报表多维数据结构

如果structure在report中，那么该structure就表示整张report的数据库数据结构，可以作为每张card的标准。一张report可以同时存在多个数据库，所以也包含多个structure。
report中structure具体的属性如下：

measures

度量字段的相关属性：

• "key"：度量字段的唯一标识码。

• "title"：度量字段的标签。

• "sort"：度量值排序的方式。可选项有："NXSortOperationNone"(无序),"NXSortOperationAsc"(增序),"NXSortOperationDesc"(降序)

• "aggregator"：图表有可能出现图形粒度需要分组的情况，这时就需要将度量值根据该属性值进行分组。可选项有："SUM", "AVG", "MIN", "MAX", "COUNT","RANK". 默认为SUM。

• "isCreated"：度量值不仅可以直接从数据库中读取，还可以根据formula计算得出。

• "formula"：计算得出度量值的公式。具体属性见formula

• aggregatorGranKey:用来算聚合的粒度基于哪个粒度，比如一个班内有多少个学生分数少于60分，这个字段描述了「一个班」中班的粒度key,如果不设，则此值是aggregatorSubGranKey所在当前维度的最低可见层级的粒度key

• aggregatorSubGranKey:用来算聚合的粒度基于哪个子粒度，比如一个班内有多少个学生分数 此字段描述学生粒度值为其key,如果不设，则此值是aggregatorGranKey所在当前维度的最低可见层级的粒度key,要看用户钻取到中一层

• aggregatorGroupByLastGran:是否按最后一个图形粒度分组

• aggregatorMeasureKey:聚合计算的度量，比如一个班中学习成绩的最高分，这个字段应配置学习成绩这个度量的key。

• rankSort:当"aggregator":"RANK"时是对该度量的值进行排名，设成NXSortOperationDesc是将其从大往小排，NXSortOperationAsc是从小往大排.

formula

可以对度量间进行公式运算，支持+，-，*,/ 以及以下三角函数:

指数与LOG函数： |描述 |函数 | | -- | -- | |Natural Logarithm1 |ln(x)| |Logarithm base 101 |log(x) | |Logarithm base 21 |lg(x) | |Exponential (e^x) |exp(x) | |Power1 pow(x)|

统计函数: |描述 |函数 | | -- | -- | |Average |avg(x1,x2,x3,...) | |Minimum| min(x1,x2,x3,...) | |Maximum| max(x1,x2,x3,...) | |Vector |Sum vsum(x1,x2,x3,...) |

例子 假设COL_1,COL_2,COL_3分别是某3个试题的key. 现在需要构造一个新的度量是COL_1与COL_2相对再除以COL_3的绝对值，则公式如下： "formula":"(COL_1+COL_2)/abs(COL_3)"

example 设COL_0_0=科目，COL_0_1=年，COL_0_2=学期，COL_0_3=月，COL_0_4=日，COL_0_5=年级，COL_0_6=班级，COL_0_7＝学生,COL_0_8=每日作业分数总和，则

我们要算出「每日每个同学的作业平均分」 首先要知道基于现在时间维度的层级（有可能钻取到年，有可能是学期，有可能是月，假设是学期）一共有多少天，该试题应配置为:

{
    "aggregator": "count",
    "aggregatorSubGranKey": "COL_0_4",
    "isCreated": true,
    "key": "COL_0_12",
    "title": "days counts"
}

因为当前时间层级是动态的，所以aggregatorGranKey不作设定，如果需要定死算一个月有几天，不希望跟着当前时间的层级变化，则应配置为：

{
    "aggregator": "count",
    "aggregatorGranKey": "COL_0_3",
    "aggregatorSubGranKey": "COL_0_4",
    "isCreated": true,
    "key": "COL_0_12",
    "title": "days counts inMonth"
}

另外我们再要算一共有几个科目

{
    "aggregator": "count",
    "aggregatorGranKey": "COL_0_0",
    "isCreated": true,
    "key": "COL_0_13",
    "title": "subject counts"
}

学生数目：

{
    "aggregator": "count",
    "aggregatorSubGranKey": "COL_0_7",
    "isCreated": true,
    "key": "COL_0_14",
    "title": "student's counts"
}

最后「每日每个同学的作业平均分」＝作业所有成绩数据总和/天数/学生数/科目数:

{
    "formula": "COL_0_8/COL_0_14/COL_0_12/COL_0_13/",
    "isCreated": true,
    "key": "COL_0_15",
    "title": "student's average kpi"
}

可以直接见学校教育例子

dimensions

维度字段的相关属性：

• "key"：维度字段的唯一标识码。
• "title"：维度字段的标签。
• "granularities"：粒度字段的相关属性类似于dimension的。
• "selectionValue":默认选中的粒度值
• "static"是否可以更换成除默认粒度值外的其它值，默认为false.
• "linkMatchKey"：与其它数据源联动时应设定成相同的任意字符串。
• "index":默认为0，所有粒度会按index从小到大进行排序，最后一个粒度则为图形粒度。相同的情况下按json数组里的先后次序。
• "regularExpression"：正则表达式用来提取粒度值中的关键词与sortLanguage配合进行排序。
• "sortLanguage":可选值有『NXSortPinyin』按中文译成拼音排序、「NXSortRegularExpressNum」按正则表达式提取的词将文中的中文的 一，二，三，四，壹，贰，甲，乙，丙等 变成 1,2,3按数字大小排
• "sort"：排序时是正序(NXSortOperationAsc)还是逆序(NXSortOperationDesc)。
• dateFormat：日期格式输出输出，与series里的数据源的输入输出一致

db

该structure代表的数据库在文件路径中的文件名。

encrypt

若该属性为空或未填写或为null，则表示数据库文件不加密。不然设置该数据库文件的加密密码。

dataSetId

该属性作为structure与数据库映射的标识码。相同dataSetId值的structure表示同一个数据库。