练手需求

简介: 获取场景锁定小区列表

请求URL
/gis/panorama/findCmCell
请求方式
POST
参数
参数名
必选
类型
说明
time

string
日期 格式 yyyy-MM-dd
rruSerialNo
string
RRU_SerialNO 序列号
返回示例
返回参数说明
参数名
类型
说明
code
Integer
正常:200,异常:300
data
List
查询结果列表
message
String
异常信息
参数名
必选
类型
说明
来源
CI
string
小区ID
LTE小区配置表/5G小区配置表
REGION_NAME
string
所属地市

LTE小区配置表/5G小区配置表
CITY_NAME
string
所属区县

LTE小区配置表/5G小区配置表
ENBAJ02
string
小区名称
LTE小区配置表/5G小区配置表
NET_work
string
网络制式
LTE小区配置表/5G小区配置表
ENODEBNAME
string
基站名称

LTE小区配置表/5G小区配置表
ENBAG05
string
Enodeb_id

LTE小区配置表/5G小区配置表
WORK_FRQBAND
string
工作频段
LTE小区配置表/5G小区配置表
RRU_SerialNO
string
RRU序列号
LTE小区配置表/5G小区配置表
RRU_NO
string
RRU对应关联的所有小区ci
LTE小区配置表/5G小区配置表
DEVICE_MODEL_LIST
string
RRU设备型号列表
LTE小区配置表/5G小区配置表
ENBAH21
string
天线型号
LTE小区配置表/5G小区配置表
HEIGHT
string
天线挂高
LTE小区配置表/5G小区配置表
ENBAH08
string
方位角
LTE小区配置表/5G小区配置表
TOTAL_DOWNTILT
string
下倾角
LTE小区配置表/5G小区配置表
备注
select
CI,
REGION_NAME,
CITY_NAME,
ENBAJ02,
ENODEBNAME,
ENBAG05,
‘LTE’ NET_work,
WORK_FRQBAND,
RRU_SerialNO,
‘’ RRU_NO,
DEVICE_MODEL_LIST,
ENBAH21,
HEIGHT,
ENBAH08,
TOTAL_DOWNTILT
from tdl_cm_cell ff WHERE ff.”TIME” =to_date(‘2024-08-31’,’yyyy-MM-dd’)
UNION ALL
select
NCI CI,
REGION_NAME,
CITY_NAME,
CellName ENBAJ02,
gNBNAME ENODEBNAME,
gNB_ID ENBAG05,
‘NR’ NET_work,
WORK_FRQBAND,
SerialNumber RRU_SerialNO,
‘’ RRU_NO,
VendorUnitTypeNumber DEVICE_MODEL_LIST,
‘’ ENBAH21,
HEIGHT,
Azimuth ENBAH08,
TOTAL_DOWNTILT
from nrcell_cm cc WHERE time= to_date(‘2024-08-31’,’yyyy-MM-dd’)
4G
SELECT ci/nci FROM tdl_cm_cell WHERE RRU_SERIALNO =’219999741006’ AND “TIME” =to_date(‘2024-08-31’,’yyyy-MM-dd’)
5G
SELECT ci/nci FROM nrcell_cm WHERE RRU_SERIALNO =’219999741006’ AND “TIME” =to_date(‘2024-08-31’,’yyyy-MM-dd’)
将二次查询的结果 ci/nci “,“隔开拼接到 RRU_NO 字段中
更多返回错误代码请看首页的错误代码描述

相关文章
|
存储 C语言
C语言实现简易学生信息管理系统
C语言实现简易学生信息管理系统
542 4
|
Web App开发 JavaScript 关系型数据库
|
6月前
|
人工智能 自然语言处理 达摩院
2025中国AI数字人企业厂商实力榜单与数字技术评析及数字引擎选择指南
AI数字人正以技术革新推动产业变革,从虚拟偶像到金融、文旅、教育等多领域深度赋能。头部企业如像衍科技、阿里达摩院、百度智能云依托自研引擎与大模型,构建高拟真、强交互的智能体。其全天候服务、个性化交互与跨语言能力,显著提升效率与体验。随着情感计算与伦理规范同步演进,数字人将从工具迈向智能伙伴,开启人机协作新纪元。
|
4月前
|
机器学习/深度学习 人工智能 搜索推荐
LoRA 微调原理:参数高效微调的核心技术
LoRA(低秩适配)是当前最主流的大模型参数高效微调技术:通过冻结原模型、仅训练少量低秩矩阵,显著降低显存需求(消费卡即可运行),避免灾难性遗忘,且推理无损。本文深入浅出解析其原理、关键参数(秩r、学习率等)与实战要点,助初学者快速掌握。(239字)
|
4月前
|
缓存 JSON 运维
翻译文本接口(t_text)对接全攻略
t_text是通用翻译核心接口,支持200+语言互译、文档/语音/术语定制等场景,标准化对接百度、腾讯、阿里、有道、Google、OpenAI等引擎,具备智能翻译、批量处理、格式保持、领域定制与质量优化能力。(239字)
|
5月前
|
物联网 开发者 异构计算
从入门到精通:大模型微调实战全攻略
本文系统讲解大模型微调实战:涵盖环境搭建、数据准备、主流方法(LoRA/QLoRA)、完整训练流程及过拟合、显存不足等常见问题解决方案,并分享数据质量、混合精度、评估体系等进阶技巧,助力开发者快速定制专属大模型。
从入门到精通:大模型微调实战全攻略
|
6月前
|
人工智能 Java 网络安全
|
6月前
|
消息中间件 人工智能 NoSQL
RocketMQ:A2A协议实现多智能体优化
Agentic AI 时代已至,在智能客服、代码生成、流程自动化等场景中,多智能体(Multi-Agent)协作正从构想走向落地。然而,当多个 Agent 需要像一个团队那样高效协作时,脆弱的通信机制可能因网络抖动或服务宕机,就让整个系统瞬间瘫痪,导致昂贵的计算任务失败、会话状态丢失。如何为这些聪明的“数字员工”们构建一个真正可靠、高效的通信基座? 本文将为您介绍 Apache RocketMQ 全新推出的轻量级通信模型 LiteTopic,如何在 AI 应用场景中有效简化系统架构、提升稳定性与可靠性,并结合 A2A(Agent-to-Agent)协议与阿里巴巴AgentScope 框架的生产
|
机器学习/深度学习 人工智能 自然语言处理
DeepRant:一款专为国际游戏玩家设计的翻译工具,一键翻译聊天对话,无需切出游戏
专为游戏玩家设计的多语言快捷翻译工具,支持多种翻译模式和主流语言,基于Tauri和React开发。
1471 12
DeepRant:一款专为国际游戏玩家设计的翻译工具,一键翻译聊天对话,无需切出游戏
|
存储 JSON 物联网
设备管理组件功能介绍
设备管理组件功能介绍
799 2