使用Highcharts和InfluxDB可视化时间序列数据
实时绘制大量带时间戳的数据往往是一项棘手的任务,需要相当多的技巧和过多的耐心。幸运的是,我们已经有了InfluxData平台来为我们提供开箱即用的许多困难。我们可以高效,安全地收集和存储数据,构建可视化,甚至设置警报。
本教程提供了一个简短的指南,通过Highcharts图表库可视化来自InfluxDB(专用时间序列数据存储)的时间序列数据。
如您所见,这里发生了一些不同的事情。Highcharts库附带方法chart(),它接受两个参数:用于呈现图表的目标元素和一个options对象,您可以在其中指定各种属性,如样式,标题,图例,系列,类型,plotOptions和等等。 让我们来看看每个选项:
colors:[array] - colors属性接受十六进制代码数组,这些代码表示图表的默认颜色方案。如果所有颜色都用完了,那么所需的任何新颜色都会导致阵列再次循环。
chart:{object} - chart属性接受具有各种附加属性的对象,包括type,zoomtype,animation,events,description和许多样式属性。在这种情况下,我给出了背景线性渐变,并将类型指定为样条曲线。
title:{object} - 这表示图表的主标题,并且可以另外给出一个样式对象来使某些事情变得更好。
xAxis:{object} - 在这种情况下,因为我正在使用时间序列数据,我知道x轴总是时间所以我可以将类型指定为'datetime',并且比例将自动调整到适当的时间单位。但是,这里还有许多其他选项,包括样式,标签,自定义刻度位置,对数或线性类型。
yAxis:{object} - 与xAxis属性类似,y轴采用一个对象,并且可以访问许多选项来自定义图表y轴的设计和样式。在这种情况下,我只指定了y轴标题,并推迟到Highcharts自动刻度位置。
plotOptions:{object} - plotOptions属性是每个系列类型的配置对象的包装器对象。还可以为系列数组中给出的单个系列项覆盖每个系列的配置对象。在这里,我使用了plotOptions.series属性来覆盖默认的turboThreshold 1000并将其更改为2000.这允许绘制更多数据点(超过默认值1000)。根据文档,系列的conf选项可以在三个不同的级别访问。如果要定位图表中的所有系列,可以使用plotOptions.series对象。对于特定类型的系列,您将访问该类型的plotOptions。例如,要将图表类型为“line”的plotOptions定位,您将访问plotOptions.line对象。最后,
series:[array]或{object} - 这是您传递数据的地方。您还可以定义要传入的数据的类型,为其命名,并为其定义其他plotOptions。
结果显示在下面的图表中:
结论
时间序列数据可以通过许多不同的方式可视化,以使可能性无穷无尽。这篇文章只展示了时间序列数据可视化的一个例子。
- 手把手教你使用Dygraphs可视化时间序列数据(附代码、链接)
- 使用R进行数据可视化套路之-散点图、图形分隔、时间序列
- 使用Grafana展示时间序列数据
- 使用matplotlib绘制不连续时间序列的OHLC数据
- 【Highcharts教程】使用NodeJS和Highcharts可视化维基百科数据
- MetricGraphics.js – 时间序列数据的可视化
- geotrellis使用(二十三)动态加载时间序列数据
- CNTK API文档翻译(10)——使用LSTM预测时间序列数据
- CNTK API文档翻译(11)——使用LSTM预测时间序列数据(物联网数据)
- 人工智能:python 实现 第十一章,使用Pandas处理时间序列数据
- Facebook开源时间序列内存数据库Beringei,追求极致压缩率——如果是int根据大多数时间序列中的值与相邻数据点相比并没有显著的变化,只要使用XOR将当前值与先前值进行比较,然后存储发生变化的比特。最终,该算法将整个数据集至少压缩了90%
- 使用 Django Highcharts 实现数据可视化
- Highcharts使用指南,可使用漂亮的按时间滚动数据图表
- ElasticSearch 使用不同表结构存储时间序列数据的查询效率分析
- Python中如何使用以及去除时间序列数据中的趋势信息
- MySQL日期数据类型、时间类型使用总结
- 【ZooKeeper Notes 25】ZooKeeper运维之使用SnapshotFormatter可视化快照数据
- linux ------ 时间管理、内存使用及内核与用户间的数据传递
- MySQL日期数据类型、时间类型使用总结
- 一天内用户使用互联网时间数据分析