1、高频指标借助参数实现轻量化修改
1.1 应用场景
用户需要对活跃客户的占比进行分析，但由于不断变化的业务需求，活跃客户的定义会不定期修改。
例如，上半年活跃客户被定义为在过去 3 个月内至少在商城下单 2 次的连锁客户，而下半年的定义则是在过去 6 个月内至少下单 3 次的客户。这种指标变化需要 IT 团队重新评估相关数据的计算逻辑，可能会带来繁重的工作量。
1.2 实现思路
将业务指标中的数值参数化，例如本文 1.1 节场景中的活跃客户指标：近 X 个月，下单次数，可作为参数进行自定义修改。
1.3 实现过程
请参见文档：高频指标借助参数实现轻量化修改
2、新增/修改宜搭表单数据
2.1 应用场景
用户希望根据业务数据库中的数据，更新、新增宜搭表单的数据。
2.2 实现思路
调用 新增或更新表单实例 接口，来更新、新增宜搭表单的数据。
注：「第三方个人应用」不支持调用上述接口。
2.3 实现过程
请参见文档：新增/修改宜搭表单数据
3、循环多次读取Windows环境文件同步数据
3.1 应用场景
用户 Windows 系统中有多个相同格式的 Excel 文件，需要读取所有文件数据并进行 行转列 操作。
由于 文件输入 算子批量读取文件时，是将所有文件数据上下合并，合并后的数据会存在重复值，行转列时会报错（行转列算子中，要求「待行转列」的字段名称不能重复）。
3.2 实现思路
每次读取一个 Excel 文件，并对读取后的数据进行处理，循环执行该过程，避免一次性读取所有文件，导致出现数据重复无法进行行转列操作问题。
注：本文方案适用于 4.0.29 及之后版本。
3.3 实现过程
请参见文档：循环多次读取Windows环境文件同步数据
4、【Linux环境】PostgreSQL环境准备
4.1 应用场景
FDL 工程部署在 Linux 环境中，通过数据管道实时同步 PostgreSQL 数据前，需要参考本文在数据源中进行一些配置，为后续的数据同步做好准备。
4.2 实现过程
请参见文档：【Linux环境】PostgreSQL环境准备
5、BI仪表板展示管道任务信息
5.1 应用场景
用户想了解某个管道任务是谁编辑的、编辑时间、断点相关信息等，FDL 工程内的 管道任务运维 无法满足需求。
5.2 实现思路
用户可根据实际需求，使用 FineDB 数据库中的数据管道表 ，筛选出需要的字段，最后将多张表进行关联即可。
5.3 实现过程
请参见文档：BI仪表板展示管道任务信息
6、批量修改定时任务中的数据连接名
6.1 应用场景
FDL 中原先采用的数据连接名为demo1，已在大量定时任务中使用。为了规范数据连接命名，需将此数据连接名更改为fdl_demo，目前需要逐个打开定时任务并手动重新选择新命名的数据连接，操作过程比较麻烦。
鉴于定时任务数量较多，手动选择过于繁琐，本文提供一种批量替换的解决方案。
6.2 实现思路
定时任务中的数据连接名保存在 dp 文件内，来源是fromConnectionName，去向是toConnectionName。如下图所示：
6.3 实现过程
请参见文档：批量修改定时任务中的数据连接名
| 
