最初的想法：
试图理解周围较新的概念，并希望了解它们是如何结合在一起的。
借用了一些概念，人工智能有哪些领域，例如使用机器学习的聚类算法，在SAP HANA平台原生开发的SAP S/4HANA中执行机器学习算法，从Python路由，从云托管应用程序平台，来自Twilio的云通信，来自ABAP MQTT和ABAP守护进程的ABAP实时编程/事件驱动/物联网
原型：
假设支付指令已发送到SAP S/4HANA系统，在该系统中，这些记录将通过创建文档进行处理，并发送到银行进行支付。在处理过程中，我们需要根据支付金额在这些支付指令中找到异常记录，并提醒用户WhatsApp。用户应该有机会决定是否可以停止支付指令。如果用户想要停止支付，他们可以简单地在WhatsApp上响应，按照SAP S/4HANA中的支付指令进行操作。
这与用例无关，其目的是适应不同的概念以使其工作。原型，仅用于学习和理解技术能力。
流程：
输出：
演示：
细节：
调用机器学习程序的可能性：
过去，已经在SAP HANA本机编程中使用了其中一些算法。现在可以从ABAP调用相同的机器学习过程了，SQL包装器可以从ABAP层调用这些算法。我发现想象我们现在能做的事情很令人兴奋。我们可以运行任何ABAP程序/方法/RFC/BADI，它可以运行任何可用的算法并产生结果。
我认为在SAP系统中使用数据是一个很大的优势，不需要下载数据并提供给外部程序，也不需要调用SAP OData来获取数据并在外部应用程序中运行算法以获得结果或结果在处理记录本身时调用算法。
ABAP MQTT:
消息队列遥测传输是为机器到机器连接协议设计的。MQTT客户机可以订阅/发布主题，MQTT代理将向订阅这些主题的客户机传递消息。在本例中，我创建了一个ABAP MQTT客户机并订阅了一个主题，以便它可以接收消息并对其执行操作。
其他：
HiveMQ将消息发布到主题订阅服务器。托管在云上的Python应用作为路由器，Twilio是云通信平台，用于在WhatsApp上发送和接收消息
代码：
步骤1：识别异常
创建AMDP方法，并在导入表"data\u TAB"中传递数据，我们希望找到数据中的异常。下面的记录是我们传递给算法并将结果保存到另一个表中的内容。原型设计原因。
SAP提供了很多预处理、监督和非监督算法。
ID:付款ID；金额：付款金额
应用机器学习程序后的结果：
算法已经用Python中的相同数据进行了测试。
如果我们将数据集绘制在一个图中，这就是它的外观。绿色和蓝色是异常。
第二步：路由器
一旦发现异常，云服务器报价，ABAP将使用cl\u http\u client=>create\u by\u URL调用URL，该URL将是云端托管的应用的URL。
用Python编写了一个云端托管的小程序。我们的想法是使用这个应用程序来路由通话。当应用程序被托管时，将生成一个URL并使用此URL进行调用。
我们将调用此URLhttps://yourURL.com/alert/
下面的代码将被执行（URL以"alert"结尾），它将触发一条消息到WhatsApp。
到目前为止，我们已经执行了一个ABAP程序来识别异常，并在之后调用了一个URL。此时，大数据分析软件有哪些，我们将在WhatsApp上收到一条消息。
步骤3：响应警报
一旦在WhatsApp上收到警报/消息，用户可以在WhatsApp上响应该消息。示例：CANCEL{ID}
在Twilio中为WhatsApp创建了一个沙盒，数据与大数据技术，该沙盒允许在收到消息时调用URL。我将它指向同一个应用程序，但URL以/send/
结尾。下面的代码将读取消息并将其发送到HIVEMQ的主题"'abaptopic/tutorial/subscribe"。现在无论是谁订阅了这个主题都会收到消息，我们将以CANCEL{ID}的形式从WhatsApp发送消息。
第4步：在SAP S/4HANA中接收消息
现在我们需要通过调用方法cl_MQTT_client_manager=>create_by_url来订阅MQTT broker，该方法将调用url'ws://broker.hivemq.com:8000/mqtt".
如果_MQTT_CLIENT有一个subscribe方法，我们可以订阅主题"'abaptopic/tutorial/subscribe'"并使用ABAP守护进程保持此会话的活动状态。
现在我们可以很好地接收来自HiveMQ的消息。完成此步骤后，我们将在SAP S/4HANA中收到消息。
每当收到消息时，将触发ON\消息。在ABAP中编写了一个简单的逻辑来更新表。
步骤5：在对响应执行操作后
一旦表被更新，ABAP将使用cl\u http\u client=>create\u by\u URL调用相同的Python URL，这次URL将结束https://yourURL.com/act/
逻辑与我们在ALERT中所写的非常相似，但这一次消息正文不同。
关于最初想法的最终想法：
我遇到了一些不同的技术可能性在建造这个原型的时候。现在，我们有可能在SAP S/4HANA中应用机器学习算法，同时处理数据，当数据驻留在一个系统中，算法的执行发生在另一个系统中时，这是一种不同的体验。
