可視化流數據

目錄
前言 1
第1 章 概述 9
為什么要可視化 10
標準 11
術語 12
數據格式 13
數據可視化應用 14
假設和設置 15
第2 章 目標 17
展示目標 18
預批處理分析 24
分析人員決策隊列 25
數據管道可視化 26
展示地圖上的運動 27
提出新問題 27
考慮頻率和順序 28
第3 章 數據源 31
數據源類型 32
流式處理的對象 32
數據存儲注意事項 33
管理多個源 35
第4 章 流式處理數據 39
如何流式處理數據 40
緩沖區(qū) 43
流式處理最佳實踐 45
第5 章 為可視化處理流數據 47
批處理 47
內聯處理 48
處理模式 48
查找 53
標準化事件 55
提取值 56
JSON Collection Decorator 57
處理清單 58
流統計信息 60
記錄上下文清單 63
擴展數據流 63
展示處理 66
第6 章 開發(fā)客戶端 69
原生或基于瀏覽器開發(fā) 70
框架和庫 71
常用方法 71
從示例客戶端應用程序開始 72
客戶端庫 73
代碼結構 74
替代方法 76
第7 章 展示流數據 79
顯示流數據 80
儀表板 83
視覺元素和屬性 84
數據密度 95
劃分時間 96
存活時間 97
上下文 99
視覺語言 101
適當顯示 103
第8 章 可視化組件 107
記錄 107
統計數據 109
可視化 112
常見可視化的流選項 114
流可視化技術 119
條形圖示例 123
靜態(tài)信息 126
第9 章 流分析 129
視覺干擾 130
視覺欺騙 130
認知偏差 132
分析模型 133
視覺分析 135
流分析工作流 136
上下文感知 138
異常值示例 139
第10 章 工作流可視化 143
更新處理 144
與可視化交互 145
存儲決策 147
第11 章 流數據儀表板 151
布局 152
流向 157
組件移動 159
自動駕駛 161
第12 章 機器學習 163
機器學習入門 163
機器學習與流數據可視化 166
展示機器學習結果 166
監(jiān)督學習與持續(xù)調優(yōu) 171
展示未預期情況 173
機器學習決定顯示什么 174
第13 章 協作 177
為什么協作 177
分享 180
第14 章 導出 183
配置 184
數據集 187
流回放報告 187
靜態(tài)報告 188
提交數據提要的處理更新 190
第15 章 用例 191
安全性 192
機器學習交互 192
智能設備（又稱物聯網） 193
品牌監(jiān)督 194
輿論 194
應用程序數據 195
錯誤監(jiān)控 195
協作 196
工作流 197
分析人員的輸入 197
數據探索 198
示例 199
第16 章 總結與參考 205
提到的鏈接 205
數據 205
轉換與過濾 206
展示儀表板和組件 207
交互和操作 207
系統之外 208