CN114090838A - 大数据可视化展示的方法、***、电子装置和存储介质 - Google Patents
大数据可视化展示的方法、***、电子装置和存储介质 Download PDFInfo
- Publication number
- CN114090838A CN114090838A CN202210053794.2A CN202210053794A CN114090838A CN 114090838 A CN114090838 A CN 114090838A CN 202210053794 A CN202210053794 A CN 202210053794A CN 114090838 A CN114090838 A CN 114090838A
- Authority
- CN
- China
- Prior art keywords
- data
- node
- graph
- nodes
- values
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种大数据可视化展示的方法、***、电子装置和存储介质,其中,该方法包括:通过http请求获取离线子图数据,解析离线子图数据,并对离线子图数据中的所有节点数据进行分类排序;将分类后的节点数据映射到十进制颜色数值上,并对分类索引进行网格预布局,计算出网格上每个节点数据在笛卡尔直角坐标系下的坐标值;根据坐标值对每个节点进行可视化图形渲染,并绑定事件,得到宏观角度下的图数据展示形态。通过本申请,解决了解决了对图数据库中的大数据进行数据挖掘时,存在的信息冗余、决策不准确的问题,有效提高分析师的工作效率和从图数据中挖掘数据价值的能力。
Description
技术领域
本申请涉及图数据库技术领域,特别是涉及大数据可视化展示的方法、***、电子装置和存储介质。
背景技术
随着信息技术的不断发展,不同的场景下的海量关系数据被存储于计算机中,用于满足用户的数据查询或数据挖掘等需求。然而,现今针对数据库中海量数据的宏观展示、语义可视化展示等,一直没有很好的解决方案。
在相关技术中,数据分析人员往往只能从微观角度通过具体的数据索引进行自底向上的数据分析,从而造成业务图分析的信息冗余和决策不准确。
目前针对相关技术中,对图数据库中的大数据进行数据挖掘时,存在的信息冗余、决策不准确的问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种大数据可视化展示的方法、***、电子装置和存储介质,以至少解决相关技术中对图数据库中的大数据进行数据挖掘时,存在的信息冗余、决策不准确的问题。
第一方面,本申请实施例提供了一种大数据可视化展示的方法,所述方法包括:
通过http请求获取离线子图数据,解析所述离线子图数据,并对所述离线子图数据中的所有节点数据进行分类排序;
将分类后的节点数据映射到十进制颜色数值上,并对分类索引进行网格预布局,计算出网格上每个节点数据在笛卡尔直角坐标系下的坐标值;
根据所述坐标值对每个节点进行可视化图形渲染,并绑定事件,得到宏观角度下的图数据展示形态。
在其中一些实施例中,在通过http请求获取离线子图数据之前,所述方法包括:
连接图数据库,并获取图数据库中的数据表,通过图数据库语法创建空间全图数据的子图并离线计算所述子图,得到所述离线子图数据。
在其中一些实施例中,对所述离线子图数据中的所有节点数据进行分类排序包括:
构建邻接表,对所述所有节点数据的分类cdlp值进行排序,并按照所述分类cdlp值将所述所有节点数据分类聚合为不同的数组,生成cdlpMap并保存到所述邻接表中。
在其中一些实施例中,将分类后的节点数据映射到十进制颜色数值上,并对分类索引进行网格预布局,计算出网格上每个节点数据在笛卡尔直角坐标系下的坐标值包括:
对所述cdlpMap进行索引遍历,生成所述分类索引和第一数组;
对所述第一数组进行遍历,获取节点的当前索引信息和节点类型;
通过所述分类索引和所述当前索引信息,计算得到节点对应的在笛卡尔直角坐标系下的坐标值,并通过所述分类索引计算得到所述节点当前对应的十进制颜色数值。
在其中一些实施例中,根据所述坐标值对每个节点进行可视化图形渲染,并绑定事件包括:
通过canvas的fillArc函数,对所述每个节点进行遍历渲染;
根据所述每个节点的索引,通过color-tracker算法生成对应的索引颜色,记录到邻接表中,并通过d3-force物理引擎将所有节点聚集,得到所述宏观角度下的图数据展示形态。
在其中一些实施例中,在得到宏观角度下的图数据展示形态之后,所述方法包括:
通过构建数据库语句进行节点关系度查询,获取节点关系度;
将所述节点关系度进行尺寸归一化,并通过canvas API对所有节点进行图形重绘,得到微观角度下的图数据展示形态。
在其中一些实施例中,将所述节点关系度进行尺寸归一化,并通过canvas API对所有节点进行图形重绘包括:
通过构造图数据库的create graph、from graph语法,获取当前画布中的子图关系度,并通过所述子图中节点的出入度动态生成节点尺寸;
遍历所有节点,并获取所述所有节点的关系度的最大值和最小值,将节点归一化到所述节点尺寸的范围内,并保存到节点数据中;
在通过canvas API对所有节点进行图形重绘时,计算所述节点尺寸的平方根,得到较为平滑的节点半径,通过所述节点半径进行绘制。
第二方面,本申请实施例提供了一种大数据可视化展示的***,所述***包括:
获取解析模块,用于通过http请求获取离线子图数据,解析所述离线子图数据,并对所述离线子图数据中的所有节点数据进行分类排序;
预布局模块,用于将分类后的节点数据映射到十进制颜色数值上,并对分类索引进行网格预布局,计算出网格上每个节点数据在笛卡尔直角坐标系下的坐标值;
渲染绘制模块,用于根据所述坐标值对每个节点进行可视化图形渲染,并绑定事件,得到宏观角度下的图数据展示形态。
第三方面,本申请实施例提供了一种电子装置,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的大数据可视化展示的方法。
第四方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的大数据可视化展示的方法。
相比于相关技术,本申请实施例提供的大数据可视化展示的方法,通过http请求获取离线子图数据,解析离线子图数据,并对离线子图数据中的所有节点数据进行分类排序;将分类后的节点数据映射到十进制颜色数值上,并对分类索引进行网格预布局,计算出网格上每个节点数据在笛卡尔直角坐标系下的坐标值;根据坐标值对每个节点进行可视化图形渲染,并绑定事件,得到宏观角度下的图数据展示形态。
本申请不仅从宏观角度进行了大数据的可视化展示,还实现了从宏观到微观的自由切换,自顶向下,自宏观向微观的图数据挖掘,能有效提高分析师的工作效率和从图数据中挖掘数据价值的能力,解决了对图数据库中的大数据进行数据挖掘时,存在的信息冗余、决策不准确的问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的大数据可视化展示的方法的应用环境示意图;
图2是根据本申请实施例的大数据可视化展示的方法的流程图;
图3是根据本申请实施例的宏观角度下的图数据展示形态示意图;
图4是根据本申请实施例的微观角度下的图数据展示形态示意图;
图5是根据本申请实施例的大数据可视化展示的***的结构框图;
图6是根据本申请实施例的电子设备的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本申请提供的大数据可视化展示的方法,可以应用于如图1所示的应用环境中,图1是根据本申请实施例的大数据可视化展示的方法的应用环境示意图,如图1所示。其中,终端11与服务器10通过网络进行通信。服务器10通过http请求获取离线子图数据,解析离线子图数据,并对离线子图数据中的所有节点数据进行分类排序;将分类后的节点数据映射到十进制颜色数值上,并对分类索引进行网格预布局,计算出网格上每个节点数据在笛卡尔直角坐标系下的坐标值;根据坐标值对每个节点进行可视化图形渲染,并绑定事件,得到宏观角度下的图数据展示形态,在设备11上显示。其中,终端11可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器10可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
本实施例提供了一种大数据可视化展示的方法,图2是根据本申请实施例的大数据可视化展示的方法的流程图,如图2所示,该流程包括如下步骤:
步骤S201,通过http请求获取离线子图数据,解析离线子图数据,并对离线子图数据中的所有节点数据进行分类排序;
优选的,本实施例中,在通过http请求获取离线子图数据之前,首先,连接图数据库,选择并获取图数据库中对应的数据表,通过图数据库语法创建空间全图数据的子图并离线计算子图,得到离线子图数据。
接着,页面通过http请求获取上述得到的离线子图数据;
进一步地,解析离线子图数据,并通过正则表达式,构建得到相应的JSON数据,即将离线子图数据中的节点数据构建为JSON数据;
然后,对所有的节点数据进行分类排序,其中,具体步骤包括:
S1、构建邻接表;
S2、对所有节点数据的分类cdlp(community detection label propagation)值进行排序;
S3、按照分类cdlp值将所有节点数据分类聚合为不同的数组,生成cdlpMap并保存到邻接表中;
步骤S202,将分类后的节点数据映射到十进制颜色数值上,并对分类索引进行网格预布局,计算出网格上每个节点数据在笛卡尔直角坐标系下的坐标值;
优选的,本实施例中对分类后的节点数据进行网格预布局和坐标值计算,
具体地,首先,对步骤S201中生成的cdlpMap进行索引遍历,同时生成分类索引index和第一数组array;
接着,对第一数组array进行遍历,从而获取到具体的某个节点的当前索引信息subIndex及其节点的类型;
然后,通过分类索引index和当前索引信息subIndex进行自定义计算,例如分别乘以自定义的比例,计算得到节点对应的在笛卡尔直角坐标系下的坐标值,此外,还可以通过分类索引index计算得到节点当前对应的十进制颜色数值;
步骤S203,根据坐标值对每个节点进行可视化图形渲染,并绑定事件,得到宏观角度下的图数据展示形态。
图3是根据本申请实施例的宏观角度下的图数据展示形态示意图,如图3所示,本实施例中,根据上述得到的坐标值对每个节点进行可视化图像渲染,并绑定相应的事件,实现宏观角度下的图数据展示形态绘制的目的。
具体地,首先,通过canvas的fillArc函数,对每个节点进行遍历渲染;
然后根据所述每个节点的索引,通过color-tracker算法生成对应的索引颜色,并记录到邻接表中,实现事件绑定;根据索引颜色渲染shadowCanvas,当用户点击画布时,根据事件响应坐标,能获取到shadowCanvas上对应坐标的索引颜色,并通过索引颜色获取响应坐标下的节点;
与此同时,本实施例通过d3-force物理引擎将所有节点聚集,得到宏观角度下的图数据展示形态。具体地,调用d3-force算法,利用d3-force施加向心力、碰撞力和多体力将所有节点聚集,并配置d3-force最大帧数为50,运行d3-force监听,将所有节点的fx设为节点的x值,使节点固定下来,最终得到如图3所示的宏观绘制效果。实现宏观角度下对图数据的分析和挖掘。
在其中一些实施例中,在得到宏观角度下的图数据展示形态之后,用户可以通过点击节点实现宏观到微观的切换,具体步骤如下:
首先,根据索引颜色从邻接表中取出对应的节点数据;
接着,通过节点vid构造对应的图数据库查询语法,进行节点关系度查询,获取节点关系度;
最后,通过判断当前视图是否为宏观角度下的图数据展示形态,当判断是的情况下,清空全局视图的数据,并且重新设置当前视图中的数据并渲染,得到微观的子图视角;当判断不是的情况下,不同操作,即当前视图为微观角度下的图数据展示形态。
图4是根据本申请实施例的微观角度下的图数据展示形态示意图,如图4所示,本实施例中微观角度下的图数据展示形态的绘制步骤包括:
在获取节点关系度之后,通过构造图数据库的create graph、from graph语法,获取当前画布中的子图关系度,并通过子图中节点的出入度动态生成节点尺寸;
然后,遍历所有节点,并获取所有节点的关系度的最大值和最小值,将节点归一化到节点尺寸的范围内,并保存到节点数据中;
接着,在通过canvas API对所有节点进行图形重绘时,计算节点尺寸的平方根,得到较为平滑的节点半径,通过节点半径进行绘制;
最后,绘制得到微观角度下的图数据展示形态。
需要说明的是,图4中各个节点之间的不同连线表示节点之间的节点关系度,例如,like表示喜欢度、teammate表示队友、serve表示服务于等。
通过上述步骤S201至步骤S203,本实施例不仅从宏观角度进行了大数据的可视化展示,还实现了从宏观到微观的自由切换,自顶向下,自宏观向微观的图数据挖掘,能有效提高分析师的工作效率和从图数据中挖掘数据价值的能力,解决了对图数据库中的大数据进行数据挖掘时,存在的信息冗余、决策不准确的问题。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种大数据可视化展示的***,该***用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本申请实施例的大数据可视化展示的***的结构框图,如图5所示,该***包括获取解析模块51、预布局模块52和渲染绘制模块53:
获取解析模块51,用于通过http请求获取离线子图数据,解析离线子图数据,并对离线子图数据中的所有节点数据进行分类排序;预布局模块52,用于将分类后的节点数据映射到十进制颜色数值上,并对分类索引进行网格预布局,计算出网格上每个节点数据在笛卡尔直角坐标系下的坐标值;渲染绘制模块53,用于根据坐标值对每个节点进行可视化图形渲染,并绑定事件,得到宏观角度下的图数据展示形态。
通过上述***,本实施例不仅从宏观角度进行了大数据的可视化展示,还实现了从宏观到微观的自由切换,自顶向下,自宏观向微观的图数据挖掘,能有效提高分析师的工作效率和从图数据中挖掘数据价值的能力,解决了对图数据库中的大数据进行数据挖掘时,存在的信息冗余、决策不准确的问题。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
此外,需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
本实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
另外,结合上述实施例中的大数据可视化展示的方法,本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种大数据可视化展示的方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种大数据可视化展示的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
在一个实施例中,图6是根据本申请实施例的电子设备的内部结构示意图,如图6所示,提供了一种电子设备,该电子设备可以是服务器,其内部结构图可以如图6所示。该电子设备包括通过内部总线连接的处理器、网络接口、内存储器和非易失性存储器,其中,该非易失性存储器存储有操作***、计算机程序和数据库。处理器用于提供计算和控制能力,网络接口用于与外部的终端通过网络连接通信,内存储器用于为操作***和计算机程序的运行提供环境,计算机程序被处理器执行时以实现一种大数据可视化展示的方法,数据库用于存储数据。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域的技术人员应该明白,以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种大数据可视化展示的方法,其特征在于,所述方法包括:
通过http请求获取离线子图数据,解析所述离线子图数据,并对所述离线子图数据中的所有节点数据进行分类排序;
将分类后的节点数据映射到十进制颜色数值上,并对分类索引进行网格预布局,计算出网格上每个节点数据在笛卡尔直角坐标系下的坐标值;
根据所述坐标值对每个节点进行可视化图形渲染,并绑定事件,得到宏观角度下的图数据展示形态。
2.根据权利要求1所述的方法,其特征在于,在通过http请求获取离线子图数据之前,所述方法包括:
连接图数据库,并获取图数据库中的数据表,通过图数据库语法创建空间全图数据的子图并离线计算所述子图,得到所述离线子图数据。
3.根据权利要求1所述的方法,其特征在于,对所述离线子图数据中的所有节点数据进行分类排序包括:
构建邻接表,对所述所有节点数据的分类cdlp值进行排序,并按照所述分类cdlp值将所述所有节点数据分类聚合为不同的数组,生成cdlpMap并保存到所述邻接表中。
4.根据权利要求3所述的方法,其特征在于,将分类后的节点数据映射到十进制颜色数值上,并对分类索引进行网格预布局,计算出网格上每个节点数据在笛卡尔直角坐标系下的坐标值包括:
对所述cdlpMap进行索引遍历,生成所述分类索引和第一数组;
对所述第一数组进行遍历,获取节点的当前索引信息和节点类型;
通过所述分类索引和所述当前索引信息,计算得到节点对应的在笛卡尔直角坐标系下的坐标值,并通过所述分类索引计算得到所述节点当前对应的十进制颜色数值。
5.根据权利要求1-4任一项所述的方法,其特征在于,根据所述坐标值对每个节点进行可视化图形渲染,并绑定事件包括:
通过canvas的fillArc函数,对所述每个节点进行遍历渲染;
根据所述每个节点的索引,通过color-tracker算法生成对应的索引颜色,记录到邻接表中,并通过d3-force物理引擎将所有节点聚集,得到所述宏观角度下的图数据展示形态。
6.根据权利要求1所述的方法,其特征在于,在得到宏观角度下的图数据展示形态之后,所述方法包括:
通过构建数据库语句进行节点关系度查询,获取节点关系度;
将所述节点关系度进行尺寸归一化,并通过canvas API对所有节点进行图形重绘,得到微观角度下的图数据展示形态。
7.根据权利要求6所述的方法,其特征在于,将所述节点关系度进行尺寸归一化,并通过canvas API对所有节点进行图形重绘包括:
通过构造图数据库的create graph、from graph语法,获取当前画布中的子图关系度,并通过所述子图中节点的出入度动态生成节点尺寸;
遍历所有节点,并获取所述所有节点的关系度的最大值和最小值,将节点归一化到所述节点尺寸的范围内,并保存到节点数据中;
在通过canvas API对所有节点进行图形重绘时,计算所述节点尺寸的平方根,得到较为平滑的节点半径,通过所述节点半径进行绘制。
8.一种大数据可视化展示的***,其特征在于,所述***包括:
获取解析模块,用于通过http请求获取离线子图数据,解析所述离线子图数据,并对所述离线子图数据中的所有节点数据进行分类排序;
预布局模块,用于将分类后的节点数据映射到十进制颜色数值上,并对分类索引进行网格预布局,计算出网格上每个节点数据在笛卡尔直角坐标系下的坐标值;
渲染绘制模块,用于根据所述坐标值对每个节点进行可视化图形渲染,并绑定事件,得到宏观角度下的图数据展示形态。
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的大数据可视化展示的方法。
10.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行权利要求1至7中任一项所述的大数据可视化展示的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210053794.2A CN114090838B (zh) | 2022-01-18 | 2022-01-18 | 大数据可视化展示的方法、***、电子装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210053794.2A CN114090838B (zh) | 2022-01-18 | 2022-01-18 | 大数据可视化展示的方法、***、电子装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114090838A true CN114090838A (zh) | 2022-02-25 |
CN114090838B CN114090838B (zh) | 2022-06-14 |
Family
ID=80308757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210053794.2A Active CN114090838B (zh) | 2022-01-18 | 2022-01-18 | 大数据可视化展示的方法、***、电子装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114090838B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115827922A (zh) * | 2022-12-08 | 2023-03-21 | 华润网络(深圳)有限公司 | 基于风电数据的可视化分析处理方法、***和计算机设备 |
CN116502716A (zh) * | 2023-06-27 | 2023-07-28 | 深圳大学 | 一种知识图谱的布局方法、装置、设备及介质 |
CN116630567A (zh) * | 2023-07-24 | 2023-08-22 | 中国电子科技集团公司第十五研究所 | 面向数字地球的椭球路线型切片的几何建模及渲染方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07152919A (ja) * | 1993-09-24 | 1995-06-16 | At & T Corp | クラスタ採用グラフ |
CN111061921A (zh) * | 2019-12-04 | 2020-04-24 | 智器云南京信息科技有限公司 | 一种图像布局实现方法、***、终端设备和存储介质 |
CN112148932A (zh) * | 2020-10-12 | 2020-12-29 | 平安科技(深圳)有限公司 | 可视化方法、***、计算机设备和存储介质 |
CN113010612A (zh) * | 2021-03-02 | 2021-06-22 | 中国工商银行股份有限公司 | 一种图数据可视化构建方法、查询方法及装置 |
CN113158391A (zh) * | 2021-04-30 | 2021-07-23 | 中国人民解放军国防科技大学 | 多维网络节点分类的可视化方法、***、设备和存储介质 |
CN113867850A (zh) * | 2020-06-29 | 2021-12-31 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、设备和存储介质 |
-
2022
- 2022-01-18 CN CN202210053794.2A patent/CN114090838B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07152919A (ja) * | 1993-09-24 | 1995-06-16 | At & T Corp | クラスタ採用グラフ |
CN111061921A (zh) * | 2019-12-04 | 2020-04-24 | 智器云南京信息科技有限公司 | 一种图像布局实现方法、***、终端设备和存储介质 |
CN113867850A (zh) * | 2020-06-29 | 2021-12-31 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、设备和存储介质 |
CN112148932A (zh) * | 2020-10-12 | 2020-12-29 | 平安科技(深圳)有限公司 | 可视化方法、***、计算机设备和存储介质 |
CN113010612A (zh) * | 2021-03-02 | 2021-06-22 | 中国工商银行股份有限公司 | 一种图数据可视化构建方法、查询方法及装置 |
CN113158391A (zh) * | 2021-04-30 | 2021-07-23 | 中国人民解放军国防科技大学 | 多维网络节点分类的可视化方法、***、设备和存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115827922A (zh) * | 2022-12-08 | 2023-03-21 | 华润网络(深圳)有限公司 | 基于风电数据的可视化分析处理方法、***和计算机设备 |
CN115827922B (zh) * | 2022-12-08 | 2024-02-27 | 华润网络(深圳)有限公司 | 基于风电数据的可视化分析处理方法、***和计算机设备 |
CN116502716A (zh) * | 2023-06-27 | 2023-07-28 | 深圳大学 | 一种知识图谱的布局方法、装置、设备及介质 |
CN116502716B (zh) * | 2023-06-27 | 2023-09-26 | 深圳大学 | 一种知识图谱的布局方法、装置、设备及介质 |
CN116630567A (zh) * | 2023-07-24 | 2023-08-22 | 中国电子科技集团公司第十五研究所 | 面向数字地球的椭球路线型切片的几何建模及渲染方法 |
CN116630567B (zh) * | 2023-07-24 | 2023-09-29 | 中国电子科技集团公司第十五研究所 | 面向数字地球的椭球路线型切片的几何建模及渲染方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114090838B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114090838B (zh) | 大数据可视化展示的方法、***、电子装置和存储介质 | |
Protopsaltis et al. | Data visualization in internet of things: tools, methodologies, and challenges | |
CN113435602A (zh) | 确定机器学习样本的特征重要性的方法及*** | |
CN104820708B (zh) | 一种基于云计算平台的大数据聚类方法和装置 | |
CN111523677B (zh) | 实现对机器学习模型的预测结果进行解释的方法及装置 | |
CN111753094B (zh) | 事件知识图谱的构建方法、装置及事件确定方法、装置 | |
US10586358B1 (en) | System and method for visualization of beacon clusters on the web | |
CN108665513B (zh) | 基于用户行为数据的绘图方法和装置 | |
US20140325405A1 (en) | Auto-completion of partial line pattern | |
CN113010612A (zh) | 一种图数据可视化构建方法、查询方法及装置 | |
CN111460011A (zh) | 页面数据展示方法、装置、服务器及存储介质 | |
CN114021156A (zh) | 漏洞自动化聚合的整理方法、装置、设备以及存储介质 | |
Thangaraj et al. | Mgephi: Modified gephi for effective social network analysis | |
US10839571B2 (en) | Displaying large data sets in a heat map | |
US11782923B2 (en) | Optimizing breakeven points for enhancing system performance | |
Wang et al. | A novel visual analytics approach for clustering large-scale social data | |
CN112905931B (zh) | 页面信息的展示方法、装置、电子设备及存储介质 | |
Trovati et al. | An analytical tool to map big data to networks with reduced topologies | |
US11574215B2 (en) | Efficiency driven data collection and machine learning modeling recommendation | |
CN110781378B (zh) | 数据图形化处理方法、装置、计算机设备及存储介质 | |
Schulz et al. | A framework for visual data mining of structures | |
Li et al. | A real-time machine learning and visualization framework for scientific workflows | |
US10176607B2 (en) | Interactive pattern detection in data sets | |
US11928123B2 (en) | Systems and methods for network explainability | |
CN110457122B (zh) | 任务处理方法、任务处理装置和计算机*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220519 Address after: 311100 room 2201, building 5, era future city, Cangqian street, Yuhang District, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Yueshu Technology Co.,Ltd. Address before: 311100 rooms 2008, 2009, 2010, 2011 and 2012, building 4, Euro American Financial City, Cangqian street, Yuhang District, Hangzhou City, Zhejiang Province Applicant before: Hangzhou ouruozhi Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |