欢迎光临
我们一直在努力

GraphQL,Grafana和Dash

要是您属于对着数据科学, 以及数据处理, 或者数据可视化有着兴趣的那类人, 那么这篇文章便是适合您的选择。我肯定您已然听闻过我在上面提到的主题这儿所用的名称。在这篇文章当中, 我会先去详尽地讲述全部这些内容, 之后再开展比较。

Python Grafana_GraphQL数据提取方法_数据科学数据处理数据可视化

, and Dash

当中的上面那三个, 除了之外呀, 其余的那两个都是用来搞数据可视化的。如今的数据可视化工具, 已然超过了Excel电子表格里所用到的标准图表跟图形, 能以更为复杂的样式去展现数据, 像那种信息图表, 刻度盘以及仪表, 地理地图, 迷你图, 热图, 还有详细的条形图, 饼图以及散点图。图像能够涵盖交互式功能, 能让用户去操控它们或者深入探寻数据来开展查询跟分析。还能够包含旨在当数据有更新或者出现预定义条件时给用户发出警报的指示器。 数据可视化已成为现代商业智能的事实上的标准。

您需以任一方式令数据得以可视, 最先就得从某种源头把数据给提取出来, 此源头可以涵盖系统, 像传感器那类、API 或者数据库等。这还关联到对数据各异特征的领会, 以及赋予它们有价值、重要且有趣的特性。数据提取还被用于展开探索性分析, 进而从数据里萃取出相关信息。存在好些用于处理数据的办法与技术, 比如说 R、SQL 等等。因而, (这是我挑选的主题当中的一个)还算作一种数据提取办法, 然而却跟别的办法有着极大差异。

因此,让我们从第一个开始。

什么是?

当下, 数目众多的应用程序皆需从服务器那儿获取数据, 此服务器就把数据存于数据库里。API的任务是给所存储的数据供应适配于应用程序需求的接口。不然的话, 就得针对经由API获取的数据开展某种过滤, 用以契合应用程序的需求。

GraphQL数据提取方法_数据科学数据处理数据可视化_Python Grafana

多数人对于身为数据库技术存有困惑, 这并非十分精准, 缘由在于是API并非数据库的查询语言, 从这般意义来讲, 它和数据库没有关联, 能够在运用API的任一情形下有效运用, 它支持声明式数据获取, 所以能与作为打造用户界面的声明性框架的React / React完美融合, 能够补充或者完全替代REST API的使用。

主要区别在于, REST的API存在多个终结点, 这些终结点返回固定的数据结构, 然而服务器仅仅公开一个终结点, 且返回灵活的数据结构。

GraphQL数据提取方法_数据科学数据处理数据可视化_Python Grafana

在运用 API 的情形下称, 您最终会得到并非所需的数据, 举例来说, 就在对环境、构建、端点予以调用之际, 您会得出同那种特定构建相关联的全部数据, 您能够获取像状态之类的数据, 然而, 我们所需求的仅仅是作者的姓名, 这是 API 里过度获致的明显的示例。

于环境、build的这般情形下, 没办法充分检索出咱们所要找寻的内容。若想获取构建所从属的代码库, 则我们得调用另外一个端点环境、build、 , 此种情形命名为读取匮乏。

使用它自身的类型系统去定义 API 的架构, 其语法被称作架构定义语言(SDL), 这个模式发挥着服务器与客户端之间桥梁的作用, 用以定义客户端怎样去访问数据。

前端开发人员和后端开发人员, 一旦模式被定义, 即可自行各干各的, 因为运用模拟数据能轻松开展前端测试对前端而言是如此。前端能够从架构那儿得到诸如类型、查询及变异等有实用价值的信息的可。该模式还赋予类型安全性, 这对了前端与后端开发来讲是加分项, 原因在于能尽早排查类型错误之处的。

查询示例:

query {
books {
id
title
author
isbn
price }
}

在此处, 我们获取到一个端点, 于这个端点当中, 能够获取所有必备的数据, 且不会经由服务器获取过多或者有欠缺的数据。

许多流行的编程语言支持。

在所取得的进步当中, 有数据获取方面的进步, 性能优化也是您尝试使用的原因之一, 版本控制是您尝试使用的因由之一, 易于启动是您尝试使用的缘由之一。

什么是?

Python Grafana_数据科学数据处理数据可视化_GraphQL数据提取方法

using ( )

它是一个开放源代码的平台, 是用于仪表板的平台, 是有关分析的平台, 是具备监视功能的平台, 且这个平台能够与诸如AWS Cloud Watch等各类源完成修补操作。最为关键的是, 它拥有把多个数据源融合在一起的能力, 在一个通过添加行来托管单个面板(于UI里)的仪表板之中进行添加行的操作。

您被允许进行查询, 实现可视化, 发出警报以及了解指标, 不管它们存于何处。您能够去创建, 浏览以及共享仪表板, 进而促进数据驱动的文化。

要是我们说起身份验证, 那么能够把跟LDAP、Auth将其集成。然而, 假如你们公司运用像SSO这种技术去处理身份验证, 让它能够轻轻松松地跟你们现有的工作流程一块使用。

又已然创建了经由社区构建而成的仪表板, 我们能够凭借数据源、面板类型、类别以及收集器去挑选它们, 您可以在此处查看这些仪表板。

GraphQL数据提取方法_Python Grafana_数据科学数据处理数据可视化

倘若您拥有跟兼容的数据源, 那您所要做的便是设置这些数据源, 接着创建所需的面板用以可视化要显现的内容, 在此处, 您会从一排空的仪表板着手, 在该行中, 您能够安放任何类型以及任意数量的面板, 每个面板负责一种视觉效果。

GraphQL数据提取方法_Python Grafana_数据科学数据处理数据可视化

您能够挑选所需的面板, 接着将其增添至仪表板里, 就依此简便。 您能够挑选面板的种类, 进而探索与之作交互的方法 您能够简单地创建动态且可重复使用的仪表板, 并且运用变量展示于仪表板顶部的下拉列表内, 于其中您能够予以更改并作交互。 另外, 您能够借由查询来深入地查看视图。 在余外, 您还能够运用分割视图来互相加以比较。

您能够轻易地去创建那种可以实时呈现的仪表盘, 甚至能够各自去浏览日志之类的内容。另外还有个起到作用的功能, 那便是为用户给予了用来给自己重要指标去定义警报规则的这样一方不小的空间。其中该系统的某种机制会不间断地寻觅那最新的数据实例, 并把相应通知送往像Slack等等具体种类的系统里面~

这是一种工具, 它对用户而言极为友好, 而且存在诸多可供挑选的、具备吸引力的设计。

什么是Dash?

Dash, 它是那种开放源代码的库, 被用来干啥, 是创建基于Web的反应式应用程序。Dash, 在2年前就开始公开概念验证这事儿, 在上开始的。我们有怎样的行为, 就是把此原型保持处于在线这种状态, 然后在Dash上开展的后续这个工作, 却是秘密地去进行的。我们利用了啥, 利用了来自银行, 实验室以及数据科学团队对私人试用给到了产生的反馈, 以此来指引着、指导着产品来向前推进。到今天这样子, 我们满心喜悦地宣布这样子一件事儿, 就是Dash首次进行公开发布, 这种发布的版本, 它既具备有可被用于企业这项特性, 同时它又是开源工具里实力非常突出能称作一流成员的那种工具。依靠pip dash能够自软件包管理器里加以下载的Dash, 它具备全面开源的特性, 且获取了MIT许可。入门指南您能够于此处寻觅到, Dash代码则能够在上寻觅到。

Python Grafana_数据科学数据处理数据可视化_GraphQL数据提取方法

from the Dash App

Dash让数据科学团队得以专心于数据以及模型, 但与此同时, 却仍然能够在生产以及部署企业就绪型应用程序方面有所进展。原本一般需要一组后端开发人员从事的团队工作, 前端开发人员借助Dash全都可以予以完成。

Dash所基于的框架, 主要是用来创建那种有着密集数据可视化呈现的Web应用程序的, 按其名称含义来讲, Dash专门是用于创建基于Web的仪表板应用程序的, 然而这是借助在某些库的协助之下, 使用纯Java或者R才能达成的。

这对于任何特别适合运用或 R 来开展数据处理工作的人而言, Dash 提取了构建交互式的基于 Web 的应用程序所必需的全部技术与协议, 进而让开发人员更为便利 , 他们当下拥有开源版本以及企业版本。

我们能凭借引人入胜的主题以及任何类型的图表, 制作出出色的数据可视化应用程序, 好处在于所有这些操作都是在纯或R里完成的, 另外, 当我们运用Dash时, 你会拥有更大的灵活性, 因为我们能够开始从从头开始创建仪表板, 如此一来你便可以打造自己的自定义仪表板。

处于Flask之上, .js以及React.js之上所写的Dash, 是构建具备高度吸引力的数据可视化应用程序的理想之选, 它尤其适合于使用处理数据的任何一个人。

那在Web浏览器里呈现的Dash应用程序, 所以呢它们能够在跨平台以及移动平台上去使用。 Dash可是个高级框架, 它把图形呢和表格这类用来当作UI组件的较低层实现予以了抽象了。

以下是使用Dash进行数据可视化的其他一些优点:

比起之前讨论的那两个框架, Dash是个相对较新的框架, 所以在这儿您能够获取关于Dash的总体描述性知识, 还能知道怎么样去用Dash创建出仪表板。

比较方式

明显地, 它和Dash的发展路径不一样, 只因它是关乎于从存放它们的地方去查询必需数据的。它能帮我们确切地获取所需之物, 就只是这样。当我们思索像仪表板这类应用程序时, 这在提升效率方面着实挺有用处。另外一件事情是, 虽然诸多专家以及初创公司期望能够劝服所有人, 然而它不会替代REST。但这着实是一种查询、处理数据的简便、有效且高效的办法。

Dash能被视作把从各异源头收集来的数据进行可视化呈现的办法, 在其中, 您能够借由点击“仪表板”链接去创建一个全新的空白仪表板, 这之外附带了各类面板, 这些面板是能够被添加至仪表板里的, 而面板若不与某种类型的图形产生关联就不是很具备实用性, 图形是依赖于数据的, 所以添加到仪表板的各个面板都会和一个数据源建立关联, 如此一来, 就会允许您去添加连接了数据源的预定义面板以及图形。

在Dash里, 我们能够从起始点着手构建自身极为独特定制的仪表板, 然而说来也怪。而在绘制图形以及把数据进行可视化呈现的时候, 它真的是相当容易达成的。我们能够运用数据框, 而后将其供给 Dash 里面的图形相关元素。所以 Dash 具备更强的可定制特性, 并且是基于一定基础的。它是以 React 和 Flask 为基础构建起来的, 不过却是用 Go 编程语言制作(被缔造那般)以及依托 Node.n 和。即便有可能您觉得采用 Dash 或许会耗费更多的时日以及精力, 然而当您比较熟悉或者与 R 相关情形之下, 其实也没啥太大困难的。

总而言之, 要是您有创建仪表板的需求, 我提议您一并尝试使用和Dash。最佳的选择是由您的要求来决定的。然而它们都给您呈上了令人惊叹的、时尚的可视化效果, 这些可视化效果既丰富又具备吸引力。

(本文翻译自 的文章《, and Dash》)

赞(0)
未经允许不得转载:171主机测评 » GraphQL,Grafana和Dash
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址