可以在python和浏览器中保持"模型对象"之间的同步，就会出现更多额外的强大可能性:
- 使用python的全部功能，通过计算或查询响应浏览器中生成的UI和工具事件
- 自动将服务器端的数据更新推送到前端的展示
- 使用周期性、超时和异步回调来驱动数据流更新
所以，在python和浏览器之间进行同步的功能是Bokeh服务器的主要用途。
Bokeh服务器的适用场景
-
本地部署，个人使用
创建一个可以在本地运行的小应用程序，或者您可以将其发送给同事在本地运行。在这个场景中，Bokeh服务器非常有用且易于使用。 -
创建可部署的应用服务
发布交互式数据可视化和应用程序，这些可视化和应用程序可以被更广泛的受众查看和使用(可能是在internet上，也可能是在公司内部网络上)。 -
分享发布
用于支持多用户，多应用的开发环境。一方面是构架可用于执行多个Bokeh服务实例的环境，另一个方面针对用户或应用，可进行有效的区分和管理。
构建Bokeh应用程序
到目前为止，使用Bokeh服务器创建交互式数据可视化的最灵活方法是创建Bokeh应用程序，并使用Bokeh serve命令为它们提供服务。
在这个场景中，Bokeh服务器使用应用程序代码为所有连接的浏览器创建会话和文档。
[图片上传失败...(image-a94d18-1591083565242)]
Bokeh服务器使用应用程序代码创建Bokeh文档。来自浏览器的每个新连接都会导致Bokeh服务器为该会话创建一个新文档。
一个简单的Bokeh Server的例子
from bokeh.models import Slider, ColumnDataSource
from bokeh.io import curdoc
from bokeh.layouts import row
from bokeh.plotting import figure
from numpy.random import random
#Define the points that create the line plot
x = [1,2,3,4,5,6,7,8,9]
y = [2,3,4,5,6,7,8,9,10]
data_points = ColumnDataSource(data = {'x': x, 'y': y})
plot = figure(title = 'Random Line plot generator')
plot.line('x', 'y', source = data_points, color = 'red')
slider_widget = Slider(start = 0, end = 100, step = 1, value = 10)
def callback(attr, old, new):
points = slider_widget.value
data_points.data = {'x': random(points), 'y': random(points)}
slider_widget.on_change('value', callback)
layout = row(slider_widget, plot)
curdoc().add_root(layout)
使用boker server --show script_name.py 方式调用过程如下
bokeh_server_2.gif
网友评论