访问国外的网站很慢镇江抖音seo

与其他BI产品对比，TM1的快速运算能力一骑绝尘。 

但是在多维度的数据组合下，TM1是依据什么进行运算的呢？ 

今天将和大家一同了解TM1快速运算的秘密武器-Feeder。

上期我们提到通过配置维度中的元素权重，可以在合并层级加总计算。除此之外，还可以在Rule中通过业务逻辑运算。但上述两种方法中，TM1都是实时处理，并不会储存计算结果。 

正因为该实时运算特点，当在合并层级计算时，如果下层节点有单元格包含Rule，TM1需要先将所有Rule单元格算出结果后才能向上加总，导致在多维度中，运算的数据量将以倍数增加。 

首先为了提高运算效率，在Rule开头指定Skipcheck，将迫使TM1只对有储存值的单元格计算，而跳过空值的单元格。 其次，再使用Feeder，在那些需要计算的单元格打上TM1可以识别的标签， 最终合并计算将只处理非空值以及有Feeder标签的单元格，从而最大化运算效率。

Underfeeding 是标注了太少Feeder，将会使计算不完整导致错误，因此必须避免。例如，A通过Rule计算B和C的加总，当Feeder来源只有B时，”6”的数字上将不会有Feeder标签，因此即使A的上层合并结果应为5+6+4为15，但最终结果只为9。 

Overfeeding 则是标注过多Feeder，将会导致效率变慢，例如：

下图中，每个产品都有对应的销售价格，但不一定每期或每个客户都有销售数量。因此如果用销售价格作为 Feeder 来源就会发生overfeeding。

在复杂的商业逻辑中如何选好 Feeder是门艺术，但如果不得不面临 Underfeeding 和 Overfeeding 作选择时，我们宁可 Overfeeding 牺牲一些性能，也务必要追求结果的准确性。 

最后，以下为Feeder的两条经验法则，供大家参考：