Fiori 磁贴配置

Fiori 磁贴配置除 Fiori 应用程序外 还可配置事务代码 URL 以及 webdynpro 的应用磁贴 事务代码 N UI2 FLPD CUST 为磁贴访问增加默认参数

1. 创建语义对象

2. Fiori Lanchpad Desginer界面配置磁贴

2.1 创建目录(SAP Fiori Tile Catalog)

2.2 创建磁贴目标映射

2.3 创建磁贴

2.5 创建磁贴组(SAP Fiori Tile Group)

3. 为用户添加磁贴

        3.1 添加目录到角色

        3.2 添加组到角色


1. 创建语义对象

        事务代码:/N/UI2/SEMOBJ

Fiori 磁贴配置

2. Fiori Lanchpad Desginer界面配置磁贴

        地址:http://
<服务地址>
:
<端口>
/sap/bc/ui5_ui5/sap/arsrvc_upb_admn/main.html?sap-client=xxx

        SICF路径: default_host -> bc –> ui5_ui5 –> sap –> arsrvc_upb_admn

        事务代码 /N/UI2/FLPD_CUST

        2.1 创建目录(SAP Fiori Tile Catalog)

Fiori 磁贴配置

        如需删除,拖动目录即可

Fiori 磁贴配置

        2.2 创建磁贴目标映射

Fiori 磁贴配置

        语义对象填写上一步创建的语义对象,标识为ui5项目名称

        URL为系统中该ui5应用的服务路径/sap/bc/ui5_ui5/sap/zdemo

Fiori 磁贴配置

Fiori 磁贴配置

        除Fiori应用程序外,还可配置事务代码,URL以及webdynpro的应用磁贴

Fiori 磁贴配置

        2.3 创建磁贴

Fiori 磁贴配置

        静态文本磁贴

Fiori 磁贴配置

        为磁贴访问增加默认参数

Fiori 磁贴配置

        动态磁贴

        服务URL可填写odata地址

Fiori 磁贴配置

        新闻磁贴

Fiori 磁贴配置

        可参考如下标准应用,对应UI5应用程序 ar_srvc_news

Fiori 磁贴配置

       2.5 创建磁贴组(SAP Fiori Tile Group)

Fiori 磁贴配置

        添加磁贴到组

Fiori 磁贴配置

3. 为用户添加磁贴

        3.1 添加目录到角色

Fiori 磁贴配置

Fiori 磁贴配置

        3.2 添加组到角色

Fiori 磁贴配置

Fiori 磁贴配置

https://blog.csdn.net/xiefireworks/article/details/

 

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/208172.html原文链接:https://javaforall.net

(0)
上一篇 2026年3月19日 下午12:11
下一篇 2026年3月19日 下午12:11


相关推荐

  • 迁移学习与代码举例

    迁移学习出现背景在有监督的机器学习和尤其是深度学习的场景应用中,需要大量的标注数据。标注数据是一项枯燥无味且花费巨大的任务,关键是现实场景中,往往无法标注足够的数据。而且模型的训练是极其耗时的。因此迁移学习营运而生。传统机器学习(主要指监督学习)基于同分布假设需要大量标注数据然而实际使用过程中不同数据集可能存在一些问题,比如数据分布差异标注数据过期训练数据过期,也就是好不容易标定…

    2022年4月15日
    116
  • linux挂载磁盘教程「建议收藏」

    linux挂载磁盘教程「建议收藏」本文中的磁盘/dev/sdb为笔者测试服务器上的命名,在您的服务器中可能是/dev/xdb、/dev/vdb、/dev/xvdb等等请根据实际情况进行修改.1、创建挂载目录mkdir-p/www2、确认是否没有分区的磁盘,如下图,没有分区的磁盘是/dev/sdb,在您的服务器中可能是/dev/vdb,请注意按照实际名称修改fdisk-l3、为磁盘分区,若已分区,可跳过fdisk/dev/sdb4、输入n开始创建分区5、输…

    2022年6月19日
    80
  • 遗传算法实例解析_遗传算法例子

    遗传算法实例解析_遗传算法例子遗传算法实例及MATLAB程序解析遗传算法GeneticAlgorithms,GA)是一种基于自然选择原理和自然遗传机制的搜索(寻优)算法,它是模拟自然界中的生命进化机制,在人工系统中实现特定目标的优化。遗传算法的实质是通过群体搜索技术,根据适者生存的原则逐代进化,最终得到最优解或准最优解。它必须做以下操作∶初始群体的产生、求每一个体的适应度、根据适者生存的原则选择优良个体、被选出的优良个体两两配对,通过随机交叉其染色体的基因并随机变异某些染色体的基因生成下一代群体,按此方法使群体逐代进化,直到满足进化

    2025年11月9日
    9
  • 【机器学习】一文读懂正则化与LASSO回归,Ridge回归

    【机器学习】一文读懂正则化与LASSO回归,Ridge回归该文已经收录到专题机器学习进阶之路当中,欢迎大家关注。1.过拟合当样本特征很多,样本数相对较少时,模型容易陷入过拟合。为了缓解过拟合问题,有两种方法:方法一:减少特征数量(人工选择重要特征来保留,会丢弃部分信息)。方法二:正则化(减少特征参数的数量级)。2.正则化(Regularization)正则化是结构风险(损失函数+正则化项)最小化策略的体…

    2022年6月10日
    38
  • 腾讯混元Image-gguf:轻量AI绘图8步出图教程

    腾讯混元Image-gguf:轻量AI绘图8步出图教程

    2026年3月12日
    4
  • 强化学习(Q-Learning,Sarsa)

    强化学习(Q-Learning,Sarsa)ReinforcementLearning监督学习–>非监督学习–>强化学习。监督学习:拥有“标签”可监督算法不断调整模型,得到输入与输出的映射函数。非监督学习:无“标签”,通过分析数据本身进行建模,发掘底层信息和隐藏结构。但是1.标签需要花大量的代价进行收集,在有些情况如子任务的组合数特别巨大寻找监督项是不切实际的。2.如何更好的理解数据,学习到具体的映射而不仅仅是数据的底…

    2022年10月3日
    6

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号