跳到主要内容

数据集 — 画像界面

功能概述​

画像 (Profile) 页面对数据集内文档进行多维度统计分析，呈现文件类型分布、语言分布、质量分桶等指标。

组件结构​

关键交互​

操作API 调用说明
启动扫描datasetApi.startProfileScan()创建 profile scan run
查看摘要datasetApi.getProfileSummary()各维度统计数据
查看发现datasetApi.listProfileFinding()异常与建议
文档下钻datasetApi.listProfileBucketDocuments()按维度下钻到文档列表
扫描历史datasetApi.listProfileScanRuns()历史扫描列表
导出datasetApi.exportProfileSummary()导出 JSON / HTML

可视化​

画像页使用 Recharts 渲染分布图表：

  • 饼图: 文件类型分布
  • 柱状图: 质量分桶 (quality_bucket)
  • 横向条形图: 语言分布

点击图表区域触发下钻，跳转到对应 bucket 的文档列表。

扫描状态与轮询​

信息

扫描是异步任务，启动后通过轮询 getProfileScanRun() 获取进度，直到状态变为 completed 或 failed。

提示

导出功能支持 JSON 和 HTML 两种格式。HTML 格式可直接在浏览器中查看，适合分享给非技术人员。

相关链接​