可视化

2020 软工实践 疫情统计可视化(原型设计)

随声附和 提交于 2020-02-27 12:53:47
这个作业属于哪个课程 2020春 W班 结对的学号 221701120 & 221701122 这个作业要求在哪里 2020软工实践 结对第一次 疫情统计可视化(原型设计) 这个作业的目标 根据客户描述提取需求,进行原型设计并提供大概的解决方案 作业正文 2020软工实践 疫情统计可视化(原型设计) 其他参考文献 Axure 9全面教程 、 人人都是产品经理 一、原型模型 ps:发布成网页加载可能较慢,以及地图上的一些交互会有延迟,体验不如本地项目好。 令附上网页地址 二、基于 NABCD 模型的解决方案 背景:目前新型冠状病毒肺炎疫情到了非常关键的时期,学校仍然是严阵以待。有一家统计网站每天都会提供一个对应的日志文本,记录国内各省前一天的感染情况,但疫情统计结果只是通过文字来显示,不够直观、具体,对用户不够友好,希望可以通过地图的形式来直观显示疫情的大致分布情况,还可以查看具体省份的疫情统计情况。 当今新冠肺炎疫情严重,牵动着每个人的心,共同抗疫无疑是全中国每个人的第一要务。我们的网站致力于提供全国以及各地的疫情情况,用不同颜色表示各地区疫情的程度,以最简洁、直观的方式向各位展示疫情情况。不仅如此,我们还提供了各式的统计图表,包括柱状图、折线图、饼状图等,更为形象直观地向您展示全国疫情的各类数据与地方数据。在您关注疫情信息的同时,我们平台还提供了疫情相关的新闻供您阅读

Elasticsearch 可视化管理工具

安稳与你 提交于 2020-02-27 04:04:04
Elasticsearch 简介 Elasticsearch 是一个分布式的开源搜索和分析引擎,适用于所有类型的数据,包括文本、数字、地理空间、结构化和非结构化数据。 Elasticsearch 虽然可以通过 RESTful API 操作,但是使用还是比较麻烦,下文介绍几个常用的可视化管理工具。 PS : 下面是Elasticsearch 部署 与 RESTful API 常用操作 Docker-compose 部署 ELK Elasticsearch RESTful API 常用操作 ElasticHD ElasticHD 支持 ES监控 、 实时搜索 、 Index template快捷替换修改 、 索引列表信息查看 , SQL converts to DSL 工具等。是一款非常伴的 Dashboard。 项目地址 : https://github.com/360EntSecGroup-Skylar/ElasticHD Docker 安装 : $ docker run -p 9200:9200 -d --name elasticsearch elasticsearch $ docker run -p 9800:9800 -d --link elasticsearch:demo containerize/elastichd Open http://localhost:9800

可视化编程-StoryBoard

最后都变了- 提交于 2020-02-27 03:16:02
一、StoryBoard与xib 对比: 相同点:都属于IB编程的方式,可以快速构建GUI。 不同点:xib侧重于单文件(单独的控制器或者视图)编辑,storyboard侧重于多页面关联。storyboard可以直观的梳理出页面间的逻辑,并且所有页面跳转逻辑均可在-(void)prepareForSegue:(UIStoryboardSegue *)segue sender:(id)sender;方法完成,方便界面间数据统一管理。 注意事项:在AppDelegate的-application:didFinishLaunchingWithOptions:方法中不要再用代码初始化一个window。将创建好的storyboard在应用程序配置General中设置为MainInterface。 利用storyboard绘制自定义单元格要注意以下几点: 创建自定义cell时选中左侧TableViewCell。 绘制自定义UI界面。 设置重用标识符。 将storyboard文件关联至对应的UITableViewController和UITableViewCell类(自己创建的类)。 在UITabelViewController中完成代码书写。    注意:cell不在需要注册 二、页面跳转   1、storyboard页面跳转分为两种     1)代码方式:使用代码通过控制器识别来跳转

xib Nib IB 可视化编程详解

纵然是瞬间 提交于 2020-02-27 03:15:42
简单的说,Xib就是拖控件 编程,也可以说是可视化编程. 相对于代码,使用IB和xib文件来组织UI,可以省下大量代码和时间,从而得到更快的开发速度。 如果你曾经受到过微软家Visual Basic或者其他Visual系的 可 视化界面的荼毒与残害,因此怀疑Interface Builder的纯正血统和工作能力,建议可以看看这些资料以纠正三观: Jean-Marie Hullot的Interface Builder神话 以及 西装革履的青涩乔帮主在NeXT时亲手用IB构建应用 (需要FQ)。另外,不妨打开你的Mac上的Application文 件夹中或者iPhone上Apple家的各种应用。你会惊奇地发现,IB远比你看到的要强大:小至计算器取色器这类小工具,大至iWork三件 套,Aperture或Final Cut这样的专业级应用,无一不是使用IB来完成UI制作的。 其实IB和xib是从iOS SDK初次面世开始就是捆绑在开发者工具套装内的内容了,而到了Xcode 4之后更被直接集成到了Xcode中成为了IDE的一部分。xib 设 计的一大目的其实是为了良好的MVC:一般来说,单个的xib文件对应一个ViewController,而对于一些自定义的view,往往也会使用单个 xib并从main bundle进行加载的方式来载入。IB帮助完成view的创建,布局和与file

xib Nib IB 可视化编程详解

假如想象 提交于 2020-02-27 03:14:50
简单的说,Xib就是拖控件 编程,也可以说是可视化编程. 相对于代码,使用IB和xib文件来组织UI,可以省下大量代码和时间,从而得到更快的开发速度。 如果你曾经受到过微软家Visual Basic或者其他Visual系的 可视化界面的荼毒与残害,因此怀疑Interface Builder的纯正血统和工作能力,建议可以看看这些资料以纠正三观: Jean-Marie Hullot的Interface Builder神话 以及 西装革履的青涩乔帮主在NeXT时亲手用IB构建应用 (需要翻墙)。另外,不妨打开你的Mac上的Application文件夹中或者iPhone上Apple家的各种应用。你会惊奇地发现,IB远比你看到的要强大:小至计算器取色器这类小工具,大至iWork三件套,Aperture或Final Cut这样的专业级应用,无一不是使用IB来完成UI制作的。 其实IB和xib是从iOS SDK初次面世开始就是捆绑在开发者工具套装内的内容了,而到了Xcode 4之后更被直接集成到了Xcode中成为了IDE的一部分。xib 设计的一大目的其实是为了良好的MVC:一般来说,单个的xib文件对应一个ViewController,而对于一些自定义的view,往往也会使用单个xib并从main bundle进行加载的方式来载入。IB帮助完成view的创建,布局和与file

zookeeper的可视化web界面

拟墨画扇 提交于 2020-02-26 23:09:53
转载一篇我心中大神有关zookeeper WEB的文章 以前写过一篇zookeeper集群搭建的文章《烂泥:zookeeper集群搭建》,最近在使用activemq集群过程中碰到了一些有关zookeeper的问题,想通过ui查看zookeeper集群的数据。 找来找去,发现zkui这个ui工具很不错,本篇文章就介绍有关zkui的搭建与配置。 PS:在此我们以Activemq集群的zookeeper集群数据为例。 一、初始化环境 zkui是基于java语言开发,首先就要我们安装jdk环境。 因为zkui需要我们手工进行编译、构建和打包,所以还需要安装maven环境。 有关maven的安装和配置,可以参考这篇文章《烂泥:依赖管理maven3.3安装与配置》。 安装jdk1.7,使用如下命令: wget http://mirrors.linuxeye.com/jdk/jdk-7u80-linux-x64.tar.gz && tar -xf jdk-7u80-linux-x64.tar.gz -C/usr/local/ && chown root:root -R /usr/local/jdk1.7.0_80/ 把jdk加入到环境变量,使用如下命令: cat >> /etc/profile << “EOF” export JAVA_HOME=/usr/local/jdk1.7.0_80

Kubernetes的三种可视化UI界面

隐身守侯 提交于 2020-02-26 22:04:24
博文大纲: 一、dashboard 二、Weave Scope 三、Prometheus 一、dashboard 1)获取yaml文件修改并执行 如图: [root@master ~]# wget https://raw.githubusercontent.com/kubernetes/dashboard/v2.0.0-rc5/aio/deploy/recommended.yaml [root@master ~]# vim recommended.yaml +39 #定位到39行,修改其提供的service资源 spec: type: NodePort ports: - port: 443 targetPort: 8443 nodePort: 31001 selector: k8s-app: kubernetes-dashboard #因为默认情况下,service的类型是cluster IP,需更改为NodePort的方式,便于访问,也可映射到指定的端口 [root@master ~]# kubectl apply -f recommended.yaml [root@master ~]# kubectl get pod -n kubernetes-dashboard NAME READY STATUS RESTARTS AGE dashboard-metrics-scraper

结对第一次—疫情统计可视化(原型设计)

一笑奈何 提交于 2020-02-26 11:48:51
这个作业属于哪个课程 2020春W班 (福州大学) 这个作业要求在哪里 结对第一次—疫情统计可视化(原型设计) 结对学号 091700403 021700915 这个作业的目标 结对合作疫情统计可视化,向客户推销 作业正文 .... 其他参考文献 无 一、遇到的困难 1.困难及解决尝试 此次原型设计,我们原本都不懂得原来在软件开发中还有这一步,原本很迷茫,不知道要做什么,怎么做,后来渐渐去查找资料,逐步明确了方向。 在设计的过程中,一开始是想用墨刀中的组件直接上手地图的绘制,结果找了半天,查了许多资料,并没有合适的组件,并且我们还尝试把真正的地图导进去,但发现并不符合需求。一筹莫展之际,最终想到了用图片变换的状态来实现疫情地图。 2.收获 091700403 通过此次的结对协作,我更加懂得了如何去如何去与队友合作去解决问题,对团队合作有了更一步的理解,能更好地与队友进行沟通,学会了如何将自己的想法分享给队友一起讨论解决。 通过此次得作业,我觉得一个人的自学能力很重要。要学会去如何解决问题,而不是去逃避。 此次另我最为感慨的是折线图的数据体现部分。本来我想的是用页面的转状态变化去做,可是如果就此而做,工作量就会剧增。队友想到的是用组件变化去实现,极大地减少了工作量。所以说团队合作很重要。因为别人总会想到自己想不到的点子。 021700915 通过此次编程实践,我收获了很多。

超长可视化指南!带你理清K8S部署的故障排查思路,让bug无处遁形

旧时模样 提交于 2020-02-26 03:21:49
本文将帮助你厘清在Kubernetes中调试 deployment的思路。下图是完整的故障排查思路,如果你想获得更清晰的图片,请在公众号后台(RancherLabs)回复“ troubleshooting ”。 当你希望在Kubernetes中部署一个应用程序,你通常需要定义三个组件: Deployment——这是创建名为Pods的应用程序副本的方法 Serivce——内部负载均衡器,将流量路由到Pods Ingress——可以描述流量如何从集群外部流向Service 接下来,我们通过图片快速回顾一下。 在Kubernetes中,你的应用程序通过两层负载均衡器暴露:内部和外部。 内部负载均衡器称为Service,而外部负载均衡器则称为Ingress。 Pod未直接部署,因此,Deployment创建Pod并监视它们。 假设你想部署一个简单的Hello World应用程序,那么对于此类应用程序,其YAML文件与以下类似: apiVersion: apps/v1 kind: Deployment metadata: name: my-deployment labels: track: canary spec: selector: matchLabels: any-name: my-app template: metadata: labels: any-name: my-app spec

翻译——3_Gaussian Process Regression

会有一股神秘感。 提交于 2020-02-25 19:46:27
使用不同的机器学习方法进行预测 续上篇 2_Linear Regression and Support Vector Regression 高斯过程回归 %matplotlib inline import requests from StringIO import StringIO import numpy as np import pandas as pd # pandas import matplotlib.pyplot as plt # module for plotting import datetime as dt # module for manipulating dates and times import numpy.linalg as lin # module for performing linear algebra operations from __future__ import division import matplotlib import sklearn.decomposition import sklearn.metrics from sklearn import gaussian_process from sklearn import cross_validation pd.options.display.mpl_style = 'default