Contexto empresarial
Una planta de manufactura inteligente recolecta datos de miles de sensores cada segundo. La tabla resultante ('IOT_LOGS') es extremadamente ancha (cientos de columnas). Los ingenieros de datos necesitan verificar rápidamente el tipo de dato de solo tres sensores críticos ('Temp_Caldera', 'Presion_Valvula', 'Vibracion_Motor') para configurar un dashboard de alertas, sin desperdiciar recursos recuperando los metadatos de todas las columnas irrelevantes.
Sobre el conjunto : table
Carga, guardado y gestión de tablas en memoria.
Descubrir todas las acciones de table Preparación de datos
Simulación de una tabla ancha con múltiples columnas de sensores.
¡Copiado!
| 1 | |
| 2 | DATA CASUSER.IOT_LOGS; |
| 3 | array S[100] S1-S100; |
| 4 | DO i=1 to 100; |
| 5 | S[i]=rand('Uniform'); |
| 6 | END; |
| 7 | Temp_Caldera=120.5; |
| 8 | Presion_Valvula=3000; |
| 9 | Vibracion_Motor=0.05; |
| 10 | OUTPUT; |
| 11 | |
| 12 | RUN; |
| 13 |
Étapes de réalisation
1
Intento de obtener información solo de las columnas críticas usando el parámetro 'inputs' para optimizar el rendimiento.
¡Copiado!
| 1 | PROC CAS; |
| 2 | TABLE.columnInfo / |
| 3 | TABLE={name='IOT_LOGS', caslib='CASUSER'} |
| 4 | inputs={{name='Temp_Caldera'}, {name='Presion_Valvula'}, {name='Vibracion_Motor'}}; |
| 5 | RUN; |
Resultado esperado
El resultado es una tabla pequeña y filtrada que muestra exclusivamente los metadatos para 'Temp_Caldera', 'Presion_Valvula' y 'Vibracion_Motor', ignorando las otras 100 columnas genéricas (S1-S100), demostrando eficiencia en el filtrado de metadatos.