浅谈BI实时图表实现数据可视化的原理.docVIP

浅谈BI实时图表实现数据可视化的原理 行业资讯?| 作者：走猫步的鱼?| 2013-12-27 09:55:54| 阅读?170次?有用?(1)?评论?(2)?收藏 标签：BI 概述：商业智能实时分析工具数据可视化功能变得越来越强大，在不断满足需求的同时，大家知道其工作原理吗？今天，我们就为大家讲解实时图表是如何将零散的数据以强大的可视化效果呈现在我们面前。 不久前，在商业智能实时图表解决方案的选择中，我们简单讲了下实时分析的工作流程。今天我们就来详细讨论一下这个话题。 如果你已经使用过实时dashboard，或者正打算建立一个，那么，这篇文章可以帮助你理解实时dashboard背后的故事以及实时数据如何展现在你的dashboard中，从而实现数据可视化。 除去端到端之间极短的时间，数据实时可视化主要有四大步骤。这里我们用一张图来展示。 1、捕获数据流 实时数据流使用 scrapers、collectors、agents、listeners捕获，并且存储在数据库中。数据库通常是NoSQL数据库，例如， Cassandra、MongoDB, 或者有时候是你只是Hadoop Hive。关系数据库不适合这种高展现的分析。NoSQL数据库的崛起也增强了实时数据分析向他靠拢的趋势。 2、数据流处理 数据流可以通过许多方式处理，比如，分裂、合并、计算以及与外部数据源结合。这些工作由一个容错分布式数据库系统，比如， Storm、Hadoop，这些都是比较常用的大数据处理框架。但是他们却不是实时数据分析的理想选择。因为他们依赖MapReduce面向批量的处理。不过Hadoop 2.0允许使用其他计算算法代替MapReduce，这样使得Hadoop在实时分析系统中运用又进了一步。处理之后，数据就可以很可视化组件读取了。 3、数据可视化组件读取处理过的数据 处理过的数据以结构化的格式（比如JSON或者XML）存储在NoSQL数据库中，被可视化组件读取。在大多数情况下，这会是一个嵌入到一个内部BI系统的图表库，或者成为像Tableau这种更加广泛的可视化平台的一部分。处理过的数据在JSON/XML文件中的刷新频率，称为更新时间间隔。 4、可视化组件更新实时DASHBOARD 可视化组件从结构数据文件（JSON/XML）,在图表界面绘制一个图表、仪表或者其他可视化行为。处理过的数据在客户端展现的频率叫做刷新间隔时间。在一些应用程序中，比如带有图表渲染功能的股票交易应用程序,会预先设置基于数据流的触发功能。 会不会觉得很复杂呢？只不过这些过程会在几秒钟内，甚至更短时间内完成。这些操作因为不断进步的数据库及实时功能变成现实，特别是NoSQL数据库。再由诸如Storm这种专用于实时进程处理的工具辅助，可以让其性能效果更上一层能。现在的可视化数据已经支持需求场景，在当今的大数据应用程序中建立了一个实时分析生态圈。 推荐阅读： 商业智能分析中如何正确地选择实时图表解决方案 商业智能分析中选择实时图表解决方案应该考虑的四个因素 数据预测分析中的非结构化和半结构化数据问题 数据预测分析模式和影响因素 细说数据可视化的发展里程碑 数据可视化的下一个标准：自动化+交互性