Nano Hash - криптовалюты, майнинг, программирование

Поиск параметра SSRS по идентификатору участника

Я хотел бы создать отчет SSRS с набором параметров для фильтрации по номеру члена. У меня есть основной запрос здесь:

SELECT * FROM CN_RV_Customer_Notes

Я не уверен, нужен ли мне дополнительный запрос. Мне нужен отчет для отображения всех результатов и возможности фильтрации по номеру клиента (результат столбца из запроса.


Ответы:


1

Для этого потребуется выполнить несколько шагов.

Во-первых, добавьте новый набор данных, который извлекает отдельные номера членов, чтобы вы могли использовать его позже. Назовите его param_ds_membernum или что-то в этом роде.

 SELECT DISTINCT(MemNumCol) AS MemNum
 FROM CN_RV_Customer_Notes

Убедитесь, что набор данных находится на панели данных отчета. Если вы создали его в обозревателе решений, вам потребуется добавить общий источник данных.

Затем щелкните правой кнопкой мыши папку «Параметры» на панели «Данные отчета». Затем добавьте параметр. Заполните имя параметра и подсказку. Если вы хотите иметь возможность выбирать несколько элементов, выберите «Разрешить несколько значений», если нет, оставьте его. Подсказка — это то, что увидит пользователь при смене члена. Имя важнее всего, назовем его @MemberNumber. В Доступных значениях нажмите Получить значения из запроса, затем выберите param_ds_membernum для набора данных. Для Value выберите единственный вариант MemNum. То же самое для поля Label. Для значений по умолчанию просто сделайте то же самое, что и для доступных.

Затем вам нужно будет добавить параметр в основной набор данных:

SELECT *
FROM CN_RV_Customer_Notes
WHERE MemberNumber IN (@MemberNumber)

Измените WHERE MemberNumber на любое имя столбца с номером элемента.

Наконец, щелкните правой кнопкой мыши основной набор данных на панели данных отчета, перейдите в «Параметры» и нажмите «Добавить». Используйте раскрывающийся список, чтобы добавить @MemberNumber к значению и @MemberNumber к имени.

Вы должны быть хорошими.

21.06.2017
  • Это сработало отлично! Спасибо .. Если бы я хотел добавить тот же параметр в хранимую процедуру, она бы работала так же? 23.06.2017
  • Да, вы также можете использовать сохраненный параметр proc. Просто убедитесь, что при настройке набора данных и источника данных в данных отчета на вкладке «Параметры» вы связываете правильные параметры со значением. 24.06.2017
  • Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..