chart-visualization

图表可视化

Echarts

Echarts 一个使用 JavaScript 实现的开源可视化库，可以流畅的运行在 PC 和移动设备上，兼容当前绝大部分浏览器（IE8/9/10/11，Chrome，Firefox，Safari等），底层依赖轻量级的矢量图形库 ZRender，提供直观，交互丰富，可高度个性化定制的数据可视化图表

丰富的可视化类型
多种数据格式无需转换直接使用
千万数据的前端展现
移动端优化
多渲染方案，跨平台使用！
深度的交互式数据探索
多维数据的支持以及丰富的视觉编码手段
动态数据
绚丽的特效
通过 GL 实现更多更强大绚丽的三维可视化

Antv

AntV 是蚂蚁金服全新一代数据可视化解决方案，致力于提供一套简单方便、专业可靠、无限可能的数据可视化最佳实践。

G2 : 是以数据驱动，具有高度的易用性和扩展性的可视化图形语法。
G6 : 是一套便捷、动态和富有交互的流程图和关系分析的图表库。
F2 : 是一套为移动而生，开箱即用的可视化解决方案。
L7 : 是一套高性能，高渲染质量的地理空间数据可视化框架。

参考资料

zeppelin

Apache Zeppelin 是一个让交互式数据分析变得可行的基于网页的开源框架。Zeppelin提供了数据分析、数据可视化等功能。 Zeppelin 是一个提供交互数据分析且基于Web的笔记本。方便你做出可数据驱动的、可交互且可协作的精美文档，并且支持多种语言，包括 Scala(使用 Apache Spark)、Python(Apache Spark)、SparkSQL、 Hive、 Markdown、Shell等等

原理介绍

Zeppelin 中最核心的概念是 Interpreter--解释器，interpreter是一个插件允许用户使用一个指定的语言或数据处理器。每一个Interpreter都属于一个InterpreterGroup，同一个InterpreterGroup的Interpreters可以相互引用，例如SparkSqlInterpreter 可以引用 SparkInterpreter 以获取 SparkContext，因为他们属于同一个InterpreterGroup。当前已经实现的Interpreter有Scala(with Apache Spark)解释器，Python(with Apache Spark)解释器，SparkSQL解释器,JDBC，Markdown和shell等。

For example, to use Scala code in Zeppelin, you need %spark interpreter.

添加 Interpreter

在 interpreter 页面，点击 +Create，此时看到 Interpreter group, 会列举服务器上所有的 interpreters。

配置完 interpreter setting, 就可以添加新的 interpreter.

配置多个 Interpreter

每个 notebook 可以设置多个 Interpreter, 通过设置按钮。也可以改变顺序，等直接拖动即可。

关于 interpreter group

每个 interpreter 都属于一个单一的 Interpreter Group, 一个 Interpreter Group 可以包含多个 interpreter

关于 spark

Apache Spark 是专为大规模数据处理而设计的快速通用的计算引擎。

Spark interpreter group 包含以下 interpreter

%spark # Creates a SparkContext and provides a Scala environment
%spark.pyspark # Provides a Python environment
%spark.r # SparkRInterpreter Provides an R environment with SparkR support
%spark.sql # SparkSQLInterpreter Provides a SQL environment
%spark.dep # DepInterpreter Dependency loader

具体使用

参照官方提示 demo 即可

//表生成时问题
import org.apache.spark.{SparkContext, SparkConf}
val conf = new SparkConf().setAppName("RDD To DF")
conf.set("spark.driver.allowMultipleContexts","true"); //允许同时存在多个SparkContext
val sc = new SparkContext(conf)
val sqlContext = new org.apache.spark.sql.SQLContext(sc)
import sqlContext.implicits._
val bankText = sc.textFile("/user/yyw/data/bank/bank-full.csv")

zzugbb / share-docs

图表可视化 #5