರೆ ಇದು ಎಲ್ಲಾ ಪ್ರವೇಶಿಸುವಿಕೆ, ಸರಳತೆ ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಫಲಿತಾಂಶಗಳನ್ನು ಸಾಧಿಸಲು ಬರುತ್ತದೆ. ಕ್ಲಸ್ಟರಿಂಗ್ ಅಥವಾ ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್ ಮಾಡೆಲಿಂಗ್ ಹೊಸ ತಂತ್ರಜ್ಞಾನವೇ?

ಖಂಡಿತ ಇಲ್ಲ, ಆದರೆ ಇತ್ತೀಚಿನ ದಿನಗಳಲ್ಲಿ ಒಂದು ಮಾದರಿಯನ್ನು ಚಲಾಯಿಸಲು ನೂರಾರು ಸಾವಿರ ಸಾಲುಗಳ ಕೋಡ್ ಅನ್ನು ಬರೆಯುವ ಅಗತ್ಯವಿಲ್ಲ, ಮತ್ತು ಮಾದರಿಗಳನ್ನು ರಚಿಸುವ ಮತ್ತು ಬಳಸುವ ವೆಚ್ಚಗಳು ಚಿಕ್ಕದಾಗುತ್ತಿವೆ ಮತ್ತು ಚಿಕ್ಕದಾಗುತ್ತಿವೆ.

ಪರಿಕರಗಳು ವಿಕಸನಗೊಳ್ಳುತ್ತಿವೆ - ನಾವು ಸಂಪೂರ್ಣವಾಗಿ GUI ಆಧಾರಿತ AI/ML ಪರಿಕರಗಳನ್ನು ಹೊಂದಿಲ್ಲದಿದ್ದರೂ, BI (ಕೋಡ್ ಬರೆಯುವುದರಿಂದ ಹಿಡಿದು ಚೌಕಟ್ಟುಗಳು ಮತ್ತು GUI ಆಧಾರಿತ ಕಾನ್ಫಿಗರ್ ಮಾಡಬಹುದಾದ ಪರಿಹಾರಗಳನ್ನು ಬಳಸುವುದು) ನಂತಹ ಹಲವು ಇತರ ವರ್ಗಗಳ ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳೊಂದಿಗೆ ನಾವು ನೋಡಿರುವ ಪ್ರಗತಿಯನ್ನು ಸಹ ಕಾಣಬಹುದು. AI/ML ಸೃಷ್ಟಿ ಪರಿಕರಗಳಲ್ಲಿ. ನಾವು ಈಗಾಗಲೇ ಕೋಡ್ ಬರೆಯುವ ಹಂತವನ್ನು ದಾಟಿದ್ದೇವೆ ಮತ್ತು ಇಂದು ನಾವು ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಮತ್ತು ತರಬೇತಿ ನೀಡಲು ಚೌಕಟ್ಟುಗಳನ್ನು ಬಳಸುತ್ತೇವೆ.

ಪೂರ್ವ-ತರಬೇತಿ ಪಡೆದ ಮಾದರಿಯನ್ನು ಪ್ರಚಾರ ಮಾಡುವ ಸಾಮರ್ಥ್ಯದಂತಹ ಇತರ ಸುಧಾರಣೆಗಳು, ಅಂತಿಮ ಬಳಕೆದಾರರು ತಮ್ಮ ನಿರ್ದಿಷ್ಟ ಡೇಟಾದಲ್ಲಿ ಮಾದರಿಯ ತರಬೇತಿಯನ್ನು ಪೂರ್ಣಗೊಳಿಸಬೇಕು, ಯಂತ್ರ ಕಲಿಕೆಯನ್ನು ಅನ್ವಯಿಸಲು ಪ್ರಾರಂಭಿಸುವುದನ್ನು ಸುಲಭಗೊಳಿಸುತ್ತದೆ. ಈ ಪ್ರಗತಿಗಳು ವೃತ್ತಿಪರರಿಗೆ ಮತ್ತು ಒಟ್ಟಾರೆಯಾಗಿ ಕಂಪನಿಗಳಿಗೆ ಯಂತ್ರ ಕಲಿಕೆಯನ್ನು ಕಲಿಯುವುದನ್ನು ಸುಲಭಗೊಳಿಸುತ್ತದೆ.

ಮತ್ತೊಂದೆಡೆ, ನಾವು ಹೆಚ್ಚು ಹೆಚ್ಚು ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುತ್ತೇವೆ. ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ ಐಆರ್‌ಐಎಸ್‌ನಂತಹ ಏಕೀಕೃತ ಡೇಟಾ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ನೊಂದಿಗೆ, ಈ ಎಲ್ಲಾ ಮಾಹಿತಿಯನ್ನು ತಕ್ಷಣವೇ ತಯಾರಿಸಬಹುದು ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆಯ ಮಾದರಿಗಳಿಗೆ ಇನ್‌ಪುಟ್ ಆಗಿ ಬಳಸಬಹುದು.

ಕ್ಲೌಡ್‌ಗೆ ಪರಿವರ್ತನೆಯೊಂದಿಗೆ, AI/ML ಯೋಜನೆಗಳನ್ನು ಪ್ರಾರಂಭಿಸುವುದು ಎಂದಿಗಿಂತಲೂ ಸುಲಭವಾಗಿದೆ. ನಮಗೆ ಬೇಕಾದ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಮಾತ್ರ ನಾವು ಸೇವಿಸಬಹುದು. ಇದಲ್ಲದೆ, ಕ್ಲೌಡ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳು ನೀಡುವ ಸಮಾನಾಂತರೀಕರಣಕ್ಕೆ ಧನ್ಯವಾದಗಳು, ನಾವು ವ್ಯರ್ಥ ಸಮಯವನ್ನು ಉಳಿಸಬಹುದು.

ಆದರೆ ಫಲಿತಾಂಶಗಳ ಬಗ್ಗೆ ಏನು? ಇಲ್ಲಿ ವಿಷಯಗಳು ಹೆಚ್ಚು ಜಟಿಲವಾಗುತ್ತವೆ. ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಹಲವು ಸಾಧನಗಳಿವೆ, ಅದನ್ನು ನಾನು ಮುಂದೆ ಚರ್ಚಿಸುತ್ತೇನೆ. ಉತ್ತಮ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸುವುದು ಸುಲಭವಲ್ಲ, ಆದರೆ ಮುಂದಿನದು ಏನು? ವ್ಯವಹಾರದಿಂದ ಮಾದರಿಯ ಬಳಕೆಯಿಂದ ಲಾಭ ಗಳಿಸುವುದು ಸಹ ಕ್ಷುಲ್ಲಕ ಕೆಲಸವಾಗಿದೆ. ಸಮಸ್ಯೆಯ ಮೂಲವು ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಮತ್ತು ವಹಿವಾಟಿನ ಕೆಲಸದ ಹೊರೆಗಳು ಮತ್ತು ಡೇಟಾ ಮಾದರಿಗಳ ಪ್ರತ್ಯೇಕತೆಯಾಗಿದೆ. ನಾವು ಮಾದರಿಯನ್ನು ತರಬೇತಿ ಮಾಡುವಾಗ, ನಾವು ಅದನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಐತಿಹಾಸಿಕ ಡೇಟಾದಲ್ಲಿ ಮಾಡುತ್ತೇವೆ. ಆದರೆ ನಿರ್ಮಿಸಿದ ಮಾದರಿಯ ಸ್ಥಳವು ವಹಿವಾಟಿನ ಡೇಟಾ ಸಂಸ್ಕರಣೆಯಲ್ಲಿದೆ. ನಾವು ದಿನಕ್ಕೆ ಒಮ್ಮೆ ಅದನ್ನು ಚಲಾಯಿಸಿದರೆ ಉತ್ತಮ ಮೋಸದ ವಹಿವಾಟು ಪತ್ತೆ ಮಾದರಿ ಏನು ಪ್ರಯೋಜನ? ವಂಚಕರು ಬಹಳ ಹಿಂದೆಯೇ ಹಣವನ್ನು ಬಿಟ್ಟು ಹೋಗಿದ್ದಾರೆ. ನಾವು ಐತಿಹಾಸಿಕ ಡೇಟಾದ ಮೇಲೆ ಮಾದರಿಯನ್ನು ತರಬೇತಿ ಮಾಡಬೇಕಾಗಿದೆ, ಆದರೆ ಹೊಸ ಒಳಬರುವ ಡೇಟಾದಲ್ಲಿ ನಾವು ಅದನ್ನು ನೈಜ ಸಮಯದಲ್ಲಿ ಅನ್ವಯಿಸಬೇಕಾಗುತ್ತದೆ ಇದರಿಂದ ನಮ್ಮ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆಗಳು ಮಾದರಿಯು ಮಾಡಿದ ಭವಿಷ್ಯವಾಣಿಗಳ ಪ್ರಕಾರ ಕಾರ್ಯನಿರ್ವಹಿಸಬಹುದು.

ML ಟೂಲ್‌ಕಿಟ್ ಒಂದು ಟೂಲ್‌ಕಿಟ್ ಆಗಿದ್ದು ಅದು ಹಾಗೆ ಮಾಡುತ್ತದೆ: ಮಾದರಿಗಳನ್ನು ಒಟ್ಟಿಗೆ ತರುವುದು ಮತ್ತು ವಹಿವಾಟಿನ ವಾತಾವರಣವನ್ನು ಇದರಿಂದ ನೀವು ನಿರ್ಮಿಸುವ ಮಾದರಿಗಳನ್ನು ನಿಮ್ಮ ವ್ಯಾಪಾರ ಪ್ರಕ್ರಿಯೆಗಳಲ್ಲಿ ನೇರವಾಗಿ ಬಳಸಬಹುದು. ಪೈಥಾನ್ ಗೇಟ್‌ವೇ ML ಟೂಲ್‌ಕಿಟ್‌ನ ಭಾಗವಾಗಿದೆ ಮತ್ತು ಪೈಥಾನ್ ಭಾಷೆಯೊಂದಿಗೆ ಏಕೀಕರಣವನ್ನು ಒದಗಿಸುತ್ತದೆ (ಆರ್ ಗೇಟ್‌ವೇಯಂತೆಯೇ, ML ಟೂಲ್‌ಕಿಟ್‌ನ ಭಾಗವಾಗಿರುವುದರಿಂದ R ಭಾಷೆಯೊಂದಿಗೆ ಏಕೀಕರಣವನ್ನು ಒದಗಿಸುತ್ತದೆ).

ಟೂಲ್ಕಿಟ್

ನಾವು ಮುಂದುವರಿಯುವ ಮೊದಲು, ನಾವು ನಂತರ ಬಳಸಲಿರುವ ಕೆಲವು ಪೈಥಾನ್ ಉಪಕರಣಗಳು ಮತ್ತು ಲೈಬ್ರರಿಗಳನ್ನು ವಿವರಿಸಲು ನಾನು ಬಯಸುತ್ತೇನೆ.

ತಂತ್ರಜ್ಞಾನದ

  • ಪೈಥಾನ್ ಒಂದು ವ್ಯಾಖ್ಯಾನಿತ, ಸಾಮಾನ್ಯ ಉದ್ದೇಶದ, ಉನ್ನತ ಮಟ್ಟದ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆಯಾಗಿದೆ. ಭಾಷೆಯ ಮುಖ್ಯ ಪ್ರಯೋಜನವೆಂದರೆ ಗಣಿತ, ML ಮತ್ತು AI ಗ್ರಂಥಾಲಯಗಳ ದೊಡ್ಡ ಗ್ರಂಥಾಲಯ. ಆಬ್ಜೆಕ್ಟ್‌ಸ್ಕ್ರಿಪ್ಟ್‌ನಂತೆ, ಇದು ವಸ್ತು-ಆಧಾರಿತ ಭಾಷೆಯಾಗಿದೆ, ಆದರೆ ಎಲ್ಲವನ್ನೂ ಕ್ರಿಯಾತ್ಮಕವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ, ಸ್ಥಿರವಾಗಿ ಅಲ್ಲ. ಹಾಗೆಯೇ ಎಲ್ಲವೂ ಒಂದು ವಸ್ತು. ನಂತರದ ಲೇಖನಗಳು ಭಾಷೆಯೊಂದಿಗೆ ಹಾದುಹೋಗುವ ಪರಿಚಿತತೆಯನ್ನು ಊಹಿಸುತ್ತವೆ. ನೀವು ಕಲಿಯಲು ಪ್ರಾರಂಭಿಸಲು ಬಯಸಿದರೆ, ಪ್ರಾರಂಭಿಸಲು ನಾನು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ ದಸ್ತಾವೇಜನ್ನು.
  • ನಮ್ಮ ಮುಂದಿನ ವ್ಯಾಯಾಮಗಳಿಗಾಗಿ, ಹೊಂದಿಸಿ ಪೈಥಾನ್ 3.6.7 64ಬಿಟ್.
  • IDE: ನಾನು ಬಳಸುತ್ತೇನೆ ಪೈಮಾರ್ಮ್, ಆದರೆ ಸಾಮಾನ್ಯವಾಗಿ много. ನೀವು ಅಟೆಲಿಯರ್ ಅನ್ನು ಬಳಸುತ್ತಿದ್ದರೆ, ಪೈಥಾನ್ ಡೆವಲಪರ್‌ಗಳಿಗಾಗಿ ಎಕ್ಲಿಪ್ಸ್ ಪ್ಲಗಿನ್ ಇದೆ. ನೀವು VS ಕೋಡ್ ಬಳಸುತ್ತಿದ್ದರೆ, ನಂತರ ಪೈಥಾನ್‌ಗೆ ವಿಸ್ತರಣೆ ಇರುತ್ತದೆ.
  • ನೋಟ್‌ಬುಕ್: IDE ಬದಲಿಗೆ, ನೀವು ಆನ್‌ಲೈನ್ ನೋಟ್‌ಬುಕ್‌ಗಳಲ್ಲಿ ನಿಮ್ಮ ಸ್ಕ್ರಿಪ್ಟ್‌ಗಳನ್ನು ಬರೆಯಬಹುದು ಮತ್ತು ಹಂಚಿಕೊಳ್ಳಬಹುದು. ಅವುಗಳಲ್ಲಿ ಅತ್ಯಂತ ಜನಪ್ರಿಯವಾಗಿದೆ ಜುಪಿಟರ್.

ಗ್ರಂಥಾಲಯಗಳು

ಯಂತ್ರ ಕಲಿಕೆ ಗ್ರಂಥಾಲಯಗಳ (ಭಾಗಶಃ) ಪಟ್ಟಿ ಇಲ್ಲಿದೆ:

  • ನಂಪಿ - ನಿಖರವಾದ ಲೆಕ್ಕಾಚಾರಗಳಿಗೆ ಮೂಲಭೂತ ಪ್ಯಾಕೇಜ್.
  • ಪಾಂಡಾಗಳು - ಹೆಚ್ಚಿನ ಕಾರ್ಯಕ್ಷಮತೆಯ ಡೇಟಾ ರಚನೆಗಳು ಮತ್ತು ಡೇಟಾ ವಿಶ್ಲೇಷಣಾ ಸಾಧನಗಳು.
  • ಮ್ಯಾಟ್ಪ್ಲೋಟ್ಲಿಬ್ - ಚಾರ್ಟ್ಗಳ ರಚನೆ.
  • ಸೀಬಾರ್ನ್ - ಮ್ಯಾಟ್‌ಪ್ಲಾಟ್ಲಿಬ್ ಆಧಾರಿತ ಡೇಟಾ ದೃಶ್ಯೀಕರಣ.
  • ಸ್ಕ್ಲೀರ್ನ್ - ಯಂತ್ರ ಕಲಿಕೆಯ ವಿಧಾನಗಳು.
  • XGBboost - ಗ್ರೇಡಿಯಂಟ್ ಬೂಸ್ಟಿಂಗ್ ವಿಧಾನದೊಳಗೆ ಯಂತ್ರ ಕಲಿಕೆ ಅಲ್ಗಾರಿದಮ್‌ಗಳು.
  • ಜೆನ್ಸಿಮ್ - ಎನ್ಎಲ್ಪಿ.
  • ಕೇರಸ್ - ನರ ಜಾಲಗಳು.
  • ಟೆನ್ಸರ್ ಫ್ಲೋ ಯಂತ್ರ ಕಲಿಕೆಯ ಮಾದರಿಗಳನ್ನು ರಚಿಸಲು ಒಂದು ವೇದಿಕೆಯಾಗಿದೆ.
  • ಪೈಟೋರ್ಚ್ ಪೈಥಾನ್ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿದ ಯಂತ್ರ ಕಲಿಕೆಯ ಮಾದರಿಗಳನ್ನು ರಚಿಸಲು ಒಂದು ವೇದಿಕೆಯಾಗಿದೆ.
  • ನ್ಯೋಕಾ - ವಿವಿಧ ಮಾದರಿಗಳಿಂದ PMML.

AI/ML ತಂತ್ರಜ್ಞಾನಗಳು ವ್ಯವಹಾರವನ್ನು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಮತ್ತು ಹೊಂದಿಕೊಳ್ಳುವಂತೆ ಮಾಡುತ್ತದೆ. ಇದಲ್ಲದೆ, ಇಂದು ಈ ತಂತ್ರಜ್ಞಾನಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಮತ್ತು ಕಾರ್ಯಗತಗೊಳಿಸಲು ಸುಲಭವಾಗುತ್ತಿದೆ. AI/ML ತಂತ್ರಜ್ಞಾನಗಳ ಬಗ್ಗೆ ಕಲಿಯಲು ಪ್ರಾರಂಭಿಸಿ ಮತ್ತು ನಿಮ್ಮ ಸಂಸ್ಥೆಯು ಬೆಳೆಯಲು ಅವು ಹೇಗೆ ಸಹಾಯ ಮಾಡಬಹುದು.

ಸೆಟ್ಟಿಂಗ್

ಪೈಥಾನ್ ಗೇಟ್‌ವೇ ಅನ್ನು ಸ್ಥಾಪಿಸಲು ಮತ್ತು ಬಳಸಲು ಹಲವಾರು ಮಾರ್ಗಗಳಿವೆ:

  • ಓಎಸ್
    • ವಿಂಡೋಸ್
    • ಲಿನಕ್ಸ್
    • ಮ್ಯಾಕ್
  • ಡಾಕರ್
    • ಡಾಕರ್‌ಹಬ್‌ನಿಂದ ಚಿತ್ರವನ್ನು ಬಳಸಿ
    • ನಿಮ್ಮ ಸ್ವಂತ ನೋಟವನ್ನು ರಚಿಸಿ

ಅನುಸ್ಥಾಪನಾ ವಿಧಾನದ ಹೊರತಾಗಿಯೂ, ನಿಮಗೆ ಮೂಲ ಕೋಡ್ ಅಗತ್ಯವಿದೆ. ಕೋಡ್ ಅನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡುವ ಏಕೈಕ ಸ್ಥಳವಾಗಿದೆ ಬಿಡುಗಡೆ ಪುಟ. ಇದು ಪರೀಕ್ಷಿಸಿದ ಸ್ಥಿರ ಬಿಡುಗಡೆಗಳನ್ನು ಒಳಗೊಂಡಿದೆ, ಇತ್ತೀಚಿನದನ್ನು ಪಡೆದುಕೊಳ್ಳಿ. ಈ ಸಮಯದಲ್ಲಿ ಅದು 0.8 ಆಗಿದೆ, ಆದರೆ ಕಾಲಾನಂತರದಲ್ಲಿ ಹೊಸವುಗಳು ಇರುತ್ತವೆ. ರೆಪೊಸಿಟರಿಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಬೇಡಿ/ಡೌನ್‌ಲೋಡ್ ಮಾಡಬೇಡಿ, ಇತ್ತೀಚಿನ ಬಿಡುಗಡೆಯನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡಿ.

ಓಎಸ್

ನೀವು ಆಪರೇಟಿಂಗ್ ಸಿಸ್ಟಮ್‌ನಲ್ಲಿ ಪೈಥಾನ್ ಗೇಟ್‌ವೇ ಅನ್ನು ಸ್ಥಾಪಿಸುತ್ತಿದ್ದರೆ, ಮೊದಲು (ಆಪರೇಟಿಂಗ್ ಸಿಸ್ಟಮ್ ಅನ್ನು ಲೆಕ್ಕಿಸದೆ) ನೀವು ಪೈಥಾನ್ ಅನ್ನು ಸ್ಥಾಪಿಸಬೇಕಾಗುತ್ತದೆ. ಇದಕ್ಕಾಗಿ:

  1. ಪೈಥಾನ್ 3.6.7 64 ಬಿಟ್ ಅನ್ನು ಸ್ಥಾಪಿಸಿ. ಡೀಫಾಲ್ಟ್ ಡೈರೆಕ್ಟರಿಯಲ್ಲಿ ಪೈಥಾನ್ ಅನ್ನು ಸ್ಥಾಪಿಸಲು ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ.
  2. ಮಾಡ್ಯೂಲ್ ಅನ್ನು ಸ್ಥಾಪಿಸಿ dill: pip install dill.
  3. ಆಬ್ಜೆಕ್ಟ್‌ಸ್ಕ್ರಿಪ್ಟ್ ಕೋಡ್ ಅನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡಿ (ಅಂದರೆ. do $system.OBJ.ImportDir("C:InterSystemsReposPythoniscpy", "*.cls", "c",,1)) ಉತ್ಪನ್ನಗಳೊಂದಿಗೆ ಯಾವುದೇ ಪ್ರದೇಶಕ್ಕೆ. ಉತ್ಪನ್ನಗಳನ್ನು ಬೆಂಬಲಿಸಲು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಪ್ರದೇಶವನ್ನು ನೀವು ಬಯಸಿದರೆ, ರನ್ ಮಾಡಿ: write ##class(%EnsembleMgr).EnableNamespace($Namespace, 1).
  4. ಸ್ಥಳ ಕಾಲ್ಔಟ್ DLL/SO/DYLIB ಫೋಲ್ಡರ್ ಗೆ bin ನಿಮ್ಮ ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ನಿದರ್ಶನ. ಲೈಬ್ರರಿ ಫೈಲ್ ಹಿಂತಿರುಗಿದ ಮಾರ್ಗದಲ್ಲಿ ಲಭ್ಯವಿರಬೇಕು write ##class(isc.py.Callout).GetLib().

ವಿಂಡೋಸ್

  1. ಪರಿಸರ ವೇರಿಯಬಲ್ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ PYTHONHOME ಪೈಥಾನ್ 3.6.7 ಅನ್ನು ಸೂಚಿಸುತ್ತದೆ.
  2. ಸಿಸ್ಟಮ್ ಪರಿಸರ ವೇರಿಯೇಬಲ್ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ PATH ವೇರಿಯಬಲ್ ಅನ್ನು ಒಳಗೊಂಡಿದೆ PYTHONHOME (ಅಥವಾ ಅದು ಸೂಚಿಸುವ ಡೈರೆಕ್ಟರಿ).

ಲಿನಕ್ಸ್ (ಡೆಬಿಯನ್/ಉಬುಂಟು)

  1. ಪರಿಸರ ವೇರಿಯಬಲ್ ಆಗಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಿ PATH ಒಳಗೊಂಡಿದೆ /usr/lib и /usr/lib/x86_64-linux-gnu. ಫೈಲ್ ಬಳಸಿ /etc/environment ಪರಿಸರ ಅಸ್ಥಿರಗಳನ್ನು ಹೊಂದಿಸಲು.
  2. ದೋಷಗಳ ಸಂದರ್ಭದಲ್ಲಿ undefined symbol: _Py_TrueStruct ಸೆಟ್ಟಿಂಗ್ ಅನ್ನು ಹೊಂದಿಸಿ PythonLib. ಸಹ ರೀಡ್ ದೋಷನಿವಾರಣೆ ವಿಭಾಗವಿದೆ.

ಮ್ಯಾಕ್

  1. ಪ್ರಸ್ತುತ ಪೈಥಾನ್ 3.6.7 ಮಾತ್ರ ಬೆಂಬಲಿತವಾಗಿದೆ ಪೈಥಾನ್.ಆರ್ಗ್. ವೇರಿಯಬಲ್ ಪರಿಶೀಲಿಸಿ PATH.

ನೀವು ಪರಿಸರ ವೇರಿಯಬಲ್‌ಗಳನ್ನು ಬದಲಾಯಿಸಿದ್ದರೆ, ನಿಮ್ಮ ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ ಉತ್ಪನ್ನವನ್ನು ಮರುಪ್ರಾರಂಭಿಸಿ.

ಡಾಕರ್

ಧಾರಕಗಳನ್ನು ಬಳಸುವುದು ಹಲವಾರು ಪ್ರಯೋಜನಗಳನ್ನು ಹೊಂದಿದೆ:

  • ಪೋರ್ಟಬಿಲಿಟಿ
  • ಪರಿಣಾಮಕಾರಿತ್ವ
  • ನಿರೋಧನ
  • ಲಘುತೆ
  • ಅಸ್ಥಿರತೆ

ಇದನ್ನು ಪರಿಶೀಲಿಸಿ ಲೇಖನಗಳ ಸರಣಿ ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ ಉತ್ಪನ್ನಗಳೊಂದಿಗೆ ಡಾಕರ್ ಅನ್ನು ಬಳಸುವ ಕುರಿತು ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ.

ಎಲ್ಲಾ ಪೈಥಾನ್ ಗೇಟ್‌ವೇ ನಿರ್ಮಾಣಗಳು ಪ್ರಸ್ತುತ ಕಂಟೇನರ್ ಆಧಾರಿತವಾಗಿವೆ. 2019.4.

ಸಿದ್ಧ ಚಿತ್ರ

ಓಡು: docker run -d -p 52773:52773 --name irispy intersystemscommunity/irispy-community:latestಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ಸಮುದಾಯ ಆವೃತ್ತಿಯೊಂದಿಗೆ ಪೈಥಾನ್ ಗೇಟ್‌ವೇ ಅನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡಲು ಮತ್ತು ಚಲಾಯಿಸಲು. ಅಷ್ಟೇ.

ನಿಮ್ಮ ಸ್ವಂತ ನೋಟವನ್ನು ರಚಿಸಿ

ಡಾಕರ್ ಚಿತ್ರವನ್ನು ನಿರ್ಮಿಸಲು, ರೆಪೊಸಿಟರಿಯ ಮೂಲದಲ್ಲಿ ರನ್ ಮಾಡಿ: docker build --force-rm --tag intersystemscommunity/irispy:latest ..
ಪೂರ್ವನಿಯೋಜಿತವಾಗಿ, ಚಿತ್ರವನ್ನು ಚಿತ್ರದ ಆಧಾರದ ಮೇಲೆ ನಿರ್ಮಿಸಲಾಗಿದೆ store/intersystems/iris-community:2019.4.0.383.0, ಆದಾಗ್ಯೂ ನೀವು ವೇರಿಯೇಬಲ್ ಅನ್ನು ಹೊಂದಿಸುವ ಮೂಲಕ ಇದನ್ನು ಬದಲಾಯಿಸಬಹುದು IMAGE.
InterSystems IRIS ರನ್ನಿಂದ ನಿರ್ಮಿಸಲು: `ಡಾಕರ್ ಬಿಲ್ಡ್ --ಬಿಲ್ಡ್-ಆರ್ಗ್ IMAGE=store/intersystems/iris:2019.4.0.383.0 --force-rm --tag intersystemscommunity/irispy:latest'.

ಅದರ ನಂತರ, ನೀವು ಡಾಕರ್ ಚಿತ್ರವನ್ನು ಚಲಾಯಿಸಬಹುದು:

docker run -d 
  -p 52773:52773 
  -v /<HOST-DIR-WITH-iris.key>/:/mount 
  --name irispy 
  intersystemscommunity/irispy:latest 
  --key /mount/iris.key

ನೀವು ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ಸಮುದಾಯ ಆವೃತ್ತಿಯನ್ನು ಆಧರಿಸಿ ಚಿತ್ರವನ್ನು ಬಳಸುತ್ತಿದ್ದರೆ, ನೀವು ಕೀಲಿಯನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುವ ಅಗತ್ಯವಿಲ್ಲ.

ಪ್ರತಿಕ್ರಿಯೆಗಳು

  • ಪರೀಕ್ಷಾ ಪ್ರಕ್ರಿಯೆ isc.py.test.Process ತಾತ್ಕಾಲಿಕ ಡೈರೆಕ್ಟರಿಗೆ ಹಲವಾರು ಚಿತ್ರಗಳನ್ನು ಉಳಿಸುತ್ತದೆ. ನೀವು ಈ ಮಾರ್ಗವನ್ನು ಮೌಂಟೆಡ್ ಡೈರೆಕ್ಟರಿಗೆ ಬದಲಾಯಿಸಲು ಬಯಸಬಹುದು. ಇದನ್ನು ಮಾಡಲು, ಸೆಟ್ಟಿಂಗ್ ಅನ್ನು ಸಂಪಾದಿಸಿ WorkingDir ಮೌಂಟೆಡ್ ಡೈರೆಕ್ಟರಿಯನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುವುದು.
  • ಟರ್ಮಿನಲ್ ಅನ್ನು ಪ್ರವೇಶಿಸಲು, ರನ್ ಮಾಡಿ: docker exec -it irispy sh.
  • ಲಾಗಿನ್ ಮೂಲಕ ಸಿಸ್ಟಮ್ ಮ್ಯಾನೇಜ್ಮೆಂಟ್ ಪೋರ್ಟಲ್ಗೆ ಪ್ರವೇಶ SuperUser/SYS.
  • ಕಂಟೇನರ್ ಅನ್ನು ನಿಲ್ಲಿಸಲು, ರನ್ ಮಾಡಿ: docker stop irispy && docker rm --force irispy.

ಅನುಸ್ಥಾಪನೆಯನ್ನು ಪರಿಶೀಲಿಸಲಾಗುತ್ತಿದೆ

ಒಮ್ಮೆ ನೀವು ಪೈಥಾನ್ ಗೇಟ್‌ವೇ ಅನ್ನು ಸ್ಥಾಪಿಸಿದ ನಂತರ, ಅದು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸುವುದು ಯೋಗ್ಯವಾಗಿದೆ. ಈ ಕೋಡ್ ಅನ್ನು ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ಟರ್ಮಿನಲ್‌ನಲ್ಲಿ ರನ್ ಮಾಡಿ:

set sc = ##class(isc.py.Callout).Setup() 
set sc = ##class(isc.py.Main).SimpleString("x='HELLO'", "x", , .var).
write var

ಫಲಿತಾಂಶ ಇರಬೇಕು HELLO - ಪೈಥಾನ್ ವೇರಿಯೇಬಲ್‌ನ ಮೌಲ್ಯ x. ರಿಟರ್ನ್ ಸ್ಥಿತಿ ವೇಳೆ sc ಒಂದು ತಪ್ಪು ಅಥವಾ var ಖಾಲಿ, ಪರಿಶೀಲಿಸಿ Readme - ದೋಷನಿವಾರಣೆ ವಿಭಾಗ.

ಎಪಿಐ

ಪೈಥಾನ್ ಗೇಟ್‌ವೇ ಅನ್ನು ಸ್ಥಾಪಿಸಲಾಗಿದೆ ಮತ್ತು ಅದು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ ಎಂದು ನೀವು ಪರಿಶೀಲಿಸಿದ್ದೀರಿ. ಅದನ್ನು ಬಳಸಲು ಪ್ರಾರಂಭಿಸುವ ಸಮಯ!
ಪೈಥಾನ್‌ಗೆ ಮುಖ್ಯ ಇಂಟರ್ಫೇಸ್ ಆಗಿದೆ isc.py.Main. ಇದು ಕೆಳಗಿನ ವಿಧಾನಗಳ ಗುಂಪುಗಳನ್ನು ನೀಡುತ್ತದೆ (ಎಲ್ಲಾ ರಿಟರ್ನ್ %Status):

  • ಕೋಡ್ ಎಕ್ಸಿಕ್ಯೂಶನ್
  • ಡೇಟಾ ವರ್ಗಾವಣೆ
  • ಅಂಗಸಂಸ್ಥೆ

ಕೋಡ್ ಎಕ್ಸಿಕ್ಯೂಶನ್

ಈ ವಿಧಾನಗಳು ಅನಿಯಂತ್ರಿತ ಪೈಥಾನ್ ಕೋಡ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ.

ಸರಳ ಸ್ಟ್ರಿಂಗ್

SimpleString ಮುಖ್ಯ ವಿಧಾನವಾಗಿದೆ. ಇದು 4 ಐಚ್ಛಿಕ ವಾದಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ:

  • code ಕಾರ್ಯಗತಗೊಳಿಸಲು ಕೋಡ್‌ನ ಸಾಲು. ಲೈನ್ ಫೀಡ್ ಪಾತ್ರ: $c(10).
  • returnVariable ಹಿಂತಿರುಗಿಸಬೇಕಾದ ವೇರಿಯಬಲ್‌ನ ಹೆಸರು.
  • serialization - ಧಾರಾವಾಹಿ ಮಾಡುವುದು ಹೇಗೆ returnVariable. 0 - ಸ್ಟ್ರಿಂಗ್ (ಡೀಫಾಲ್ಟ್), 1 - ಪ್ರತಿನಿಧಿ.
  • result - ಮೌಲ್ಯವನ್ನು ಬರೆಯಲಾದ ವೇರಿಯಬಲ್‌ಗೆ ByRef ಉಲ್ಲೇಖ returnVariable.

ಮೇಲೆ ನಾವು ಮಾಡಿದ್ದೇವೆ:

set sc = ##class(isc.py.Main).SimpleString("x='HELLO'", "x", , .var).

ಈ ಉದಾಹರಣೆಯಲ್ಲಿ, ನಾವು ಪೈಥಾನ್ ವೇರಿಯೇಬಲ್ ಅನ್ನು ನಿಯೋಜಿಸುತ್ತಿದ್ದೇವೆ x ಮೌಲ್ಯ Hello ಮತ್ತು ಪೈಥಾನ್ ವೇರಿಯೇಬಲ್‌ನ ಮೌಲ್ಯವನ್ನು ಹಿಂತಿರುಗಿಸಲು ಬಯಸುತ್ತಾರೆ x ಆಬ್ಜೆಕ್ಟ್‌ಸ್ಕ್ರಿಪ್ಟ್ ವೇರಿಯಬಲ್‌ಗೆ var.

ಎಕ್ಸಿಕ್ಯೂಟ್ ಕೋಡ್

ExecuteCode ಸುರಕ್ಷಿತ ಮತ್ತು ಕಡಿಮೆ ನಿರ್ಬಂಧಿತ ಪರ್ಯಾಯವಾಗಿದೆ SimpleString.
InterSystems IRIS ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ನಲ್ಲಿನ ಸಾಲುಗಳು 3 ಅಕ್ಷರಗಳಿಗೆ ಸೀಮಿತವಾಗಿವೆ ಮತ್ತು ನೀವು ದೀರ್ಘವಾದ ಕೋಡ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು ಬಯಸಿದರೆ, ನೀವು ಸ್ಟ್ರೀಮ್‌ಗಳನ್ನು ಬಳಸಬೇಕಾಗುತ್ತದೆ.
ಇದು ಎರಡು ವಾದಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ:

  • code - ಕಾರ್ಯಗತಗೊಳಿಸಬೇಕಾದ ಪೈಥಾನ್ ಕೋಡ್‌ನ ಸ್ಟ್ರಿಂಗ್ ಅಥವಾ ಸ್ಟ್ರೀಮ್.
  • variable - (ಐಚ್ಛಿಕ) ಮರಣದಂಡನೆಯ ಫಲಿತಾಂಶವನ್ನು ನಿಯೋಜಿಸುತ್ತದೆ code ಈ ಪೈಥಾನ್ ವೇರಿಯೇಬಲ್.

ಬಳಸಲು ಸಲಹೆ:

set sc = ##class(isc.py.Main).ExecuteCode("2*3", "y").

ಈ ಉದಾಹರಣೆಯಲ್ಲಿ, ನಾವು 2 ರಿಂದ 3 ರಿಂದ ಗುಣಿಸಿ ಮತ್ತು ಫಲಿತಾಂಶವನ್ನು ಪೈಥಾನ್ ವೇರಿಯೇಬಲ್ನಲ್ಲಿ ಸಂಗ್ರಹಿಸುತ್ತೇವೆ y.

ಡೇಟಾ ವರ್ಗಾವಣೆ

ಪೈಥಾನ್‌ಗೆ ಮತ್ತು ಅದರಿಂದ ಡೇಟಾವನ್ನು ರವಾನಿಸಿ.

ಪೈಥಾನ್ -> ಇಂಟರ್ ಸಿಸ್ಟಮ್ಸ್ IRIS

ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ ಐಆರ್‌ಐಎಸ್‌ನಲ್ಲಿ ಪೈಥಾನ್ ವೇರಿಯೇಬಲ್‌ನ ಮೌಲ್ಯವನ್ನು ಪಡೆಯಲು 4 ಮಾರ್ಗಗಳಿವೆ, ನಿಮಗೆ ಅಗತ್ಯವಿರುವ ಧಾರಾವಾಹಿಯನ್ನು ಅವಲಂಬಿಸಿ:

  • String ಸರಳ ಡೇಟಾ ಪ್ರಕಾರಗಳು ಮತ್ತು ಡೀಬಗ್ ಮಾಡಲು.
  • Repr ಸರಳ ವಸ್ತುಗಳನ್ನು ಸಂಗ್ರಹಿಸಲು ಮತ್ತು ಡೀಬಗ್ ಮಾಡಲು.
  • JSON ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ಭಾಗದಲ್ಲಿ ಸುಲಭವಾದ ಡೇಟಾ ಮ್ಯಾನಿಪ್ಯುಲೇಷನ್‌ಗಾಗಿ.
  • Pickle ವಸ್ತುಗಳನ್ನು ಉಳಿಸಲು.

ಈ ವಿಧಾನಗಳು ಪೈಥಾನ್‌ನಿಂದ ವೇರಿಯೇಬಲ್‌ಗಳನ್ನು ಸ್ಟ್ರಿಂಗ್‌ನಂತೆ ಅಥವಾ ಸ್ಟ್ರೀಮ್‌ಗಳಾಗಿ ಸ್ವೀಕರಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ.

  • GetVariable(variable, serialization, .stream, useString) - ಪಡೆಯಿರಿ serialization ವೇರಿಯಬಲ್ variable в stream. ವೇಳೆ useString 1 ಆಗಿದೆ ಮತ್ತು ಸರಣಿಯನ್ನು ಸ್ಟ್ರಿಂಗ್‌ನಲ್ಲಿ ಇರಿಸಲಾಗುತ್ತದೆ, ನಂತರ ಸ್ಟ್ರಿಂಗ್ ಅನ್ನು ಹಿಂತಿರುಗಿಸಲಾಗುತ್ತದೆ, ಸ್ಟ್ರೀಮ್ ಅಲ್ಲ.
  • GetVariableJson(variable, .stream, useString) — ವೇರಿಯೇಬಲ್‌ನ JSON ಧಾರಾವಾಹಿಯನ್ನು ಪಡೆಯಿರಿ.
  • GetVariablePickle(variable, .stream, useString, useDill) - ವೇರಿಯಬಲ್‌ನ ಉಪ್ಪಿನಕಾಯಿ (ಅಥವಾ ಸಬ್ಬಸಿಗೆ) ಧಾರಾವಾಹಿಯನ್ನು ಪಡೆಯಿರಿ.

ನಮ್ಮ ವೇರಿಯಬಲ್ ಅನ್ನು ಪಡೆಯಲು ಪ್ರಯತ್ನಿಸೋಣ y.

set sc = ##class(isc.py.Main).GetVariable("y", , .val, 1)
write val
>6

ಇಂಟರ್ ಸಿಸ್ಟಮ್ಸ್ IRIS -> ಪೈಥಾನ್

ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ನಿಂದ ಪೈಥಾನ್‌ಗೆ ಡೇಟಾವನ್ನು ಲೋಡ್ ಮಾಡಲಾಗುತ್ತಿದೆ.

  • ExecuteQuery(query, variable, type, namespace) - ಡೇಟಾಸೆಟ್ ಅನ್ನು ರಚಿಸುತ್ತದೆ (ಪಾಂಡಾಗಳು dataframe ಅಥವಾ list) sql ಪ್ರಶ್ನೆಯಿಂದ ಮತ್ತು ಅದನ್ನು ಪೈಥಾನ್ ವೇರಿಯೇಬಲ್‌ಗೆ ಹೊಂದಿಸಿ variable. ಪ್ಲಾಸ್ಟಿಕ್ ಚೀಲ isc.py ಪ್ರದೇಶದಲ್ಲಿ ಲಭ್ಯವಿರಬೇಕು namespace - ವಿನಂತಿಯನ್ನು ಅಲ್ಲಿ ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗುತ್ತದೆ.
  • ExecuteGlobal(global, variable, type, start, end, mask, labels, namespace) - ಜಾಗತಿಕ ಡೇಟಾವನ್ನು ಲೋಡ್ ಮಾಡುತ್ತದೆ global ಚಂದಾದಾರಿಕೆಯಿಂದ start ಗೆ end ಪೈಥಾನ್‌ನಲ್ಲಿ ಟೈಪ್ ವೇರಿಯೇಬಲ್ ಆಗಿ type: list, ಅಥವಾ ಪಾಂಡಾಗಳು dataframe. ಐಚ್ಛಿಕ ವಾದಗಳ ವಿವರಣೆ mask ಮತ್ತು labels ವರ್ಗ ದಸ್ತಾವೇಜನ್ನು ಮತ್ತು ರೆಪೊಸಿಟರಿಯಲ್ಲಿ ಲಭ್ಯವಿದೆ ಡೇಟಾ ವರ್ಗಾವಣೆ ಡಾಕ್ಸ್.
  • ExecuteClass(class, variable, type, start, end, properties, namespace) - ವರ್ಗ ಡೇಟಾವನ್ನು ಲೋಡ್ ಮಾಡುತ್ತದೆ class ಐಡಿಯಿಂದ start ಗೆ end ಪೈಥಾನ್‌ನಲ್ಲಿ ಟೈಪ್ ವೇರಿಯೇಬಲ್ ಆಗಿ type: list, ಅಥವಾ ಪಾಂಡಾಗಳು dataframe. properties — ಡೇಟಾಸೆಟ್‌ಗೆ ಲೋಡ್ ಮಾಡಬೇಕಾದ ವರ್ಗ ಗುಣಲಕ್ಷಣಗಳ ಪಟ್ಟಿ (ಅಲ್ಪವಿರಾಮದಿಂದ ಪ್ರತ್ಯೇಕಿಸಲಾಗಿದೆ). ಮುಖವಾಡಗಳು ಬೆಂಬಲಿತವಾಗಿದೆ * и ?. ಡೀಫಾಲ್ಟ್ - * (ಎಲ್ಲಾ ಗುಣಲಕ್ಷಣಗಳು). ಆಸ್ತಿ %%CLASSNAME ನಿರ್ಲಕ್ಷಿಸಲಾಗಿದೆ.
  • ExecuteTable(table, variable, type, start, end, properties, namespace) - ಟೇಬಲ್ ಡೇಟಾವನ್ನು ಲೋಡ್ ಮಾಡುತ್ತದೆ table ಐಡಿಯಿಂದ start ಗೆ end ಹೆಬ್ಬಾವಿನಲ್ಲಿ.

ExecuteQuery - ಸಾರ್ವತ್ರಿಕ (ಯಾವುದೇ ಮಾನ್ಯವಾದ SQL ಪ್ರಶ್ನೆಯನ್ನು ಪೈಥಾನ್‌ಗೆ ರವಾನಿಸಲಾಗುತ್ತದೆ). ಆದಾಗ್ಯೂ, ExecuteGlobal ಮತ್ತು ಅವನ ಸುತ್ತುಗಳು ExecuteClass и ExecuteTable ಹಲವಾರು ನಿರ್ಬಂಧಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಿ. ಅವು ಹೆಚ್ಚು ವೇಗವಾಗಿರುತ್ತವೆ (ಒಡಿಬಿಸಿ ಡ್ರೈವರ್‌ಗಿಂತ 3-5 ಪಟ್ಟು ವೇಗವಾಗಿರುತ್ತದೆ ಮತ್ತು 20 ಪಟ್ಟು ವೇಗವಾಗಿರುತ್ತದೆ ExecuteQuery) ರಲ್ಲಿ ಹೆಚ್ಚಿನ ಮಾಹಿತಿ ಡೇಟಾ ವರ್ಗಾವಣೆ ಡಾಕ್ಸ್.
ಈ ಎಲ್ಲಾ ವಿಧಾನಗಳು ಯಾವುದೇ ಪ್ರದೇಶದಿಂದ ಡೇಟಾ ವರ್ಗಾವಣೆಯನ್ನು ಬೆಂಬಲಿಸುತ್ತವೆ. ಪ್ಲಾಸ್ಟಿಕ್ ಚೀಲ isc.py ಗುರಿ ಪ್ರದೇಶದಲ್ಲಿ ಲಭ್ಯವಿರಬೇಕು.

ಎಕ್ಸಿಕ್ಯೂಟ್ ಕ್ವೆರಿ

ExecuteQuery(request, variable, type, namespace) - ಯಾವುದೇ ಮಾನ್ಯವಾದ SQL ಪ್ರಶ್ನೆಯ ಫಲಿತಾಂಶಗಳನ್ನು ಪೈಥಾನ್‌ಗೆ ರವಾನಿಸುವುದು. ಇದು ನಿಧಾನವಾದ ಡೇಟಾ ವರ್ಗಾವಣೆ ವಿಧಾನವಾಗಿದೆ. ಇದ್ದರೆ ಅದನ್ನು ಬಳಸಿ ExecuteGlobal ಮತ್ತು ಅದರ ಹೊದಿಕೆಗಳು ಲಭ್ಯವಿಲ್ಲ.

ವಾದಗಳು:

  • query - sql ಪ್ರಶ್ನೆ.
  • variable - ಡೇಟಾವನ್ನು ಬರೆಯಲಾದ ಪೈಥಾನ್ ವೇರಿಯಬಲ್‌ನ ಹೆಸರು.
  • type - list ಅಥವಾ ಪಾಂಡಾಗಳು dataframe.
  • namespace - ವಿನಂತಿಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಪ್ರದೇಶ.

ಎಕ್ಸಿಕ್ಯೂಟ್ ಗ್ಲೋಬಲ್

ExecuteGlobal(global, variable, type, start, end, mask, labelels, namespace) - ಪೈಥಾನ್‌ಗೆ ಜಾಗತಿಕವನ್ನು ರವಾನಿಸುವುದು.

ವಾದಗಳು:

  • global ಗ್ಲೋಬಲ್ ಇಲ್ಲದ ಹೆಸರಾಗಿದೆ ^
  • variable - ಡೇಟಾವನ್ನು ಬರೆಯಲಾದ ಪೈಥಾನ್ ವೇರಿಯಬಲ್‌ನ ಹೆಸರು.
  • type - list ಅಥವಾ ಪಾಂಡಾಗಳು dataframe.
  • start - ಜಾಗತಿಕ ಮೊದಲ ಸಬ್‌ಸ್ಕ್ರಿಪ್ಟ್. ಅಗತ್ಯವಾಗಿ %Integer.
  • end ಜಾಗತಿಕ ಕೊನೆಯ ಸಬ್‌ಸ್ಕ್ರಿಪ್ಟ್ ಆಗಿದೆ. ಅಗತ್ಯವಾಗಿ %Integer.
  • mask - ಜಾಗತಿಕ ಮೌಲ್ಯಗಳ ಮುಖವಾಡ. ಮುಖವಾಡವು ಜಾಗತಿಕ ಕ್ಷೇತ್ರಗಳ ಸಂಖ್ಯೆಗಿಂತ ಚಿಕ್ಕದಾಗಿರಬಹುದು (ಈ ಸಂದರ್ಭದಲ್ಲಿ ಕೊನೆಯಲ್ಲಿ ಇರುವ ಕ್ಷೇತ್ರಗಳನ್ನು ಬಿಟ್ಟುಬಿಡಲಾಗುತ್ತದೆ). ಮುಖವಾಡವನ್ನು ಹೇಗೆ ಫಾರ್ಮ್ಯಾಟ್ ಮಾಡುವುದು:
    • + ಮೌಲ್ಯವನ್ನು ಹಾಗೆಯೇ ರವಾನಿಸಿ.
    • - ಮೌಲ್ಯವನ್ನು ಬಿಟ್ಟುಬಿಡಿ.
    • b - ಬೂಲಿಯನ್ ಪ್ರಕಾರ (0 - False, ಉಳಿದ ಎಲ್ಲಾ - True).
    • d — ದಿನಾಂಕ ($ horolog ನಿಂದ, 1970 ರಿಂದ Windows ನಲ್ಲಿ, 1900 ರಿಂದ Linux ನಲ್ಲಿ).
    • t - ಸಮಯ ($ horolog, ಮಧ್ಯರಾತ್ರಿಯ ನಂತರ ಸೆಕೆಂಡುಗಳು).
    • m — ಟೈಮ್‌ಸ್ಟ್ಯಾಂಪ್ (ವರ್ಷ-ತಿಂಗಳು-ದಿನ ಗಂಟೆ:ನಿಮಿಷ:ಸೆಕೆಂಡ್ ಫಾರ್ಮ್ಯಾಟ್ ಸ್ಟ್ರಿಂಗ್).
  • labels - %ಕಾಲಮ್ ಹೆಸರುಗಳ ಪಟ್ಟಿ. ಮೊದಲ ಅಂಶವು ಸಬ್‌ಸ್ಕ್ರಿಪ್ಟ್‌ನ ಹೆಸರು.
  • namespace - ವಿನಂತಿಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಪ್ರದೇಶ.

ಎಕ್ಸಿಕ್ಯೂಟ್ ಕ್ಲಾಸ್

ಮೇಲೆ ಸುತ್ತು ExecuteGlobal. ವರ್ಗ ವ್ಯಾಖ್ಯಾನದ ಆಧಾರದ ಮೇಲೆ ಕರೆಯನ್ನು ಸಿದ್ಧಪಡಿಸುತ್ತದೆ ExecuteGlobal ಮತ್ತು ಅವನನ್ನು ಕರೆಯುತ್ತಾನೆ.

ExecuteClass(class, variable, type, start, end, properties, namespace) - ವರ್ಗ ಡೇಟಾವನ್ನು ಪೈಥಾನ್‌ಗೆ ರವಾನಿಸುವುದು.

ವಾದಗಳು:

  • class - ವರ್ಗದ ಹೆಸರು
  • variable - ಡೇಟಾವನ್ನು ಬರೆಯಲಾದ ಪೈಥಾನ್ ವೇರಿಯಬಲ್‌ನ ಹೆಸರು.
  • type - list ಅಥವಾ ಪಾಂಡಾಗಳು dataframe.
  • start - ಆರಂಭದ ಐಡಿ.
  • end - ಅಂತಿಮ ಐಡಿ
  • properties — ಡೇಟಾಸೆಟ್‌ಗೆ ಲೋಡ್ ಮಾಡಬೇಕಾದ ವರ್ಗ ಗುಣಲಕ್ಷಣಗಳ ಪಟ್ಟಿ (ಅಲ್ಪವಿರಾಮದಿಂದ ಪ್ರತ್ಯೇಕಿಸಲಾಗಿದೆ). ಮುಖವಾಡಗಳು ಬೆಂಬಲಿತವಾಗಿದೆ * и ?. ಡೀಫಾಲ್ಟ್ - * (ಎಲ್ಲಾ ಗುಣಲಕ್ಷಣಗಳು). ಆಸ್ತಿ %%CLASSNAME ನಿರ್ಲಕ್ಷಿಸಲಾಗಿದೆ.
  • namespace - ವಿನಂತಿಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಪ್ರದೇಶ.

ಪ್ರಕಾರದ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹೊರತುಪಡಿಸಿ ಎಲ್ಲಾ ಗುಣಲಕ್ಷಣಗಳನ್ನು ರವಾನಿಸಲಾಗಿದೆ %Date, %Time, %Boolean и %TimeStamp - ಅವುಗಳನ್ನು ಅನುಗುಣವಾದ ಪೈಥಾನ್ ವರ್ಗಗಳಿಗೆ ಪರಿವರ್ತಿಸಲಾಗುತ್ತದೆ.

ಎಕ್ಸಿಕ್ಯೂಟ್ ಟೇಬಲ್

ಮೇಲೆ ಸುತ್ತು ExecuteClass. ಟೇಬಲ್ ಹೆಸರನ್ನು ವರ್ಗದ ಹೆಸರು ಮತ್ತು ಕರೆಗಳಿಗೆ ಅನುವಾದಿಸುತ್ತದೆ ExecuteClass. ಸಹಿ:

ExecuteTable(table, variable, type, start, end, properties, namespace) - ಪೈಥಾನ್‌ಗೆ ಟೇಬಲ್ ಡೇಟಾವನ್ನು ರವಾನಿಸುವುದು.

ವಾದಗಳು:

  • table - ಟೇಬಲ್ ಹೆಸರು.
    ಎಲ್ಲಾ ಇತರ ವಾದಗಳನ್ನು ಹಾಗೆಯೇ ರವಾನಿಸಲಾಗಿದೆ. ExecuteClass.

ಟಿಪ್ಪಣಿಗಳು

  • ExecuteGlobal, ExecuteClass и ExecuteTable ಸಮಾನವಾಗಿ ವೇಗವಾಗಿ ಕೆಲಸ ಮಾಡಿ.
  • ExecuteGlobal ಗಿಂತ 20 ಪಟ್ಟು ವೇಗವಾಗಿ ExecuteQuery ದೊಡ್ಡ ಡೇಟಾಸೆಟ್‌ಗಳಲ್ಲಿ (ವರ್ಗಾವಣೆ ಸಮಯ >0.01 ಸೆಕೆಂಡ್).
  • ExecuteGlobal, ExecuteClass и ExecuteTable ಈ ರಚನೆಯೊಂದಿಗೆ ಜಾಗತಿಕ ಮಟ್ಟದಲ್ಲಿ ಕೆಲಸ ಮಾಡಿ: ^global(key) = $lb(prop1, prop2, ..., propN) ಅಲ್ಲಿ key ಒಂದು ಪೂರ್ಣಾಂಕವಾಗಿದೆ.
  • ಗೆ ExecuteGlobal, ExecuteClass и ExecuteTable ಬೆಂಬಲಿತ ಮೌಲ್ಯ ಶ್ರೇಣಿ %Date ಶ್ರೇಣಿಗೆ ಅನುರೂಪವಾಗಿದೆ mktime ಮತ್ತು OS ಅನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆವಿಂಡೋಸ್: 1970-01-01, ಲಿನಕ್ಸ್ 1900-01-01, ಮ್ಯಾಕ್) ಬಳಸಿ %TimeStampಈ ವ್ಯಾಪ್ತಿಯ ಹೊರಗೆ ಡೇಟಾವನ್ನು ರವಾನಿಸಲು ಅಥವಾ ಪಾಂಡಾಸ್ ಡೇಟಾಫ್ರೇಮ್ ಅನ್ನು ಬಳಸಿ ಈ ಮಿತಿಯು ಪಟ್ಟಿಗೆ ಮಾತ್ರ.
  • ಗೆ ExecuteGlobal, ExecuteClass и ExecuteTable ಡೇಟಾ ಮೂಲ (ಜಾಗತಿಕ, ವರ್ಗ ಅಥವಾ ಕೋಷ್ಟಕ) ಮತ್ತು ವೇರಿಯಬಲ್ ಹೊರತುಪಡಿಸಿ ಎಲ್ಲಾ ಆರ್ಗ್ಯುಮೆಂಟ್‌ಗಳು ಐಚ್ಛಿಕವಾಗಿರುತ್ತವೆ.

ಉದಾಹರಣೆಗಳು

ಪರೀಕ್ಷಾ ವರ್ಗ isc.py.test.ವ್ಯಕ್ತಿ ಎಲ್ಲಾ ಡೇಟಾ ವರ್ಗಾವಣೆ ಆಯ್ಕೆಗಳನ್ನು ಪ್ರದರ್ಶಿಸುವ ವಿಧಾನವನ್ನು ಒಳಗೊಂಡಿದೆ:

set global = "isc.py.test.PersonD"
set class = "isc.py.test.Person"
set table = "isc_py_test.Person"
set query = "SELECT * FROM isc_py_test.Person"

// Общие аргументы
set variable = "df"
set type = "dataframe"
set start = 1
set end = $g(^isc.py.test.PersonD, start)

// Способ 0: ExecuteGlobal без аргументов
set sc = ##class(isc.py.Main).ExecuteGlobal(global, variable _ 0, type)

// Способ 1: ExecuteGlobal с аргументами    
// При передаче глобала названия полей задаются вручную
// globalKey - название сабсткрипта 
set labels = $lb("globalKey", "Name", "DOB", "TS", "RandomTime", "AgeYears", "AgeDecimal", "AgeDouble", "Bool")

// mask содержит на 1 элемент меньше чем labels потому что "globalKey" - название сабскипта
// Пропускаем %%CLASSNAME
set mask = "-+dmt+++b"

set sc = ##class(isc.py.Main).ExecuteGlobal(global, variable _ 1, type, start, end, mask, labels)

// Способ 2: ExecuteClass
set sc = ##class(isc.py.Main).ExecuteClass(class, variable _ 2, type, start, end)

// Способ 3: ExecuteTable
set sc = ##class(isc.py.Main).ExecuteTable(table, variable _ 3, type, start, end)

// Способ 4: ExecuteTable
set sc = ##class(isc.py.Main).ExecuteQuery(query, variable _ 4, type)

ಕರೆ ವಿಧಾನ do ##class(isc.py.test.Person).Test() ಎಲ್ಲಾ ಡೇಟಾ ವರ್ಗಾವಣೆ ವಿಧಾನಗಳು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ನೋಡಲು.

ಸಹಾಯಕ ವಿಧಾನಗಳು

  • GetVariableInfo(variable, serialization, .defined, .type, .length) - ವೇರಿಯೇಬಲ್ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಿರಿ: ಅದನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆಯೇ, ವರ್ಗ ಮತ್ತು ಸರಣಿಯ ಉದ್ದ.
  • GetVariableDefined(variable, .defined) - ವೇರಿಯೇಬಲ್ ಅನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆಯೇ.
  • GetVariableType(variable, .type) - ವೇರಿಯಬಲ್ ವರ್ಗವನ್ನು ಪಡೆಯಿರಿ.
  • GetStatus() - ಪೈಥಾನ್ ಬದಿಯಲ್ಲಿ ಕೊನೆಯ ವಿನಾಯಿತಿಯನ್ನು ಪಡೆಯಿರಿ ಮತ್ತು ತೆಗೆದುಹಾಕಿ.
  • GetModuleInfo(module, .imported, .alias) - ಮಾಡ್ಯೂಲ್ ವೇರಿಯಬಲ್ ಮತ್ತು ಆಮದು ಸ್ಥಿತಿಯನ್ನು ಪಡೆಯಿರಿ.
  • GetFunctionInfo(function, .defined, .type, .docs, .signature, .arguments) - ಕಾರ್ಯದ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಿರಿ.

ಪರಸ್ಪರ ಕಾರ್ಯಸಾಧ್ಯತೆ

ಟರ್ಮಿನಲ್‌ನಿಂದ ಪೈಥಾನ್ ಗೇಟ್‌ವೇ ಅನ್ನು ಹೇಗೆ ಕರೆಯಬೇಕೆಂದು ನೀವು ಕಲಿತಿದ್ದೀರಿ, ಈಗ ಅದನ್ನು ಉತ್ಪಾದನೆಯಲ್ಲಿ ಬಳಸಲು ಪ್ರಾರಂಭಿಸೋಣ. ಈ ಕ್ರಮದಲ್ಲಿ ಪೈಥಾನ್‌ನೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸಲು ಆಧಾರವಾಗಿದೆ isc.py.ens.Operation. ಇದು ನಮಗೆ ಅನುಮತಿಸುತ್ತದೆ:

  • ಪೈಥಾನ್ ಕೋಡ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಿ
  • ಪೈಥಾನ್ ಸಂದರ್ಭವನ್ನು ಉಳಿಸಿ/ಮರುಸ್ಥಾಪಿಸಿ
  • ಪೈಥಾನ್‌ನಿಂದ ಡೇಟಾವನ್ನು ಲೋಡ್ ಮಾಡಿ ಮತ್ತು ಸ್ವೀಕರಿಸಿ

ಮೂಲಭೂತವಾಗಿ, ಪೈಹ್ಟಾನ್ ಕಾರ್ಯಾಚರಣೆಯು ಒಂದು ಹೊದಿಕೆಯಾಗಿದೆ isc.py.Main. ಕಾರ್ಯಾಚರಣೆ isc.py.ens.Operation InterSystems IRIS ಉತ್ಪನ್ನಗಳಿಂದ ಪೈಥಾನ್ ಪ್ರಕ್ರಿಯೆಯೊಂದಿಗೆ ಪರಸ್ಪರ ಕ್ರಿಯೆಯನ್ನು ಅನುಮತಿಸುತ್ತದೆ. ಐದು ವಿನಂತಿಗಳನ್ನು ಬೆಂಬಲಿಸಲಾಗುತ್ತದೆ:

  • isc.py.msg.ExecutionRequest ಪೈಥಾನ್ ಕೋಡ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು. ಹಿಂದಿರುಗಿಸುತ್ತದೆ isc.py.msg.ExecutionResponse ಮರಣದಂಡನೆ ಫಲಿತಾಂಶ ಮತ್ತು ವಿನಂತಿಸಿದ ಅಸ್ಥಿರಗಳ ಮೌಲ್ಯಗಳೊಂದಿಗೆ.
  • isc.py.msg.StreamExecutionRequest ಪೈಥಾನ್ ಕೋಡ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು. ಹಿಂದಿರುಗಿಸುತ್ತದೆ isc.py.msg.StreamExecutionResponse ಮರಣದಂಡನೆಯ ಫಲಿತಾಂಶ ಮತ್ತು ವಿನಂತಿಸಿದ ವೇರಿಯಬಲ್‌ಗಳ ಮೌಲ್ಯಗಳು. ಅನಲಾಗ್ isc.py.msg.ExecutionRequest, ಆದರೆ ಸ್ಟ್ರಿಂಗ್‌ಗಳ ಬದಲಿಗೆ ಸ್ಟ್ರೀಮ್‌ಗಳನ್ನು ಸ್ವೀಕರಿಸುತ್ತದೆ ಮತ್ತು ಹಿಂತಿರುಗಿಸುತ್ತದೆ.
  • isc.py.msg.QueryRequest SQL ಪ್ರಶ್ನೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಫಲಿತಾಂಶವನ್ನು ವರ್ಗಾಯಿಸಲು. ಹಿಂದಿರುಗಿಸುತ್ತದೆ Ens.Response.
  • isc.py.msg.GlobalRequest/isc.py.msg.ClassRequest/isc.py.msg.TableRequest ಜಾಗತಿಕ/ವರ್ಗ/ಟೇಬಲ್ ಡೇಟಾವನ್ನು ರವಾನಿಸಲು. ಹಿಂದಿರುಗಿಸುತ್ತದೆ Ens.Response.
  • isc.py.msg.SaveRequest ಪೈಥಾನ್ ಸಂದರ್ಭವನ್ನು ಉಳಿಸಲು. ಹಿಂದಿರುಗಿಸುತ್ತದೆ Ens.StringResponse ಸಂದರ್ಭ ID ಯೊಂದಿಗೆ.

  • isc.py.msg.RestoreRequest ಪೈಥಾನ್ ಸಂದರ್ಭವನ್ನು ಪುನಃಸ್ಥಾಪಿಸಲು.

    ಇದಲ್ಲದೆ, isc.py.ens.Operation ಎರಡು ಸೆಟ್ಟಿಂಗ್‌ಗಳನ್ನು ಹೊಂದಿದೆ:

    • Initializer - ಇಂಟರ್ಫೇಸ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ವರ್ಗವನ್ನು ಆರಿಸುವುದು isc.py.init.Abstract. ಕಾರ್ಯಗಳು, ಮಾಡ್ಯೂಲ್‌ಗಳು, ತರಗತಿಗಳು ಮತ್ತು ಮುಂತಾದವುಗಳನ್ನು ಲೋಡ್ ಮಾಡಲು ಇದನ್ನು ಬಳಸಬಹುದು. ಪ್ರಕ್ರಿಯೆಯು ಪ್ರಾರಂಭವಾದಾಗ ಅದನ್ನು ಒಮ್ಮೆ ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗುತ್ತದೆ.
    • PythonLib - (ಲಿನಕ್ಸ್ ಮಾತ್ರ) ನೀವು ಬೂಟ್ ದೋಷಗಳನ್ನು ನೋಡಿದರೆ, ಅದರ ಮೌಲ್ಯವನ್ನು ಹೊಂದಿಸಿ libpython3.6m.so ಅಥವಾ ಪೈಥಾನ್ ಲೈಬ್ರರಿಗೆ ಪೂರ್ಣ ಹಾದಿಯಲ್ಲಿ.

ವ್ಯಾಪಾರ ಪ್ರಕ್ರಿಯೆಗಳ ರಚನೆ

ವ್ಯಾಪಾರ ಪ್ರಕ್ರಿಯೆಗಳ ಅಭಿವೃದ್ಧಿಗೆ ಅನುಕೂಲವಾಗುವ ಎರಡು ವರ್ಗಗಳು ಲಭ್ಯವಿದೆ:

  • isc.py.ens.ProcessUtils ವೇರಿಯಬಲ್ ಪರ್ಯಾಯದೊಂದಿಗೆ ಚಟುವಟಿಕೆಗಳಿಂದ ಟಿಪ್ಪಣಿಗಳನ್ನು ಹೊರತೆಗೆಯಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ.
  • isc.py.util.BPEmulator ಪೈಥಾನ್‌ನೊಂದಿಗೆ ವ್ಯಾಪಾರ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಸುಲಭಗೊಳಿಸುತ್ತದೆ. ಇದು ಪ್ರಸ್ತುತ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆಯನ್ನು (ಪೈಥಾನ್ ಭಾಗಗಳು) ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದು.

ವೇರಿಯಬಲ್ ಪರ್ಯಾಯ

ಎಲ್ಲಾ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆಗಳು ಆನುವಂಶಿಕವಾಗಿ ಪಡೆದಿವೆ isc.py.ens.ProcessUtils, ವಿಧಾನವನ್ನು ಬಳಸಬಹುದು GetAnnotation(name) ಅದರ ಹೆಸರಿನ ಮೂಲಕ ಚಟುವಟಿಕೆಯ ಟಿಪ್ಪಣಿಯ ಮೌಲ್ಯವನ್ನು ಪಡೆಯಲು. ಚಟುವಟಿಕೆಯ ಟಿಪ್ಪಣಿಯು ಪೈಥಾನ್‌ಗೆ ರವಾನಿಸುವ ಮೊದಲು ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ಬದಿಯಲ್ಲಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲಾಗುವ ವೇರಿಯೇಬಲ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿರಬಹುದು. ವೇರಿಯಬಲ್ ಬದಲಿಗಾಗಿ ಸಿಂಟ್ಯಾಕ್ಸ್ ಇಲ್ಲಿದೆ:

  • ${class:method:arg1:...:argN} - ವಿಧಾನ ಕರೆ
  • #{expr} - ಆಬ್ಜೆಕ್ಟ್‌ಸ್ಕ್ರಿಪ್ಟ್ ಭಾಷೆಯಲ್ಲಿ ಕೋಡ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಿ.

ಪರೀಕ್ಷಾ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಒಂದು ಉದಾಹರಣೆ ಲಭ್ಯವಿದೆ isc.py.test.Process, ಉದಾಹರಣೆಗೆ, ಚಟುವಟಿಕೆಯಲ್ಲಿ Correlation Matrix: Graph: f.savefig(r'#{process.WorkDirectory}SHOWCASE${%PopulateUtils:Integer:1:100}.png'). ಈ ಉದಾಹರಣೆಯಲ್ಲಿ:

  • #{process.WorkDirectory} ಆಬ್ಜೆಕ್ಟ್‌ನ ವರ್ಕ್‌ಡೈರೆಕ್ಟರಿ ಆಸ್ತಿಯನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ process, ಇದು ವರ್ಗದ ಒಂದು ನಿದರ್ಶನವಾಗಿದೆ isc.py.test.Process ಆ. ಪ್ರಸ್ತುತ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆ.
  • ${%PopulateUtils:Integer:1:100} ಒಂದು ವಿಧಾನವನ್ನು ಕರೆಯುತ್ತದೆ Integer ವರ್ಗ %PopulateUtils, ವಾದಗಳನ್ನು ಹಾದುಹೋಗುವುದು 1 и 100, ಶ್ರೇಣಿಯಲ್ಲಿ ಯಾದೃಚ್ಛಿಕ ಪೂರ್ಣಾಂಕವನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ 1...100.

ಪರೀಕ್ಷಾ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆ

ಪರೀಕ್ಷಾ ಉತ್ಪಾದನೆ ಮತ್ತು ಪರೀಕ್ಷಾ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆಯು ಪೈಥಾನ್ ಗೇಟ್‌ವೇ ಭಾಗವಾಗಿ ಪೂರ್ವನಿಯೋಜಿತವಾಗಿ ಲಭ್ಯವಿದೆ. ಅವುಗಳನ್ನು ಬಳಸಲು:

  1. ಓಎಸ್ ಟರ್ಮಿನಲ್ ರನ್ನಲ್ಲಿ: pip install pandas matplotlib seaborn.
  2. ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ಟರ್ಮಿನಲ್‌ನಲ್ಲಿ, ರನ್ ಮಾಡಿ: do ##class(isc.py.test.CannibalizationData).Import() ಪರೀಕ್ಷಾ ಡೇಟಾವನ್ನು ಜನಪ್ರಿಯಗೊಳಿಸಲು.
  3. ಉತ್ಪನ್ನಗಳನ್ನು ಪ್ರಾರಂಭಿಸಿ isc.py.test.Production.
  4. ವಿನಂತಿಯ ಪ್ರಕಾರವನ್ನು ಕಳುಹಿಸಿ Ens.Request в isc.py.test.Process.

ಅದು ಹೇಗೆ ಒಟ್ಟಿಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ನೋಡೋಣ. ತೆರೆದ isc.py.test.Process BPL ಸಂಪಾದಕದಲ್ಲಿ:

ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ನಲ್ಲಿ ಪೈಥಾನ್ ಗೇಟ್‌ವೇ

ಕೋಡ್ ಎಕ್ಸಿಕ್ಯೂಶನ್

ಪೈಥಾನ್ ಕೋಡ್‌ನ ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆಯು ಪ್ರಮುಖ ಕರೆಯಾಗಿದೆ:

ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ನಲ್ಲಿ ಪೈಥಾನ್ ಗೇಟ್‌ವೇ

ವಿನಂತಿಯನ್ನು ಬಳಸಲಾಗಿದೆ isc.py.msg.ExecutionRequest, ಅದರ ಗುಣಲಕ್ಷಣಗಳು ಇಲ್ಲಿವೆ:

  • Code - ಪೈಥಾನ್ ಕೋಡ್.
  • SeparateLines - ಕಾರ್ಯಗತಗೊಳಿಸಲು ಕೋಡ್ ಅನ್ನು ಸಾಲುಗಳಾಗಿ ವಿಭಜಿಸಬೇಕೆ. $c(10) (n) ತಂತಿಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ. ಸಂಪೂರ್ಣ ಸಂದೇಶವನ್ನು ಏಕಕಾಲದಲ್ಲಿ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಶಿಫಾರಸು ಮಾಡಲಾಗಿಲ್ಲ ಎಂಬುದನ್ನು ಗಮನಿಸಿ, ಈ ಕಾರ್ಯವು ಪ್ರಕ್ರಿಯೆಗೆ ಮಾತ್ರ def ಮತ್ತು ಒಂದೇ ರೀತಿಯ ಬಹು ಸಾಲಿನ ಅಭಿವ್ಯಕ್ತಿಗಳು. ಡೀಫಾಲ್ಟ್ 0.
  • Variables ಅಲ್ಪವಿರಾಮದಿಂದ ಬೇರ್ಪಡಿಸಿದ ವೇರಿಯೇಬಲ್‌ಗಳ ಪಟ್ಟಿಯನ್ನು ಪ್ರತಿಕ್ರಿಯೆಗೆ ಸೇರಿಸಲಾಗುತ್ತದೆ.
  • Serialization - ನಾವು ಹಿಂತಿರುಗಲು ಬಯಸುವ ಅಸ್ಥಿರಗಳನ್ನು ಹೇಗೆ ಧಾರಾವಾಹಿ ಮಾಡುವುದು. ಆಯ್ಕೆಗಳು: Str, Repr, JSON, Pickle и Dill, ಡೀಫಾಲ್ಟ್ Str.

ನಮ್ಮ ಸಂದರ್ಭದಲ್ಲಿ, ನಾವು ಆಸ್ತಿಯನ್ನು ಮಾತ್ರ ಹೊಂದಿಸುತ್ತೇವೆ Code, ಆದ್ದರಿಂದ ಎಲ್ಲಾ ಇತರ ಗುಣಲಕ್ಷಣಗಳು ತಮ್ಮ ಡೀಫಾಲ್ಟ್ ಮೌಲ್ಯಗಳನ್ನು ಬಳಸುತ್ತವೆ. ನಾವು ಕರೆ ಮಾಡುವ ಮೂಲಕ ಅದನ್ನು ಹೊಂದಿಸಿದ್ದೇವೆ process.GetAnnotation("Import pandas"), ಇದು ರನ್ಟೈಮ್ನಲ್ಲಿ ವೇರಿಯಬಲ್ ಪರ್ಯಾಯವನ್ನು ನಿರ್ವಹಿಸಿದ ನಂತರ ಟಿಪ್ಪಣಿಯನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ. ಅಂತಿಮವಾಗಿ ಕೋಡ್ import pandas as pd ಪೈಥಾನ್‌ಗೆ ರವಾನಿಸಲಾಗುತ್ತದೆ. GetAnnotation ಬಹು-ಸಾಲಿನ ಪೈಥಾನ್ ಸ್ಕ್ರಿಪ್ಟ್‌ಗಳನ್ನು ಪಡೆಯಲು ಉಪಯುಕ್ತವಾಗಬಹುದು, ಆದರೆ ಕೋಡ್ ಪಡೆಯುವ ಈ ವಿಧಾನದಲ್ಲಿ ಯಾವುದೇ ನಿರ್ಬಂಧಗಳಿಲ್ಲ. ನೀವು ಆಸ್ತಿಯನ್ನು ಹೊಂದಿಸಬಹುದು Code ಯಾವುದೇ ರೀತಿಯಲ್ಲಿ ನಿಮಗೆ ಅನುಕೂಲಕರವಾಗಿದೆ.

ಅಸ್ಥಿರಗಳನ್ನು ಪಡೆಯುವುದು

ಬಳಸಿಕೊಂಡು ಮತ್ತೊಂದು ಆಸಕ್ತಿದಾಯಕ ಸವಾಲು isc.py.msg.ExecutionRequest - Correlation Matrix: Tabular:

ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ನಲ್ಲಿ ಪೈಥಾನ್ ಗೇಟ್‌ವೇ

ಇದು ಪೈಥಾನ್ ಬದಿಯಲ್ಲಿರುವ ಪರಸ್ಪರ ಸಂಬಂಧದ ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ ಮತ್ತು ವೇರಿಯೇಬಲ್ ಅನ್ನು ಹೊರತೆಗೆಯುತ್ತದೆ corrmat ವಿನಂತಿಯ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹೊಂದಿಸುವ ಮೂಲಕ JSON ಸ್ವರೂಪದಲ್ಲಿ ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ಗೆ ಹಿಂತಿರುಗಿ:

  • Variables: "corrmat"
  • Serialization: "JSON"

ನಾವು ವಿಷುಯಲ್ ಟ್ರೇಸ್‌ನಲ್ಲಿ ಫಲಿತಾಂಶಗಳನ್ನು ನೋಡಬಹುದು:

ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ನಲ್ಲಿ ಪೈಥಾನ್ ಗೇಟ್‌ವೇ

ಮತ್ತು BP ಯಲ್ಲಿ ನಮಗೆ ಈ ಮೌಲ್ಯ ಅಗತ್ಯವಿದ್ದರೆ, ಅದನ್ನು ಈ ರೀತಿ ಪಡೆಯಬಹುದು: callresponse.Variables.GetAt("corrmat").

ಡೇಟಾ ವರ್ಗಾವಣೆ

ಮುಂದೆ, ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ ಐಆರ್‌ಐಎಸ್‌ನಿಂದ ಪೈಥಾನ್‌ಗೆ ಡೇಟಾವನ್ನು ವರ್ಗಾಯಿಸುವ ಬಗ್ಗೆ ಮಾತನಾಡೋಣ, ಎಲ್ಲಾ ಡೇಟಾ ವರ್ಗಾವಣೆ ವಿನಂತಿಗಳು ಇಂಟರ್ಫೇಸ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುತ್ತವೆ isc.py.msg.DataRequest, ಇದು ಈ ಕೆಳಗಿನ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ:

  • Variable ಡೇಟಾವನ್ನು ಬರೆಯಲಾದ ಪೈಥಾನ್ ವೇರಿಯೇಬಲ್ ಆಗಿದೆ.
  • Type - ವೇರಿಯಬಲ್ ಪ್ರಕಾರ: dataframe (ಪಾಂಡಾಸ್ ಡೇಟಾಫ್ರೇಮ್) ಅಥವಾ list.
  • Namespace - ನಾವು ಡೇಟಾವನ್ನು ಸ್ವೀಕರಿಸುವ ಪ್ರದೇಶ. ಪ್ಲಾಸ್ಟಿಕ್ ಚೀಲ isc.py ಈ ಪ್ರದೇಶದಲ್ಲಿ ಲಭ್ಯವಿರಬೇಕು. ಇದು ಉತ್ಪನ್ನ ಬೆಂಬಲವಿಲ್ಲದ ಪ್ರದೇಶವಾಗಿರಬಹುದು.

ಈ ಇಂಟರ್ಫೇಸ್ ಅನ್ನು ಆಧರಿಸಿ, 4 ವರ್ಗಗಳ ವಿನಂತಿಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗಿದೆ:

  • isc.py.msg.QueryRequest - ಆಸ್ತಿಯನ್ನು ಹೊಂದಿಸಿ Query SQL ಪ್ರಶ್ನೆಯನ್ನು ಕಳುಹಿಸಲು.
  • isc.py.msg.ClassRequest - ಆಸ್ತಿಯನ್ನು ಹೊಂದಿಸಿ Class ವರ್ಗ ಡೇಟಾವನ್ನು ರವಾನಿಸಲು.
  • isc.py.msg.TableRequest - ಆಸ್ತಿಯನ್ನು ಹೊಂದಿಸಿ Table ಟೇಬಲ್ ಡೇಟಾವನ್ನು ರವಾನಿಸಲು.
  • isc.py.msg.GlobalRequest - ಆಸ್ತಿಯನ್ನು ಹೊಂದಿಸಿ Global ಜಾಗತಿಕವಾಗಿ ಡೇಟಾವನ್ನು ವರ್ಗಾಯಿಸಲು.

ಪರೀಕ್ಷಾ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ, ಚಟುವಟಿಕೆಯನ್ನು ನೋಡಿ RAWಅಲ್ಲಿ isc.py.msg.QueryRequest ಕ್ರಿಯೆಯಲ್ಲಿ ತೋರಿಸಲಾಗಿದೆ.

ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ನಲ್ಲಿ ಪೈಥಾನ್ ಗೇಟ್‌ವೇ

ಪೈಥಾನ್ ಸನ್ನಿವೇಶವನ್ನು ಉಳಿಸಲಾಗುತ್ತಿದೆ/ಮರುಸ್ಥಾಪಿಸಲಾಗುತ್ತಿದೆ

ಅಂತಿಮವಾಗಿ, ನಾವು ಪೈಥಾನ್ ಸಂದರ್ಭವನ್ನು ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ನಲ್ಲಿ ಸಂಗ್ರಹಿಸಬಹುದು, ಇದನ್ನು ಮಾಡಲು, ಕಳುಹಿಸಿ isc.py.msg.SaveRequest ವಾದಗಳೊಂದಿಗೆ:

  • Mask - ಮುಖವಾಡವನ್ನು ಪೂರೈಸುವ ವೇರಿಯಬಲ್‌ಗಳನ್ನು ಮಾತ್ರ ಉಳಿಸಲಾಗುತ್ತದೆ. ಬೆಂಬಲಿತವಾಗಿದೆ * и ?... ಉದಾಹರಣೆ: "Data*, Figure?"... ಡೀಫಾಲ್ಟ್ *.
  • MaxLength - ಸಂಗ್ರಹಿಸಲಾದ ವೇರಿಯಬಲ್‌ನ ಗರಿಷ್ಠ ಉದ್ದ. ವೇರಿಯಬಲ್‌ನ ಧಾರಾವಾಹಿಯು ದೀರ್ಘವಾಗಿದ್ದರೆ, ಅದನ್ನು ನಿರ್ಲಕ್ಷಿಸಲಾಗುತ್ತದೆ. ಯಾವುದೇ ಉದ್ದದ ವೇರಿಯೇಬಲ್‌ಗಳನ್ನು ಪಡೆಯಲು 0 ಗೆ ಹೊಂದಿಸಿ. ಡೀಫಾಲ್ಟ್ $$$MaxStringLength.
  • Name - ಸಂದರ್ಭದ ಹೆಸರು (ಐಚ್ಛಿಕ).
  • Description - ಸಂದರ್ಭದ ವಿವರಣೆ (ಐಚ್ಛಿಕ).

ಹಿಂತಿರುಗಿಸುತ್ತದೆ Ens.StringResponse с Id ಉಳಿಸಿದ ಸಂದರ್ಭ. ಪರೀಕ್ಷಾ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ, ಚಟುವಟಿಕೆಯನ್ನು ನೋಡಿ Save Context.

ಸಂಬಂಧಿತ ವಿನಂತಿ isc.py.msg.RestoreRequest ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ನಿಂದ ಪೈಥಾನ್‌ಗೆ ಸಂದರ್ಭವನ್ನು ಲೋಡ್ ಮಾಡುತ್ತದೆ:

  • ContextId ಸಂದರ್ಭ ಗುರುತಿಸುವಿಕೆಯಾಗಿದೆ.
  • Clear - ಮರುಸ್ಥಾಪಿಸುವ ಮೊದಲು ಸಂದರ್ಭವನ್ನು ತೆರವುಗೊಳಿಸಿ.

ಜುಪಿಟರ್ ನೋಟ್ಬುಕ್

ಜುಪಿಟರ್ ನೋಟ್ಬುಕ್ ಕೋಡ್, ದೃಶ್ಯೀಕರಣಗಳು ಮತ್ತು ಪಠ್ಯವನ್ನು ಹೊಂದಿರುವ ನೋಟ್‌ಬುಕ್‌ಗಳನ್ನು ರಚಿಸಲು ಮತ್ತು ಪ್ರಕಟಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುವ ಓಪನ್ ಸೋರ್ಸ್ ವೆಬ್ ಅಪ್ಲಿಕೇಶನ್ ಆಗಿದೆ. ಜುಪಿಟರ್ ನೋಟ್‌ಬುಕ್‌ನಂತೆ BPL ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ವೀಕ್ಷಿಸಲು ಮತ್ತು ಸಂಪಾದಿಸಲು ಪೈಥಾನ್ ಗೇಟ್‌ವೇ ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಸಾಮಾನ್ಯ ಪೈಥಾನ್ 3 ಎಕ್ಸಿಕ್ಯೂಟರ್ ಅನ್ನು ಪ್ರಸ್ತುತ ಬಳಸಲಾಗುತ್ತಿದೆ ಎಂಬುದನ್ನು ಗಮನಿಸಿ.

ಟಿಪ್ಪಣಿಗಳು ಪೈಥಾನ್ ಕೋಡ್ ಅನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ ಮತ್ತು ಹಿಂದಿನ ಶೀರ್ಷಿಕೆಗಳಾಗಿ ಚಟುವಟಿಕೆಯ ಹೆಸರುಗಳನ್ನು ಬಳಸುತ್ತವೆ ಎಂದು ಈ ವಿಸ್ತರಣೆಯು ಊಹಿಸುತ್ತದೆ. ಜುಪಿಟರ್ ನೋಟ್‌ಬುಕ್‌ನಲ್ಲಿ ಪೈಥಾನ್‌ಗೇಟ್‌ವೇ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಈಗ ಸಾಧ್ಯವಿದೆ. ಸಾಧ್ಯವಾದದ್ದು ಇಲ್ಲಿದೆ:

  • ಹೊಸ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ರಚಿಸಿ
  • ವ್ಯಾಪಾರ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಅಳಿಸಿ
  • ಹೊಸ ಚಟುವಟಿಕೆಗಳನ್ನು ರಚಿಸಿ
  • ಚಟುವಟಿಕೆಗಳನ್ನು ಬದಲಾಯಿಸಿ
  • ಚಟುವಟಿಕೆಗಳನ್ನು ಅಳಿಸಿ

ಇಲ್ಲಿ ಡೆಮೊ ವೀಡಿಯೊ. ಮತ್ತು ಕೆಲವು ಸ್ಕ್ರೀನ್‌ಶಾಟ್‌ಗಳು:

ಪ್ರಕ್ರಿಯೆ ಎಕ್ಸ್‌ಪ್ಲೋರರ್

ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ನಲ್ಲಿ ಪೈಥಾನ್ ಗೇಟ್‌ವೇ

ಪ್ರಕ್ರಿಯೆ ಸಂಪಾದಕ

ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ನಲ್ಲಿ ಪೈಥಾನ್ ಗೇಟ್‌ವೇ

ಸೆಟ್ಟಿಂಗ್

  1. ನಿಮಗೆ ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS 2019.2+ ಅಗತ್ಯವಿದೆ.
  2. PythonGateway v0.8+ ಅನ್ನು ಸ್ಥಾಪಿಸಿ (ಕೇವಲ ಅಗತ್ಯವಿದೆ isc.py.util.Jupyter, isc.py.util.JupyterCheckpoints и isc.py.ens.ProcessUtils).
  3. ರೆಪೊಸಿಟರಿಯಿಂದ ಆಬ್ಜೆಕ್ಟ್‌ಸ್ಕ್ರಿಪ್ಟ್ ಕೋಡ್ ಅನ್ನು ನವೀಕರಿಸಿ.
  4. ಕಾರ್ಯಗತಗೊಳಿಸಿ do ##class(isc.py.util.Jupyter).Install() ಮತ್ತು ಪ್ರಾಂಪ್ಟ್‌ಗಳನ್ನು ಅನುಸರಿಸಿ.

ದಾಖಲೆ.

ಸಂಶೋಧನೆಗಳು

MLToolkit ಎನ್ನುವುದು ಮಾದರಿಗಳು ಮತ್ತು ವಹಿವಾಟಿನ ವಾತಾವರಣವನ್ನು ಸಂಯೋಜಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿರುವ ಸಾಧನಗಳ ಗುಂಪಾಗಿದೆ, ಇದರಿಂದಾಗಿ ನಿರ್ಮಿಸಿದ ಮಾದರಿಗಳನ್ನು ನಿಮ್ಮ ವ್ಯಾಪಾರ ಪ್ರಕ್ರಿಯೆಗಳಲ್ಲಿ ನೇರವಾಗಿ ಬಳಸಬಹುದು. ಪೈಥಾನ್ ಗೇಟ್‌ವೇ MLToolkit ನ ಭಾಗವಾಗಿದೆ ಮತ್ತು ಪೈಥಾನ್ ಭಾಷೆಯೊಂದಿಗೆ ಏಕೀಕರಣವನ್ನು ಒದಗಿಸುತ್ತದೆ, ಪೈಥಾನ್‌ನಲ್ಲಿ ರಚಿಸಲಾದ ಯಾವುದೇ ಯಂತ್ರ ಕಲಿಕೆ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಸಂಘಟಿಸಲು ನಿಮಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ (ಅನೇಕ ಡೇಟಾ ವಿಜ್ಞಾನಿಗಳಿಗೆ ಮುಖ್ಯ ಪರಿಸರ), ಹೊಂದಾಣಿಕೆಯ, ರೊಬೊಟಿಕ್ ವಿಶ್ಲೇಷಣಾತ್ಮಕ AI / ಅನ್ನು ತ್ವರಿತವಾಗಿ ರಚಿಸಲು ಹಲವಾರು ಸಿದ್ಧ ಲೈಬ್ರರಿಗಳನ್ನು ಬಳಸಿ. ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ IRIS ನಲ್ಲಿ ML ಪರಿಹಾರಗಳು.

ಉಲ್ಲೇಖಗಳು

MLToolkit

MLToolkit ಬಳಕೆದಾರರ ಗುಂಪು ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ ಕಾರ್ಪೊರೇಟ್ GitHub ಸಂಸ್ಥೆಯ ಭಾಗವಾಗಿ ರಚಿಸಲಾದ ಖಾಸಗಿ GitHub ರೆಪೊಸಿಟರಿಯಾಗಿದೆ. ಪೈಥಾನ್ ಗೇಟ್‌ವೇ ಸೇರಿದಂತೆ MLToolkit ಘಟಕಗಳನ್ನು ಸ್ಥಾಪಿಸುವ, ಕಲಿಯುತ್ತಿರುವ ಅಥವಾ ಈಗಾಗಲೇ ಬಳಸುತ್ತಿರುವ ಬಾಹ್ಯ ಬಳಕೆದಾರರಿಗೆ ಇದನ್ನು ತಿಳಿಸಲಾಗಿದೆ. ಗುಂಪು ಮಾರ್ಕೆಟಿಂಗ್, ಉತ್ಪಾದನೆ, ಔಷಧ ಮತ್ತು ಇತರ ಹಲವು ಉದ್ಯಮಗಳ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ (ಮೂಲ ಕೋಡ್ ಮತ್ತು ಪರೀಕ್ಷಾ ಡೇಟಾದೊಂದಿಗೆ) ಹಲವಾರು ಕಾರ್ಯಗತಗೊಳಿಸಿದ ಪ್ರಕರಣಗಳನ್ನು ಹೊಂದಿದೆ. ML ಟೂಲ್‌ಕಿಟ್ ಬಳಕೆದಾರ ಗುಂಪಿಗೆ ಸೇರಲು, ದಯವಿಟ್ಟು ಕೆಳಗಿನ ವಿಳಾಸಕ್ಕೆ ಕಿರು ಇಮೇಲ್ ಕಳುಹಿಸಿ: [ಇಮೇಲ್ ರಕ್ಷಿಸಲಾಗಿದೆ] ಮತ್ತು ನಿಮ್ಮ ಪತ್ರದಲ್ಲಿ ಈ ಕೆಳಗಿನ ಮಾಹಿತಿಯನ್ನು ಸೇರಿಸಿ:

  • GitHub ಬಳಕೆದಾರಹೆಸರು
  • ಸಂಸ್ಥೆ (ನೀವು ಕೆಲಸ ಅಥವಾ ಅಧ್ಯಯನ)
  • ಸ್ಥಾನ (ನಿಮ್ಮ ಸಂಸ್ಥೆಯಲ್ಲಿ ನಿಮ್ಮ ನಿಜವಾದ ಸ್ಥಾನ, "ವಿದ್ಯಾರ್ಥಿ" ಅಥವಾ "ಸ್ವತಂತ್ರ").
  • ದೇಶದ

ಲೇಖನವನ್ನು ಓದಿದವರಿಗೆ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆಯ ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ಅಥವಾ ಹೋಸ್ಟ್ ಮಾಡುವ ವೇದಿಕೆಯಾಗಿ ಇಂಟರ್‌ಸಿಸ್ಟಮ್ಸ್ IRIS ನಲ್ಲಿ ಆಸಕ್ತಿ ಹೊಂದಿರುವವರಿಗೆ, ನಿಮ್ಮ ಉದ್ಯಮಕ್ಕೆ ಆಸಕ್ತಿಯ ಸಂಭವನೀಯ ಸನ್ನಿವೇಶಗಳನ್ನು ಚರ್ಚಿಸಲು ನಾವು ನಿಮ್ಮನ್ನು ಆಹ್ವಾನಿಸುತ್ತೇವೆ. ನಿಮ್ಮ ಎಂಟರ್‌ಪ್ರೈಸ್‌ನ ಅಗತ್ಯಗಳನ್ನು ನಾವು ಸುಲಭವಾಗಿ ವಿಶ್ಲೇಷಿಸುತ್ತೇವೆ ಮತ್ತು ಕ್ರಿಯಾ ಯೋಜನೆಯನ್ನು ಜಂಟಿಯಾಗಿ ನಿರ್ಧರಿಸುತ್ತೇವೆ; ನಮ್ಮ AI/ML ತಜ್ಞರ ಗುಂಪಿನ ಇಮೇಲ್ ವಿಳಾಸವನ್ನು ಸಂಪರ್ಕಿಸಿ - [ಇಮೇಲ್ ರಕ್ಷಿಸಲಾಗಿದೆ].

ಮೂಲ: www.habr.com

ಕಾಮೆಂಟ್ ಅನ್ನು ಸೇರಿಸಿ