Функция планирования Oracle Hyperion @Return не работает должным образом

Я пытаюсь использовать функцию @RETURN в сценарии расчета в планировании Oracle. Он должен возвращать сообщение об ошибке «Пожалуйста, проверьте это еще раз», если «SGAseason» равен 1, в противном случае для «SGAseasonvalid» должно быть указано значение 100. К настоящему времени он возвращает сообщение об ошибке в ОБОИХ случаях. Кто-нибудь знает, в чем проблема / как обойти?

FIX("FY18" AND "Mar")

"SGAseasonvalid" (

IF("SGAseason" == 1 )

@RETURN("Please check this again", ERROR);

ELSEIF("SGAseason" <> 1 )

100;

ENDIF)

ENDFIX

oracle hyperion essbase

26.10.2018

Ответы:

Вы можете использовать groovy для возврата сообщений об ошибках:

boolean flag = false;
def mbUs = messageBundle( ["validation.forceNegetive": errorMessage
                          ]);
def mbl = messageBundleLoader(["en" : mbUs]);
if(flag == true){
    throwVetoException(mbl, "validation.forceNegetive");
}

21.11.2019

Новые материалы

Как проанализировать работу вашего классификатора?

Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)

Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]

Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter

Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js

Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!

Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

ИИ в аэрокосмической отрасли

Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..

Метки

Machine Learning JavaScript Data Science Artificial Intelligence Software Development Python Web Development Coding Deep Learning AI React Software Engineering Nodejs Java Front End Development Typescript Computer Science Data Algorithms Development NLP Tech Programming Languages CSS ChatGPT HTML Python Programming Javascript Tips Angular Computer Vision Data Visualization Neural Networks Startup Tutorial Statistics Productivity Reactjs Learning