数据挖掘
基于TensorBay Action平台，本示例将搭建一个整合数据爬取、数据转化、数据提取和数据分析四步骤的工作流，帮助您快速了解格物钛数据平台
a. 进入TensorBay，在个人或团队账户下，点击【新建数据集】
a. 点击导航栏中的【开发者工具】，点击【新建AccessKey】并复制accesskey
b. 在新建数据集界面，点击【设置】->【自动化配置】->【新建密钥】
c. 新建密钥，密钥名为
accesskey, 密钥值为a步骤复制的accesskey 
a. 在新建数据集详情页，点击【自动化】->【新建工作流】
b. 填写工作流名称（注： Workflow名称只能包含小写 字母、数字以及减号，名称不得少于2位字符且首位不能为减号。）
c. 选择工作流触发机制【Trigger】（默认manual）
d. 设置工作流参数【Parameters】（注：本次示例参数来源于镜像设置的命令行参数，用以调整爬取论文的月份，默认为1。）
e. 选择实例配置【Instance】
f. 复制下列内容建立YAML文件
# 一个workflow由多个task构成，它们可以串行或并行运行.
tasks:
# 本workflow包括四个task，分别为：scraper,pdf2txt,parser,statistics
scraper:
container:
# 本task运行所依赖性的镜像名, 支持公开及私有的镜像仓库
image: hub.graviti.cn/miner/scraper:2.3
# 镜像运行后执行`./archive/run.py {{workflow.parameters.month}}`这条命令
command: [python3]
args: ["./archive/run.py", "{{workflow.parameters.month}}"]
pdf2txt:
# pdf2txt依赖于scraper，即仅在scraper运行结束后才开始运行
dependencies:
- scraper
container:
image: hub.graviti.cn/miner/pdf2txt:2.0
command: [python3]
args: ["pdf2txt.py"]
parser:
# parser依赖于pdf2txt，即仅在pdf2txt运行结束后才开始运行
dependencies:
- pdf2txt
container:
image: hub.graviti.cn/miner/parser:2.0
command: [python3]
args: ["parser.py"]
statistics:
# statistics依赖于parser, 即仅在parser运行结束后才开始运行
dependencies:
- parser
container:
image: hub.graviti.cn/miner/statistics:2.0
command: [python3]
args: ["statistics.py"]
g. 点击【发布】后并点击【确定】
a. 点击【自动化】，回到工作流界面。选择刚创建好的工作流并点击【运行工作流】
b. 调整参数，比如将month对应参数调整成10（月份），并点击【运行】
a. 在工作流详情页，点击【用户日志】查看工作流运行日志
b. 在数据集详情页，点击【概要】->【数据预览】查看统计结果
最近更新 1yr ago