Der Datenzugriff ist für JMP von grundlegender Bedeutung. In den letzten Versionen haben wir die Infrastruktur so aufgebaut, dass Sie effizient auf Daten zugreifen können, unabhängig davon, wo diese gespeichert sind. Sobald Sie die benötigten Daten in JMP geladen haben, können Sie mit der Beantwortung Ihrer Fragen beginnen. Jede JMP-Version bietet neue Effizienzsteigerungen, Leistungsverbesserungen und Workflow-Erweiterungen. JMP 19 setzt diesen Trend fort.
Bevorzugen Sie ein Video? Sehen Sie es sich hier an.
Allgemein
Menüzugriff
Der Menüzugriff für Datenkonnektoren hat sich in JMP 19 geändert. Sie sind nun, ebenso wie Historians und Legacy ODBC, über das Menü „Verbinden mit“ erreichbar. Datenkonnektoren finden Sie unter Datei > Verbinden mit > Datenkonnektoren.
SQL-Konsole
Mit der SQL-Konsole können Sie SQL-Befehle mit mehreren Anweisungen an unterstützende Datenbanken senden sowie SQL-Dateien speichern und ausführen. Sie können die Konsole auch verwenden, um mehrere Tabellen gleichzeitig zu öffnen.
REST-Snowflake-Konnektor
Dieser neue Snowflake-Datenkonnektor nutzt eine REST-basierte Schnittstelle zur Interaktion mit Snowflake und legt den Schwerpunkt auf die Leistung. Der Konnektor ist in das Datenkonnektor-Framework von JMP integriert, das die Konfiguration und Integration mit Query Builder ermöglicht. Er bietet deutliche Leistungsverbesserungen gegenüber dem bestehenden ODBC-basierten Snowflake-Konnektor. Dieser neue Konnektor ist im Datenkonnektor-Selektor als com.jmp.snowflake_rest zu finden.
Nachdem Sie einen neuen Snowflake-Datenkonnektor basierend auf den Snowflake-Administratoreinstellungen Ihrer Site konfiguriert haben, können Sie sich mit Benutzername und Passwort oder OAuth2 verbinden. Wenden Sie sich zur Konfiguration der Verbindung an Ihren Snowflake-Administrator und/oder Ihren OAuth2-Administrator. Snowflake empfiehlt die Verwendung der OAuth2-Authentifizierungsmethode für erhöhte Sicherheit.
Bei JMP Live-Skripten kann die Verwendung eines programmgesteuerten Zugriffstokens dabei helfen, Aufgaben auszuführen, ohne dass sich ein Benutzer anmelden muss. Das Token kann in das Kennwortfeld der Snowflake-Konfiguration eingegeben werden.
SAS-Integration
JMP 19 führt die in JMP 18 entfernte SAS-Integration wieder ein. Die neue SAS-Integration nutzt das SASPy-Python-Modul für die Verbindung und Interaktion mit SAS. Diese neue SAS-Integration ermöglicht Ihnen die Verbindung mit SAS Viya und SAS 9.4, entweder remote oder über lokale Server, um SAS-Daten zu importieren, abzufragen und SQL-Abfragen auszuführen. Darüber hinaus können Benutzer mit SAS interagieren, indem sie SAS-Code übermitteln, SAS-Protokolle lesen, ODS-HTML5-Berichte erstellen und SAS-Daten über die GUI oder JSL in JMP importieren.
Die SAS-Integration wird bei der ersten Verwendung installiert. Stellen Sie die Verbindung zu SAS über den Datenkonnektor-Selektor her und wählen Sie die Basiskonfiguration für den gewünschten Verbindungstyp. Sowohl Remote- als auch lokale SAS-Verbindungen erfordern die Installation von Java auf dem System per SASpy. Ähnlich wie JMP 18 installiert JMP 19 kein Java.
Tabellenimport und -export
Die SAS-Integration bietet drei neue Datenkonnektoren für den Zugriff auf Datentabellen von SAS: Remote, lokal und SAS Viya. Der Zugriff erfolgt über die Datenkonnektor-Schnittstelle. SAS Query Builder unterstützt den Zugriff auf SAS-Datensätze und ermöglicht die Erstellung komplexer Abfragen in einer benutzerfreundlichen Oberfläche. Um eine Datentabelle zu exportieren, öffnen Sie sie, wählen Sie Datei > Exportieren... und wählen Sie die Option SAS-Export. Dadurch öffnet sich der SAS-Export-Dialog, in dem Sie den Exportort und weitere Optionen auswählen können.
Viya- und CAS-Kompatibilität
Bei Verwendung einer Viya-Verbindung können Sie automatisch eine Verbindung zu CAS herstellen und sowohl auf CAS- als auch auf herkömmliche SAS-Tabellen zugreifen. Dieser Connector erfordert kein Java. Benutzer können auf zwei Arten mit CAS interagieren: über die in JMP 16 eingeführte CAS-Integration oder über den SAS-Programmeditor, der über alle SAS Viya-Programmierfunktionen verfügt.
Programmeditor
Im Lieferumfang ist ein SAS-Programmeditor enthalten, der die Übermittlung von SAS-Code und die Anzeige von in SAS generierten Berichten in JMP-Fenstern ermöglicht. Die Ergebnisse und der Code können optional in einem JMP-Projekt gespeichert werden.
SAS-Ergebnisse
Die SAS-Integration ermöglicht die Anzeige von SAS-Ergebnissen. Standardmäßig werden die Ergebnisse beim Senden von SAS-Code in einem JMP-Projekt organisiert. Die nach Ausführungsdatum sortierten Ergebnisse können alle von JMP importierten SAS-Daten, alle generierten SAS-Berichte und den SAS-Code enthalten, der die Ausgabe generiert hat.
Python-basierte Konnektoren
Benutzerdefinierte Konnektoren
Neu in JMP 19: Datenquellen können über eine erweiterbare Python-Schnittstelle konfiguriert und mit verschiedenen Datenquellen verbunden werden. Die neue Python-API erstellt benutzerdefinierte Datenkonnektoren, die auf Python basieren und Verbindungen zu einer Vielzahl von Datenquellen herstellen können, auch zu solchen, die in JMP keinen integrierten Konnektor haben. Weitere Informationen und die vollständige Spezifikation dieser neuen Schnittstelle finden Sie im Python Data Connector Demo-Add-In auf dem JMP Marketplace. Es bietet eine Code-Vorlage, mit der Sie Ihre eigenen Verbindungen erstellen können.
Add-Ins
Der JMP Marketplace bietet jetzt neue Datenkonnektor-Add-Ins, die noch mehr Datenquellen und Ressourcen verbinden. Die Add-Ins werden von JMP-Mitarbeitern und Mitgliedern der JMP-Community entwickelt und gepflegt, sodass Sie Ihre Erfahrung noch weiter anpassen können. Die spezifischen Datenkonnektor-Add-Ins erfordern JMP 19 oder höher.
AWS S3-Datenkonnektor
Das AWS S3 Data Connector- Add-In bietet eine neue Möglichkeit, sich von JMP aus mit AWS S3 zu verbinden. Mit diesem Add-In können Sie eine Verbindung zu AWS herstellen, um Ihre Daten zu importieren. Das Add-In ist jetzt im JMP Marketplace für JMP 19 und höher verfügbar.
Microsoft OneDrive- und SharePoint-Datenkonnektoren
Das Add-In „OneDrive- und SharePoint-Datenkonnektoren“ verwendet die Python-Integration und die Python-Datenkonnektorschnittstelle, um eine Verbindung mit SharePoint herzustellen und Ihre Daten zu importieren.
TDMS-Datenkonnektor
Mit dem TDMS-Datenkonnektor können Sie alle TDMS-Dateien (LabVIEW 4 (tm)) in einem Verzeichnis durchsuchen und alle Gruppen innerhalb einer Datei als JMP-Datentabelle öffnen. Alternativ können Sie einzelne Kanäle innerhalb einer TDMS-Gruppe öffnen, indem Sie eine bestimmte Datei zur Untersuchung auswählen. Die Datenkonnektor-Schnittstelle bietet außerdem die Möglichkeit, die Daten im JMP Query Builder zu bearbeiten.
Salesforce-Datenkonnektor
Mit dem Salesforce-Datenkonnektor können Benutzer Objekte in ihrer Salesforce-Umgebung durchsuchen und abfragen. Es gibt Optionen zur Introspektion eines Salesforce-Objekts, um dessen Attribute anzuzeigen und alle zugehörigen Daten zu importieren.
PostgreSQL-Datenkonnektor
Alternativ zu ODBC in JMP können Benutzer über einen Datenkonnektor eine Verbindung zu einer PostgreSQL-Instanz herstellen. Dadurch können Benutzer Schemata und Tabellen in ihrer Datenbank untersuchen und Datentabellen für Analysen öffnen. Beachten Sie, dass dieses Add-In für kleinere Datensätze geeignet ist, da die Verarbeitung clientseitig erfolgt.
MySQL-Datenkonnektor
Alternativ zu ODBC in JMP können Benutzer über einen Datenkonnektor eine Verbindung zu einer MySQL-Instanz herstellen. Dadurch können Benutzer Schemata und Tabellen in ihrer Datenbank untersuchen und Datentabellen für Analysen öffnen. Beachten Sie, dass dieses Add-In für kleinere Datensätze geeignet ist, da die Verarbeitung clientseitig erfolgt.
AspenTech IP.21-Importeur
Der AspenTech IP.21-Importer ermöglicht den direkten, nativen Zugriff auf Aspen InfoPlus.21 (IP.21)-Historiendaten innerhalb von JMP. Nach dem Vorbild des AVEVA PI-Importers bietet er sowohl einen interaktiven Importdialog als auch vollständige JSL-Unterstützung. So können Sie sich bei Ihrem Server authentifizieren, verfügbare Datenquellen durchsuchen, Tags auswählen und filtern sowie Zeiträume und Abrufmethoden definieren. Flexible Optionen wie interpolierter oder aggregierter Abruf und asynchroner Import erleichtern die Einbindung von Prozessdaten in JMP für Zeitreihenanalysen, Visualisierungen oder die Integration mit anderen Quellen und optimieren so die Arbeitsabläufe in Branchen, die auf IP.21 angewiesen sind.
Co-Autoren: Bryan Boone ( @bryan_boone ), Neal Siekierski ( @nealsiek ), Chris Hesser ( @chrishesser ) und Michael Hecht ( @hecht_jmp ).
