update the documents of Alink 1.5.6

alibaba · Jun 17, 2022 · fb06bd7 · fb06bd7
1 parent b55a3ec
commit fb06bd7
Show file tree

Hide file tree

Showing 68 changed files with 702 additions and 373 deletions.
diff --git a/docs/cn/Pipeline 组件/ONNX/ONNX 模型预测 (OnnxModelPredictor).md b/docs/cn/Pipeline 组件/ONNX/ONNX 模型预测 (OnnxModelPredictor).md
@@ -26,6 +26,8 @@ Python 类名：OnnxModelPredictor
 
 组件使用的是 ONNX 1.11.0 版本，当有 GPU 时，自动使用 GPU 进行推理，否则使用 CPU 进行推理。
 
+在 Windows 下运行时，如果遇到 ```UnsatisfiedLinkError```，请下载 [Visual C++ 2019 Redistributable Packages](https://support.microsoft.com/en-us/help/2977003/the-latest-supported-visual-c-downloads) 并重启，然后重新运行。
+
 ## 参数说明
 
 | 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 |

diff --git a/docs/cn/Pipeline 组件/PyTorch/TorchScript 模型预测 (TorchModelPredictor).md b/docs/cn/Pipeline 组件/PyTorch/TorchScript 模型预测 (TorchModelPredictor).md
@@ -22,7 +22,9 @@ Python 类名：TorchModelPredictor
 - 输出列的数量需要与模型输出结果匹配。
 - 输出类型可以是 Alink ```Tensor``` 类型或者 Alink 支持的类型，如果从模型预测输出的结果转换到指定类型失败那么将报错；暂不支持列表或字典类型。
 
-组件使用的是 PyTorch 1.8.1 版本，当有 GPU 时，自动使用 GPU 进行推理，否则使用 CPU 进行推理。
+组件使用的是 PyTorch 1.8.1 CPU 版本，如果需要使用 GPU 功能，可以自行替换插件文件。
+
+在 Windows 下运行时，如果遇到 ```UnsatisfiedLinkError```，请下载 [Visual C++ 2015 Redistributable Packages](https://support.microsoft.com/en-us/help/2977003/the-latest-supported-visual-c-downloads) 并重启，然后重新运行。
 
 ## 参数说明
 

diff --git a/docs/cn/Pipeline 组件/数据处理/Redis表查找 (LookupRedis).md b/docs/cn/Pipeline 组件/数据处理/Redis表查找 (LookupRedis).md
@@ -18,10 +18,9 @@ Python 类名：LookupRedis
 | selectedCols | 选择的列名 | 计算列对应的列名列表 | String[] | ✓ |  |  |
 | clusterMode | Not available! | Not available! | Boolean |  |  | false |
 | databaseIndex | Not available! | Not available! | Long |  |  |  |
-| redisIP | Not available! | Not available! | String |  |  |  |
+| pipelineSize | Not available! | Not available! | Integer |  |  | 1 |
 | redisIPs | Not available! | Not available! | String[] |  |  |  |
 | redisPassword | Not available! | Not available! | String |  |  |  |
-| redisPort | Not available! | Not available! | Integer |  |  | 6379 |
 | reservedCols | 算法保留列名 | 算法保留列 | String[] |  |  | null |
 | timeout | Not available! | Not available! | Integer |  |  |  |
 

diff --git a/docs/cn/批组件/ONNX/ONNX模型预测 (OnnxModelPredictBatchOp).md b/docs/cn/批组件/ONNX/ONNX模型预测 (OnnxModelPredictBatchOp).md
@@ -26,6 +26,8 @@ Python 类名：OnnxModelPredictBatchOp
 
 组件使用的是 ONNX 1.11.0 版本，当有 GPU 时，自动使用 GPU 进行推理，否则使用 CPU 进行推理。
 
+在 Windows 下运行时，如果遇到 ```UnsatisfiedLinkError```，请下载 [Visual C++ 2019 Redistributable Packages](https://support.microsoft.com/en-us/help/2977003/the-latest-supported-visual-c-downloads) 并重启，然后重新运行。
+
 ## 参数说明
 
 | 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 |

diff --git a/docs/cn/批组件/PyTorch/PyTorch模型预测 (TorchModelPredictBatchOp).md b/docs/cn/批组件/PyTorch/PyTorch模型预测 (TorchModelPredictBatchOp).md
@@ -22,7 +22,9 @@ Python 类名：TorchModelPredictBatchOp
 - 输出列的数量需要与模型输出结果匹配。
 - 输出类型可以是 Alink ```Tensor``` 类型或者 Alink 支持的类型，如果从模型预测输出的结果转换到指定类型失败那么将报错；暂不支持列表或字典类型。
 
-组件使用的是 PyTorch 1.8.1 版本，当有 GPU 时，自动使用 GPU 进行推理，否则使用 CPU 进行推理。
+组件使用的是 PyTorch 1.8.1 CPU 版本，如果需要使用 GPU 功能，可以自行替换插件文件。
+
+在 Windows 下运行时，如果遇到 ```UnsatisfiedLinkError```，请下载 [Visual C++ 2015 Redistributable Packages](https://support.microsoft.com/en-us/help/2977003/the-latest-supported-visual-c-downloads) 并重启，然后重新运行。
 
 ## 参数说明
 

diff --git a/docs/cn/批组件/图/MetaPath游走 (MetaPathWalkBatchOp).md b/docs/cn/批组件/图/MetaPath游走 (MetaPathWalkBatchOp).md
@@ -5,8 +5,9 @@ Python 类名：MetaPathWalkBatchOp
 
 
 ## 功能介绍
- MataPathWalk是描述随机游走的一种算法。在给定的图上，每次迭代过程中，点都会按照一定的metaPath转移到它的邻居上，
- 转移到每个邻居的概率和连接这两个点的边的Type相关。通过这样的随机游走可以获得固定长度的随机游走序列，这可以类比自然语言中的句子。
+MataPathWalk [1] 是描述随机游走的一种算法。在给定的图上，每次迭代过程中，点都会按照一定的metaPath转移到它的邻居上，转移到每个邻居的概率和连接这两个点的边的Type相关。通过这样的随机游走可以获得固定长度的随机游走序列，这可以类比自然语言中的句子。
+
+[1] Dong et al. metapath2vec: Scalable Representation Learning for Heterogeneous Networks. KDD2017.
 
 ## 参数说明
 

diff --git a/docs/cn/批组件/图/随机游走 (RandomWalkBatchOp).md b/docs/cn/批组件/图/随机游走 (RandomWalkBatchOp).md
@@ -5,10 +5,12 @@ Python 类名：RandomWalkBatchOp
 
 
 ## 功能介绍
-RandomWalk是deepwalk中描述随机游走的一种算法。
+RandomWalk是deepwalk [1] 中描述随机游走的一种算法。
 在给定的图上，每次迭代过程中，点都会转移到它的邻居上，转移到每个邻居的概率和连接这两个点的边的权重相关。
 通过这样的随机游走可以获得固定长度的随机游走序列，这可以类比自然语言中的句子。
 
+[1] Bryan Perozzi et al. DeepWalk: online learning of social representations. KDD 2014.
+
 ## 参数说明
 
 | 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 |

diff --git a/docs/cn/批组件/推荐/ItemCf训练 (ItemCfTrainBatchOp).md b/docs/cn/批组件/推荐/ItemCf训练 (ItemCfTrainBatchOp).md
@@ -5,9 +5,8 @@ Python 类名：ItemCfTrainBatchOp
 
 
 ## 功能介绍
-ItemCF 是一种被广泛使用的推荐算法，用给定打分数据训练一个推荐模型，
-用于预测user对item的评分、对user推荐itemlist，或者对item推荐userlist。
-
+ItemCF 是一种被广泛使用的协同过滤算法，用给定打分数据训练一个推荐模型，
+用于预测user对item的评分、对user喜欢的itemlist，或者对item推荐可能的userlist等。
 
 ## 参数说明
 

diff --git a/docs/cn/批组件/推荐/ItemCf：ItemsPerUser推荐 (ItemCfItemsPerUserRecommBatchOp).md b/docs/cn/批组件/推荐/ItemCf：ItemsPerUser推荐 (ItemCfItemsPerUserRecommBatchOp).md
@@ -93,11 +93,11 @@ public class ItemCfItemsPerUserRecommBatchOpTest {
 ```
 
 ### 运行结果
-user|prediction_result
-----|-----------------
-1|{"item":"[3]","score":"[0.23533936216582085]"}
-2|{"item":"[3]","score":"[0.38953648389671724]"}
-2|{"item":"[3]","score":"[0.38953648389671724]"}
-4|{"item":"[2]","score":"[0.17950184794838112]"}
-4|{"item":"[2]","score":"[0.17950184794838112]"}
-4|{"item":"[2]","score":"[0.17950184794838112]"}
+user| prediction_result            
+----|------------------------------
+1| MTable(1,2)(item,score) <br> 3 &#124; 0.2353 <br>
+2| MTable(1,2)(item,score) <br> 3 &#124; 0.3895 <br>
+2| MTable(1,2)(item,score) <br> 3 &#124; 0.3895 <br> 
+4| MTable(1,2)(item,score) <br> 2 &#124; 0.1795 <br> 
+4| MTable(1,2)(item,score) <br> 2 &#124; 0.1795 <br> 
+4| MTable(1,2)(item,score) <br> 2 &#124; 0.1795 <br>
diff --git a/docs/cn/批组件/推荐/UserCf训练 (UserCfTrainBatchOp).md b/docs/cn/批组件/推荐/UserCf训练 (UserCfTrainBatchOp).md
@@ -5,9 +5,8 @@ Python 类名：UserCfTrainBatchOp
 
 
 ## 功能介绍
-UserCF 是一种被广泛使用的推荐算法，用给定打分数据训练一个推荐模型，
-用于预测user对item的评分、对user推荐itemlist，或者对item推荐userlist。
-
+UserCF 是一种被广泛使用的协同过滤算法，用给定打分数据训练一个推荐模型，
+用于预测user对item的评分、对user推荐itemlist，或者对item推荐userlist等。
 
 ## 参数说明
 

diff --git a/docs/cn/批组件/数据处理/分层随机采样 (StratifiedSampleBatchOp).md b/docs/cn/批组件/数据处理/分层随机采样 (StratifiedSampleBatchOp).md
@@ -5,8 +5,7 @@ Python 类名：StratifiedSampleBatchOp
 
 
 ## 功能介绍
-
-本算子是对每个类别按照比例进行分层随机抽样。
+分层采样组件。给定输入数据，本算法根据用户指定的不同类别的采样比例进行随机采样。
 
 ## 参数说明
 

diff --git a/docs/cn/批组件/数据处理/前N个数 (FirstNBatchOp).md b/docs/cn/批组件/数据处理/前N个数 (FirstNBatchOp).md
@@ -32,8 +32,6 @@ df = pd.DataFrame([
        ["9.1,9.1,9.1"],
        ["9.2,9.2,9.2"]
 ])
-
-
 
 # batch source 
 inOp = BatchOperator.fromDataframe(df, schemaStr='Y string')
@@ -76,8 +74,6 @@ public class FirstNBatchOpTest {
 ```
 
 ### 运行结果
-
-
 |Y|
 |---|
 |0,0,0|

diff --git a/docs/cn/批组件/数据处理/加权采样 (WeightSampleBatchOp).md b/docs/cn/批组件/数据处理/加权采样 (WeightSampleBatchOp).md
@@ -5,8 +5,7 @@ Python 类名：WeightSampleBatchOp
 
 
 ## 功能介绍
-
-- 本算子是按照数据点的权重对数据按照比例进行加权采样，权重越大的数据点被采样的可能性越大。
+本算子是按照数据点的权重对数据按照比例进行加权采样，权重越大的数据点被采样的可能性越大。
 
 ## 参数说明
 | 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 |

diff --git a/docs/cn/批组件/数据处理/固定条数分层随机采样 (StratifiedSampleWithSizeBatchOp).md b/docs/cn/批组件/数据处理/固定条数分层随机采样 (StratifiedSampleWithSizeBatchOp).md
@@ -5,8 +5,7 @@ Python 类名：StratifiedSampleWithSizeBatchOp
 
 
 ## 功能介绍
-
-本算子对输入数据的每个类别进行指定个数的分层随机抽样。
+固定条数分层随机采样组件。给定输入数据，本算法根据用户指定的不同类别的采样个数进行随机采样。
 
 ## 参数说明
 

diff --git a/docs/cn/批组件/数据处理/数据格式转换/列数据转CSV (ColumnsToCsvBatchOp).md b/docs/cn/批组件/数据处理/数据格式转换/列数据转CSV (ColumnsToCsvBatchOp).md
@@ -60,7 +60,8 @@ public class ColumnsToCsvBatchOpTest {
 	@Test
 	public void testColumnsToCsvBatchOp() throws Exception {
 		List <Row> df = Arrays.asList(
-			Row.of("1", "{\"f0\":\"1.0\",\"f1\":\"2.0\"}", "$3$0:1.0 1:2.0", "f0:1.0,f1:2.0", "1.0,2.0", 1.0, 2.0)
+			Row.of("1", "{\"f0\":\"1.0\",\"f1\":\"2.0\"}", "$3$0:1.0 1:2.0", "f0:1.0,f1:2.0", "1.0,2.0", 1.0, 2.0),
+			Row.of("2", "{\"f0\":\"4.0\",\"f1\":\"8.0\"}", "$3$0:4.0 1:8.0", "f0:4.0,f1:8.0", "4.0,8.0", 4.0, 8.0)
 		);
 		BatchOperator <?> data = new MemSourceBatchOp(df,
 			"row string, json string, vec string, kv string, csv string, f0 double, f1 double");

diff --git a/docs/cn/批组件/数据处理/数据格式转换/列数据转JSON (ColumnsToJsonBatchOp).md b/docs/cn/批组件/数据处理/数据格式转换/列数据转JSON (ColumnsToJsonBatchOp).md
@@ -56,7 +56,8 @@ public class ColumnsToJsonBatchOpTest {
 	@Test
 	public void testColumnsToJsonBatchOp() throws Exception {
 		List <Row> df = Arrays.asList(
-			Row.of("1", "{\"f0\":\"1.0\",\"f1\":\"2.0\"}", "$3$0:1.0 1:2.0", "f0:1.0,f1:2.0", "1.0,2.0", 1.0, 2.0)
+			Row.of("1", "{\"f0\":\"1.0\",\"f1\":\"2.0\"}", "$3$0:1.0 1:2.0", "f0:1.0,f1:2.0", "1.0,2.0", 1.0, 2.0),
+			Row.of("2", "{\"f0\":\"4.0\",\"f1\":\"8.0\"}", "$3$0:4.0 1:8.0", "f0:4.0,f1:8.0", "4.0,8.0", 4.0, 8.0)
 		);
 		BatchOperator <?> data = new MemSourceBatchOp(df,
 			"row string, json string, vec string, kv string, csv string, f0 double, f1 double");
@@ -73,6 +74,6 @@ public class ColumnsToJsonBatchOpTest {
 ### 运行结果
 
 |row|json|
-    |---|----|
-    | 1 |{"f0":"1.0","f1":"2.0"}|
-    | 2 |{"f0":"4.0","f1":"8.0"}|
+|---|----|
+| 1 |{"f0":"1.0","f1":"2.0"}|
+| 2 |{"f0":"4.0","f1":"8.0"}|
diff --git a/docs/cn/批组件/数据处理/数据格式转换/列数据转KV (ColumnsToKvBatchOp).md b/docs/cn/批组件/数据处理/数据格式转换/列数据转KV (ColumnsToKvBatchOp).md
@@ -58,7 +58,8 @@ public class ColumnsToKvBatchOpTest {
 	@Test
 	public void testColumnsToKvBatchOp() throws Exception {
 		List <Row> df = Arrays.asList(
-			Row.of("1", "{\"f0\":\"1.0\",\"f1\":\"2.0\"}", "$3$0:1.0 1:2.0", "f0:1.0,f1:2.0", "1.0,2.0", 1.0, 2.0)
+			Row.of("1", "{\"f0\":\"1.0\",\"f1\":\"2.0\"}", "$3$0:1.0 1:2.0", "f0:1.0,f1:2.0", "1.0,2.0", 1.0, 2.0),
+			Row.of("2", "{\"f0\":\"4.0\",\"f1\":\"8.0\"}", "$3$0:4.0 1:8.0", "f0:4.0,f1:8.0", "4.0,8.0", 4.0, 8.0)
 		);
 		BatchOperator <?> data = new MemSourceBatchOp(df,
 			"row string, json string, vec string, kv string, csv string, f0 double, f1 double");
@@ -75,7 +76,7 @@ public class ColumnsToKvBatchOpTest {
 ### 运行结果
 
 |row|kv|
-    |---|---|
-    |1|f0:1.0,f1:2.0|
-    |2|f0:4.0,f1:8.0|
+|---|---|
+|1|f0:1.0,f1:2.0|
+|2|f0:4.0,f1:8.0|
 
diff --git a/docs/cn/批组件/数据处理/数据格式转换/列数据转三元组 (ColumnsToTripleBatchOp).md b/docs/cn/批组件/数据处理/数据格式转换/列数据转三元组 (ColumnsToTripleBatchOp).md
@@ -58,7 +58,8 @@ public class ColumnsToTripleBatchOpTest {
 	@Test
 	public void testColumnsToTripleBatchOp() throws Exception {
 		List <Row> df = Arrays.asList(
-			Row.of("1", "{\"f0\":\"1.0\",\"f1\":\"2.0\"}", "$3$0:1.0 1:2.0", "f0:1.0,f1:2.0", "1.0,2.0", 1.0, 2.0)
+			Row.of("1", "{\"f0\":\"1.0\",\"f1\":\"2.0\"}", "$3$0:1.0 1:2.0", "f0:1.0,f1:2.0", "1.0,2.0", 1.0, 2.0),
+			Row.of("2", "{\"f0\":\"4.0\",\"f1\":\"8.0\"}", "$3$0:4.0 1:8.0", "f0:4.0,f1:8.0", "4.0,8.0", 4.0, 8.0)
 		);
 		BatchOperator <?> data = new MemSourceBatchOp(df,
 			"row string, json string, vec string, kv string, csv string, f0 double, f1 double");

diff --git a/docs/cn/批组件/数据处理/数据格式转换/列数据转向量 (ColumnsToVectorBatchOp).md b/docs/cn/批组件/数据处理/数据格式转换/列数据转向量 (ColumnsToVectorBatchOp).md
@@ -6,7 +6,7 @@ Python 类名：ColumnsToVectorBatchOp
 
 ## 功能介绍
 将数据格式从 Columns 转成 Vector
-
+数据格式可以为数值类型，如int，float，long，double，也可以为能够转换为数值类型的字符串。
 
 ## 参数说明
 
@@ -37,7 +37,6 @@ op = ColumnsToVectorBatchOp()\
     .setSelectedCols(["f0", "f1"])\
     .setReservedCols(["row"])\
     .setVectorCol("vec")\
-    .setVectorSize(5)\
     .linkFrom(data)
 
 op.print()
@@ -58,25 +57,25 @@ public class ColumnsToVectorBatchOpTest {
 	@Test
 	public void testColumnsToVectorBatchOp() throws Exception {
 		List <Row> df = Arrays.asList(
-			Row.of("1", "{\"f0\":\"1.0\",\"f1\":\"2.0\"}", "$3$0:1.0 1:2.0", "f0:1.0,f1:2.0", "1.0,2.0", 1.0, 2.0)
+			Row.of("1", "{\"f0\":\"1.0\",\"f1\":\"2.0\"}", "$3$0:1.0 1:2.0", "f0:1.0,f1:2.0", "1.0,2.0", 1.0, 2.0),
+			Row.of("2", "{\"f0\":\"4.0\",\"f1\":\"8.0\"}", "$3$0:4.0 1:8.0", "f0:4.0,f1:8.0", "4.0,8.0", 4.0, 8.0)
 		);
 		BatchOperator <?> data = new MemSourceBatchOp(df,
 			"row string, json string, vec string, kv string, csv string, f0 double, f1 double");
 		BatchOperator <?> op = new ColumnsToVectorBatchOp()
 			.setSelectedCols("f0", "f1")
 			.setReservedCols("row")
 			.setVectorCol("vec")
-			.setVectorSize(5)
 			.linkFrom(data);
 		op.print();
 	}
 }
 ```
 
 ### 运行结果
-    
-|row|vec|
-    |---|-----|
-    |1|$5$1.0 2.0|
-    |2|$5$4.0 8.0|
+
+row|vec
+---|---
+1|1.0 2.0
+1|4.0 8.0
 
diff --git a/docs/cn/批组件/数据处理/随机采样 (SampleBatchOp).md b/docs/cn/批组件/数据处理/随机采样 (SampleBatchOp).md
@@ -5,10 +5,7 @@ Python 类名：SampleBatchOp
 
 
 ## 功能介绍
-
-- 本算子对数据进行随机抽样，每个样本都以相同的概率被抽到。
-
-
+本算子对数据进行随机抽样，每个样本都以相同的概率被抽到。
 
 ## 参数说明
 

diff --git a/docs/cn/批组件/数据导入/AK文件读入 (AkSourceBatchOp).md b/docs/cn/批组件/数据导入/AK文件读入 (AkSourceBatchOp).md
@@ -7,6 +7,18 @@ Python 类名：AkSourceBatchOp
 ## 功能介绍
 从文件系统读Ak文件。Ak文件格式是Alink 自定义的一种文件格式，能够将数据的Schema保留输出的文件格式。
 
+### 分区选择
+Export2FileSinkStreamOp组件能将数据分区保存，AkSourceBatchOp可以选择分区读取。
+分区目录名格式为"分区名=值"，例如： month=06/day=17;month=06/day=18。
+Alink将遍历目录下的分区名和分区值，构造分区表：
+
+month | day
+---|--- 
+06 | 17
+06 | 18
+
+使用SQL语句查找分区，例如：AkSourceBatchOp.setPartitions("day = '17'")，分区选择语法参考[《Flink SQL 内置函数》](https://www.yuque.com/pinshu/alink_tutorial/list_sql_function)，分区值为String类型。
+
 ## 参数说明
 
 | 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 |

diff --git a/docs/cn/批组件/数据导入/CSV文件读入 (CsvSourceBatchOp).md b/docs/cn/批组件/数据导入/CSV文件读入 (CsvSourceBatchOp).md
@@ -6,6 +6,16 @@ Python 类名：CsvSourceBatchOp
 
 ## 功能介绍
 读CSV文件。支持从本地、hdfs、http读取
+### 分区选择
+分区目录名格式为"分区名=值"，例如： city=beijing/month=06/day=17;city=hangzhou/month=06/day=18。
+Alink将遍历目录下的分区名和分区值，构造分区表：
+
+city | month | day
+---|---|---
+beijing | 06 | 17
+hangzhou | 06 | 18
+
+使用SQL语句查找分区，例如：CsvSourceBatchOp.setPartitions("city = 'beijing'")，分区选择语法参考[《Flink SQL 内置函数》](https://www.yuque.com/pinshu/alink_tutorial/list_sql_function)，分区值为String类型。
 
 ## 参数说明
 
@@ -17,6 +27,7 @@ Python 类名：CsvSourceBatchOp
 | handleInvalidMethod | 处理无效值的方法 | 处理无效值的方法，可取 error, skip | String |  | "ERROR", "SKIP" | "ERROR" |
 | ignoreFirstLine | 是否忽略第一行数据 | 是否忽略第一行数据 | Boolean |  |  | false |
 | lenient | 是否容错 | 若为true，当解析失败时丢弃该数据；若为false，解析失败是抛异常 | Boolean |  |  | false |
+| partitions | 分区名 | 1)单级、单个分区示例：ds=20190729；2)多级分区之间用" / "分隔，例如：ds=20190729/dt=12； 3)多个分区之间用","分隔，例如：ds=20190729,ds=20190730 | String |  |  | null |
 | quoteChar | 引号字符 | 引号字符 | Character |  |  | "\"" |
 | rowDelimiter | 行分隔符 | 行分隔符 | String |  |  | "\n" |
 | skipBlankLine | 是否忽略空行 | 是否忽略空行 | Boolean |  |  | true |

diff --git a/docs/cn/批组件/数据导入/LibSvm文件读入 (LibSvmSourceBatchOp).md b/docs/cn/批组件/数据导入/LibSvm文件读入 (LibSvmSourceBatchOp).md
@@ -12,6 +12,7 @@ Python 类名：LibSvmSourceBatchOp
 | 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 |
 | --- | --- | --- | --- | --- | --- | --- |
 | filePath | 文件路径 | 文件路径 | String | ✓ |  |  |
+| partitions | 分区名 | 1)单级、单个分区示例：ds=20190729；2)多级分区之间用" / "分隔，例如：ds=20190729/dt=12； 3)多个分区之间用","分隔，例如：ds=20190729,ds=20190730 | String |  |  | null |
 | startIndex | 起始索引 | 起始索引 | Integer |  |  | 1 |
 
 

diff --git a/docs/cn/批组件/数据导入/TSV文件读入 (TsvSourceBatchOp).md b/docs/cn/批组件/数据导入/TSV文件读入 (TsvSourceBatchOp).md
@@ -14,6 +14,7 @@ Python 类名：TsvSourceBatchOp
 | filePath | 文件路径 | 文件路径 | String | ✓ |  |  |
 | schemaStr | Schema | Schema。格式为"colname coltype[, colname2, coltype2[, ...]]"，例如"f0 string, f1 bigint, f2 double" | String | ✓ |  |  |
 | ignoreFirstLine | 是否忽略第一行数据 | 是否忽略第一行数据 | Boolean |  |  | false |
+| partitions | 分区名 | 1)单级、单个分区示例：ds=20190729；2)多级分区之间用" / "分隔，例如：ds=20190729/dt=12； 3)多个分区之间用","分隔，例如：ds=20190729,ds=20190730 | String |  |  | null |
 | skipBlankLine | 是否忽略空行 | 是否忽略空行 | Boolean |  |  | true |
 
 

diff --git a/docs/cn/批组件/数据导入/Text文件读入 (TextSourceBatchOp).md b/docs/cn/批组件/数据导入/Text文件读入 (TextSourceBatchOp).md
@@ -5,15 +5,15 @@ Python 类名：TextSourceBatchOp
 
 
 ## 功能介绍
-
-按行读取文件数据
+按行读取文件数据。
 
 ## 参数说明
 
 | 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 |
 | --- | --- | --- | --- | --- | --- | --- |
 | filePath | 文件路径 | 文件路径 | String | ✓ |  |  |
 | ignoreFirstLine | 是否忽略第一行数据 | 是否忽略第一行数据 | Boolean |  |  | false |
+| partitions | 分区名 | 1)单级、单个分区示例：ds=20190729；2)多级分区之间用" / "分隔，例如：ds=20190729/dt=12； 3)多个分区之间用","分隔，例如：ds=20190729,ds=20190730 | String |  |  | null |
 | textCol | 文本列名称 | 文本列名称 | String |  |  | "text" |
 
 ## 代码示例