SAPMMMIGO界面上的Freight标签页 事务代码MIGO针对采购订单收货的时候，能出现FreigthTab。 这是笔者玩SAP系统十多年来第一次知道的，就在今天，就在刚刚，自然引起了笔者强烈的好奇心。经过上网查资料，得到了一些有用的信息，整理成本文，算是做一个学习笔记吧！ 1,SPRO采购附加费运费的条件类型配置。条件类型FRA2,  修改其配置，  将Suppl.GoodsReceipt字段由空（标准配置）改成2（-Entryalwayspossible）.如上图。 这个字段的作用是控制在收货的时候是否允许输入运费供应商代码。如下图示：   2,ME21N创建一个采购订单450000

SAPMMMIGO界面上的Freight标签页 事务代码MIGO针对采购订单收货的时候，能出现FreigthTab。 这是笔者玩SAP系统十多年来第一次知道的，就在今天，就在刚刚，自然引起了笔者强烈的好奇心。经过上网查资料，得到了一些有用的信息，整理成本文，算是做一个学习笔记吧！ 1,SPRO采购附加费运费的条件类型配置。条件类型FRA2,  修改其配置，  将Suppl.GoodsReceipt字段由空（标准配置）改成2（-Entryalwayspossible）.如上图。 这个字段的作用是控制在收货的时候是否允许输入运费供应商代码。如下图示：   2,ME21N创建一个采购订单450000

SAPMM不常用移动类型之325 对于移动类型325，笔者关注甚少，也很少使用过。 一般而言，移动类型311用于转库，是比较常用的，但是它只能用于将可用库存在不同的存储地之间进行转移。如果是冻结库存，则不能使用311移动类型的，这时候移动类型325就可以排上用场了，不过一般而言很少会将冻结库存转库的。 物料729的库存数据如下，  执行事务代码MIGO，移动类型325，就能将冻结库存做转库过账，从存储地0001转入0002，数量是100，如下图示：   保存，    再去执行事务代码MMBE查库存，  存储地点0002下有了100EA的冻结库存。  移动类型325笔者之前没有关注过，这使得笔者

SAPMM不常用移动类型之325 对于移动类型325，笔者关注甚少，也很少使用过。 一般而言，移动类型311用于转库，是比较常用的，但是它只能用于将可用库存在不同的存储地之间进行转移。如果是冻结库存，则不能使用311移动类型的，这时候移动类型325就可以排上用场了，不过一般而言很少会将冻结库存转库的。 物料729的库存数据如下，  执行事务代码MIGO，移动类型325，就能将冻结库存做转库过账，从存储地0001转入0002，数量是100，如下图示：   保存，    再去执行事务代码MMBE查库存，  存储地点0002下有了100EA的冻结库存。  移动类型325笔者之前没有关注过，这使得笔者

SAPRETAIL使用事务代码MM41创建商品主数据时不能激活检验类型？  在SAPRETAIL系统里玩转QM（QualityManagement）模块，是否可能？当然可能。有啥特殊地方，商品主数据的检验类型激活的方法就比较特殊。本文就是阐述这个特殊之处。 1,执行事务代码MM41创建一个商品主数据755，进入Logistic:DC视图后，       点击按钮‘QualityManagement’，进入QM视图之后，如下图示，  只有DisplayInsp.data。而无法正常激活检验类型。 2,而SAP制造业系统里执行MM01创建新物料的时候，进入QM视图后，  点击Insp.setup按

SAPRETAIL使用事务代码MM41创建商品主数据时不能激活检验类型？  在SAPRETAIL系统里玩转QM（QualityManagement）模块，是否可能？当然可能。有啥特殊地方，商品主数据的检验类型激活的方法就比较特殊。本文就是阐述这个特殊之处。 1,执行事务代码MM41创建一个商品主数据755，进入Logistic:DC视图后，       点击按钮‘QualityManagement’，进入QM视图之后，如下图示，  只有DisplayInsp.data。而无法正常激活检验类型。 2,而SAP制造业系统里执行MM01创建新物料的时候，进入QM视图后，  点击Insp.setup按

对数据集的shuffle处理需要设置相应的buffer_size参数，相当于需要将相应数目的样本读入内存，且这部分内存会在训练过程中一直保持占用。完全的shuffle需要将整个数据集读入内存，这在大规模数据集的情况下是不现实的，故需要结合设备内存以及Batch大小将TFRecord文件随机划分为多个子文件，再对数据集做localshuffle（即设置相对较小的buffer_size，不小于单个子文件的样本数）。Shuffle和划分下文以一个异常检测数据集（正负样本不平衡）为例，在生成第一批TFRecord时，我将正负样本分别写入单独的TFrecord文件以备后续在对正负样本有不同处理策略的情况

对数据集的shuffle处理需要设置相应的buffer_size参数，相当于需要将相应数目的样本读入内存，且这部分内存会在训练过程中一直保持占用。完全的shuffle需要将整个数据集读入内存，这在大规模数据集的情况下是不现实的，故需要结合设备内存以及Batch大小将TFRecord文件随机划分为多个子文件，再对数据集做localshuffle（即设置相对较小的buffer_size，不小于单个子文件的样本数）。Shuffle和划分下文以一个异常检测数据集（正负样本不平衡）为例，在生成第一批TFRecord时，我将正负样本分别写入单独的TFrecord文件以备后续在对正负样本有不同处理策略的情况

本文是阅读LinkedIn公司2020年发表的论文Magnet:Push-basedShuffleServiceforLarge-scaleDataProcessing一点笔记。什么是Shuffle以上图为例，在一个DAG的执行图中，节点与节点之间的数据交换就是Shuffle的过程。虽然Shuffle的过程很简单，但是不同的引擎有不同的实现。以shuffle数据传输的介质来看有基于磁盘的shuffle，例如Map/Reduce，Spark，FlinkBatch中，上下游之前的数据都是需要落盘后来进行传输，这类通常是离线处理框架，对延迟不敏感，基于磁盘更加可靠稳定。有基于内存的pipeline模

本文是阅读LinkedIn公司2020年发表的论文Magnet:Push-basedShuffleServiceforLarge-scaleDataProcessing一点笔记。什么是Shuffle以上图为例，在一个DAG的执行图中，节点与节点之间的数据交换就是Shuffle的过程。虽然Shuffle的过程很简单，但是不同的引擎有不同的实现。以shuffle数据传输的介质来看有基于磁盘的shuffle，例如Map/Reduce，Spark，FlinkBatch中，上下游之前的数据都是需要落盘后来进行传输，这类通常是离线处理框架，对延迟不敏感，基于磁盘更加可靠稳定。有基于内存的pipeline模