[PYTHON] Einfache Analyse und gemeinsame Nutzung mit re: dash, einem Open-Source-Tool zur Datenvisualisierung Teil 1 - Installation

Beim Betrieb von Webdiensten, sozialen Spielen usw. sammeln sich numerische Daten an. Es ist sehr wichtig, die numerischen Daten zu analysieren und für die nächste Messung zu verwenden.

Es ist auch gut, die Rohdaten mit MySQL usw. zu erfassen, als numerischen Wert auszugeben und das Diagramm in Excel einzufügen, aber es braucht jedes Mal Zeit, dies zu tun. Im Idealfall können Direktoren, Ingenieure und jeder die gewünschten Zahlen finden.

Es gibt Tools wie Tableau, deren Anschaffung jedoch zu teuer ist. Selbst wenn Sie alleine sind und es mit einem Team teilen möchten, beträgt die Lizenzgebühr Hunderttausende.

Also Open Source re: dash. (Obwohl es notwendig sein kann, nur SQL zu drücken)

Umgebung

Ich gehe davon aus, dass Sie die neueste Version von Amazon Linux mit EC2 erstellt haben. Amazon Linux AMI 2015.09.1 (HVM), SSD Volume Type - ami-383c1956

re:dash

re:dash

re: dash arbeitet mit Datenquellen wie Redshift und MySQL zusammen, um diese Daten zu visualisieren. Da re: dash selbst ein Webserver ist, können Sie die visualisierten Daten in Ihrem Browser überprüfen. Da re: dash Open Source ist, kann es außerdem kostenlos erstellt werden.

Ich habe versucht, es selbst auf einem Mac oder EC2 Amazon Linux zu erstellen, aber es ist ziemlich schwierig zu installieren. Wenn Sie Nginx, Gunicorn, Supervisord, Sellerie, Redis, Postgresql usw. nicht kennen, ist das Debuggen schwierig, wenn Sie nicht bauen können. Erstens habe ich ein Skript für Amazon Linux, aber ich kann es nicht installieren, da das Skript bereits fehlerhaft ist.

Mit Ubuntu und Docker ist es einfach, aber ich wollte es auf Amazon Linux bauen. Also habe ich re: dash gegabelt und das Installationsskript repariert, damit es mit Ansible auf EC2 installiert werden kann.

Repository

Verfassung

re: dash verwendet Flask. Wenn Sie das Problem beheben möchten, können Sie Python verwenden. Nginx ist vorne, aber ich denke nicht, dass es notwendig ist. Die Hauptdatenbank von re: dash ist PostgreSQL. Ich brauche nicht nur re: dash für MySQL, sondern habe es installiert, weil ich es als Datenquelle verwenden möchte.

server_pptx.png

Installationsverfahren

Sie können es wie folgt installieren. Bitte haben Sie Ansible installiert.

Klon git clone https://github.com/wapa5pow/ansible-redash-amazon-linux

Machen Sie Hosts zu einem von EC2. EC2 hält SSH- und HTTP-Ports offen cd ansible-redash-amazon-linux vi hosts

Legen Sie your-private-key.pem als privaten EC2-SSH-Schlüssel fest und gehen Sie wie folgt vor ansible-playbook site.yml --private-key=~/.ssh/your-private-key.pem -u ec2-user -i hosts

Wenn Ansible fehlschlägt, wiederholen Sie den obigen Befehl erneut und es wird erfolgreich sein.

Verwendung von re: dash

Einloggen

Melden Sie sich als admin / admin an.

re_dash_Login.png

Datenquelle hinzufügen

re: dash stellt eine Verbindung zu verschiedenen Datenbanken her. Um jedoch MySQL hinzuzufügen, das auf derselben Instanz installiert ist, gehen Sie wie folgt vor.

re_dash___Data_Sources.png

re_dash___Data_Sources.png

Abfrage erstellen

Erstellen Sie nach dem Erstellen der Datenquelle eine Abfrage.

re_dash___Country_Analytics.png

Visualisierung

Sie können Diagramme usw. unter "+ Neue Visualisierung" am unteren Rand desselben Bildschirms aus der ausgegebenen Abfrage erstellen.

re_dash___Country_Analytics.png

Erstellen eines Dashboards

Sie können ein Dashboard erstellen, indem Sie visualisierte Diagramme erfassen. Wenn Sie es hier zusammenfassen, scheint es einfach zu sein, den KPI regelmäßig zu überprüfen.

re_dash___Home.png

re_dash___Home.png

re_dash___国ごとの統計.png

スクリーンショット_2016-01-26_12_13_02.png

Zusammenfassung

Nächstes Mal werde ich vorstellen, welche Art von Visualisierung durchgeführt werden kann.

Recommended Posts

Einfache Analyse und gemeinsame Nutzung mit re: dash, einem Open-Source-Tool zur Datenvisualisierung Teil 1 - Installation
Einfache Analyse und gemeinsame Nutzung mit re: dash, einem Open-Source-Tool zur Datenvisualisierung Teil 2 ~ Graph
Einfache gemeinsame Nutzung von Analysen mit re: dash, einem Open-Source-Tool zur Datenvisualisierung Teil 4 ~ Pivot-Tabelle
Einfache Analyse und gemeinsame Nutzung mit re: dash, einem Open-Source-Tool zur Datenvisualisierung Teil 2 ~ Graph
Einfache gemeinsame Nutzung von Analysen mit re: dash, einem Open-Source-Tool zur Datenvisualisierung Teil 4 ~ Pivot-Tabelle
Einfache Analyse und gemeinsame Nutzung mit re: dash, einem Open-Source-Tool zur Datenvisualisierung Teil 1 - Installation
Versuchen Sie, CloudWatch-Metriken mit der Python-Datenquelle re: dash abzurufen
Visualisieren Sie Ihre Daten ganz einfach mit Python Seaborn.
Datenanalyse beginnend mit Python (Datenvisualisierung 1)
Datenanalyse beginnend mit Python (Datenvisualisierung 2)
Python-Visualisierungstool für die Datenanalyse
Schöne Grafikzeichnung mit Python-Seaborn erleichtert die Datenanalyse und -visualisierung Teil 1
Wunderschönes Zeichnen mit Python-Seaborn erleichtert die Datenanalyse und -visualisierung Teil 2
Schöne Grafikzeichnung mit Python-Seaborn erleichtert die Datenanalyse und -visualisierung Teil 1
Wunderschönes Zeichnen mit Python-Seaborn erleichtert die Datenanalyse und -visualisierung Teil 2
Versuchen Sie, CloudWatch-Metriken mit der Python-Datenquelle re: dash abzurufen
Visualisieren Sie Ihre Daten ganz einfach mit Python Seaborn.
Datenanalyse beginnend mit Python (Datenvisualisierung 1)
Datenanalyse beginnend mit Python (Datenvisualisierung 2)
[In-Database Python Analysis-Lernprogramm mit SQL Server 2017] Schritt 3: Erkunden und Visualisieren von Daten
Visualisierung und Analyse von Stava Twitter-Datenstandortinformationen
Python-Visualisierungstool für die Datenanalyse
Implementieren Sie "Data Visualization Design # 3" mit Pandas und Matplotlib
Verarbeitung und Beurteilung des Datenanalyseplans (Teil 1)
Verarbeitung und Beurteilung des Datenanalyseplans (Teil 2)
Holen Sie sich mit Python eine große Menge von Starbas Twitter-Daten und probieren Sie die Datenanalyse Teil 1 aus