《大数据》配套之八：第章大数据可视化

,全国高校标准教材,云计算,姊妹篇，剖析大数据核心技术和实战应用,大数据,刘鹏主编张燕张重生张志立 副主编,BIG DATA,刘 鹏,教授，清华大学博士。现任南京大数据研究院院长、中国信息协会大数据分会副会长,、中国大数据技术与应用联盟副,理事长。,主持完成科研项目,25,项，发表论文,80,余篇，出版专业书籍,15,本。获部级科技进步二等奖,4,项、三等奖,4,项。主编的,云计算,被全国高校普遍采用，被引用量在国内计算机图书类排名居前。创办了知名的中国云计算（,）和中国大数据（,）网站。,曾率队夺得,2002 PennySort,国际计算机排序比赛冠军，两次夺得全国高校科技比赛最高奖，并三次夺得清华大学科技比赛最高奖。,荣获“全军十大学习成才标兵”（排名第一）、南京“十大杰出青年”、江苏省中青年科学技术带头人、清华大学“学术新秀”等称号。,第七章大数据概念与应用,7.1,数据可视化基础,7.2,大数据可视化方法,7.3,大数据可视化软件与工具,习题,全国高校标准教材,云计算,姊妹篇，剖析大数据核心技术和实战应用,of,41,3,7.1,数据可视化基础,第七章 大数据可视化,of,41,4,大数据可视化核心问题,随着,互联网技术的发展，尤其是移动互联技术的发展，网络空间的数据量呈现出爆炸式增长。,如何从这些数据中快速获取自己想要的信息，并以一种直观、形象的方式展现出来？这就是大数据可视化要解决的核心问题,。,数据可视化解释,数据可视化，最早可追溯到,20,世纪,50,年代，它是一门关于数据视觉表现形式的科学技术研究。数据可视化是一个处于不断演变之中的概念，其边界在不断地扩大，主要指的是技术上较为高级的技术方法，而这些技术方法允许利用图形图像处理、计算机视觉及用户界面，通过表达、建模，以及对立体、表面、属性及动画的显示，对数据加以可视化解释。,本章重点讲解,与,立体建模之类的特殊技术方法相比，数据可视化所涵盖的技术方法要广泛得多。本章将重点对,大数据可视化的基础知识、基本概念及大数据可视化的常用工具,进行详细讲解。,7.1,数据可视化基础,第七章 大数据可视化,可视化的,基本特征,易懂性,必然性,片面性,专业性,数据可视化的片面性特征要求可视化模式不能替代数据本身，只能作为数据表达的一种特定,形式,专业化特征是人们从可视化模型中提取专业知识的环节，它是数据可视化应用的最后,流程,可视化可以使得碎片化的数据转换为具有特定结构的知识，从而为决策支持提供,帮助,大数据所产生的数据,量必然,要求人们对数据进行归纳总结，对数据的结构和形式进行转换,处理,of,41,5,可视化的基本特征,7.1,数据可视化基础,第七章 大数据可视化,可视化的目标和作用,数据,可视化的作用主要包括数据表达、数据操作和数据分析,3,个方面，它是以可视化技术支持计算机辅助数据认识的,3,个基本阶段。,数据表达,数据表达是通过计算机图形图像技术来更加友好地展示数据信息，方便人们阅读、理解和运用数据。常见的形式如文本、图表、图像、二维图形、三维模型、网络图、树结构、符号和电子地图等。,数据操作,数据操作是以计算机提供的界面、接口、协议等条件为基础完成人与数据的交互需求，数据操作需要友好的人机交互技术、标准化的接口和协议支持来完成对多数据集合或者分布式的操作。,数据分析,数据可视化可以有效地表达数据的各类特征，帮助人们推理和分析数据背后的客观规律，进而获得相关知识，提高人们认识数据的能力和利用数据的水平。,of,41,6,7.1,数据可视化基础,第七章 大数据可视化,数据可视化流程,数据获取,主动式,是以明确的数据需求为目的,，如,卫星影像、测绘工程等；被动式是以数据平台为基础，由数据平台的活动者提供数据来源，如电子商务、网络论坛等。,数据处理,数据处理是指对原始的数据进行质量分析、预处理和计算等步骤。数据处理的目标是保证数据的准确性、可用性。,1,2,可视化模式,可视化模式是数据的一种特殊展现形式，常见的可视化模式有标签云、序列分析、网络结构、电子地图等。可视化模式的选取决定了可视化方案的雏形。,可视化应用,可视化应用主要根据用户的主观需求展开，最主要的应用方式是用来观察和展示，通过观察和人脑分析进行推理和认知，辅助人们发现新知识或者得到新结论。,3,4,of,41,7,第七章大数据概念与应用,7.1,数据可视化基础,7.2,大数据可视化方法,7.3,大数据可视化软件与工具,习题,全国高校标准教材,云计算,姊妹篇，剖析大数据核心技术和实战应用,of,41,8,7.2,大数据可视化方法,第七章 大数据可视化,文本可视化,标签云,of,41,9,如,图所,示是一种称为标签云（,Word Clouds,或,Tag Clouds,）的典型的文本可视化技术。它将关键词根据词频或其他规则进行排序，按照一定规律进行布局排列，用大小、颜色、字体等图形属性对关键词进行可视化。一般用字号大小代表该关键词的重要性，该技术多用于快速识别网络媒体的主题热度。,7.2,大数据可视化方法,第七章 大数据可视化,动态文本时序信息可视化,有些,文本的形成和变化过程与时间是紧密相关的，因此，如何将动态变化的文本中时间相关的模式与规律进行可视化展示，是文本可视化的重要内容。引入时间轴是一类主要方法，常见的技术以河流图居多。河流图按照其展示的内容可以划分为主题河流图、文本河流图及事件河流图等。,of,41,10,7.2,大数据可视,化,化方法,第七章 大,数,数据可视化,网络图可视,化,化,（,1,）,Nodal,研究人员及其组,织,织机构社会,网,网络图,（,2,）,基于节点连,接,接的图和树,可,可视化方法,of,41,11,7.2,大数据可视,化,化方法,第七章 大,数,数据可视化,网络图可视,化,化,of,41,12,（,3,）基于空间,填,填充的树可,视,视化,（,4,）基于边捆,绑,绑的大规模,密,密集图可视,化,化,7.2,大数据可视,化,化方法,第七章 大,数,数据可视化,时空数据可,视,视化,流式地图,结合了捆绑,技,技术的流式,地,地图,结合了密度,图,图技术的流,式,式地图,of,41,13,7.2,大数据可视,化,化方法,第七章 大,数,数据可视化,时空数据可,视,视化,时空立方体,融合散点图,与,与密度图技,术,术的时空立,方,方体,融合堆积图,技,技术的时空,立,立方体,of,41,14,7.2,大数据可视,化,化方法,第七章 大,数,数据可视化,多维数据可,视,视化,of,41,15,1,、散点图,（,Scatter Plot,）,散点图（,Scatter Plot,）是最为常,用,用的多维可,视,视化方法。,二,二维散点图,将,将多个维度,中,中的两个维,度,度属性值集,合,合映射至两,条,条轴，在二,维,维轴确定的,平,平面内通过,图,图形标记的,不,不同视觉元,素,素来反映其,他,他维度属性值,。,二维散点图,能,能够展示的,维,维度十分有,限,限，研究者,将,将其扩展到,三,三维空间，,通,通过可旋转,的,的,Scatter Plot,方块（,dice,）扩展了可,映,映射维度的,数,数目，如图所示。散点图,适,适合对有限,数,数目的较为,重,重要的维度,进,进行可视化,，,，通常不适,于,于需要对所,有,有维度同时,进,进行展示的,情,情况。,7.2,大数据可视,化,化方法,第七章 大,数,数据可视化,多维数据可,视,视化,2,、,投影,（,Projection,）,投影,是,能够同时展示多维的可视化方法之一,。,VaR,将各维度属性列集合通过投影函数映射到一个方块形图形标记中，并根据维度之间的关联度对各个小方块进行布局,。,基于,投影的多维可视化方法一方面反映了维度属性值的分布规律，同时也直观地展示了多维度之间的语义,关系。,of,41,16,7.2,大数据可视,化,化方法,第七章 大,数,数据可视化,多维数据可,视,视化,3,、平行坐标,（,Parallel Coordinates,）,平行坐标是研究和应用,最,最为广泛的,一,一种多维可,视,视化技术，将维度与坐标,轴,轴建立映射,，,，在多个平,行,行轴之间以,直,直线或曲线,映,映射表示多,维,维信息。,平行坐标多,维,维可视化技,术,术,集成了散点,图,图和柱状图,的,的平行坐标,工,工具,平行坐标图,聚,聚簇可视化,of,41,17,第七章大数据概念与应用,7.1,数据可视化基础,7.2,大数据可视化方法,7.3,大数据可视化软件与工具,习题,全国高校标,准,准教材,云计算,姊妹篇，剖,析,析大数据核,心,心技术和实,战,战应用,of,41,18,7.3,大数据可视,化,化软件与工,具,具,第七章 大,数,数据可视化,利用,Excel,的可视化规,则,则实现数据,的,的可视化展,示,示,Excel,图表样式,利用,Excel,图表中的折,线,线图制作的,“,“工资”和,“,“年龄”数,据,据展示,Excel,是,MicrosoftOffice,的组件之一,，,，是由,Microsoft,为,Windows,和,AppleMacintosh,操作系统的,计,计算机编写,和,和运行的一,款,款表格计算,软,软件。,Excel,是微软办公,套,套装软件的,一,一个重要组,成,成部分，它,可,可以进行各,种,种数据的处,理,理、统计分,析,析、数据可,视,视化显示及,辅,辅助决策操,作,作，广泛地,应,应用于管理,、,、统计、财,经,经、金融等,众,众多领域。,of,41,19,7.3,大数据可视,化,化软件与工,具,具,第七章 大,数,数据可视化,Processing,在数据可视,化,化领域有着,广,广泛的应用,，,，可制作信,息,息图形、信,息,息可视化、,科,科学可视化,和,和统计图形,等,等。下面通,过,过一个简单,实,实例来认识,一,一下如何利,用,用,Processing,实现数据的,可,可视化展示,。,。,State Name,Location-x,Location-y,value,Alabama(AL),439,270,0.1,Alaska(AK),94,325,-5.3,Arizona(AZ),148,241,3,Arkansas(AR),368,247,7,California(CA),56,176,11,Colorado(CO),220,183,1.5,Washington(WA),92,38,2.2,West Virginia(WV),496,178,5.4,Wisconsin(WI),392,103,3.1,Wyoming(WY),207,125,-6,美国各州,GDP,增长率（数,据,据随机生成,）,）,of,41,20,7.3,大数据可视,化,化软件与工,具,具,第七章 大,数,数据可视化,第一步，声,明,明（初始化,）,）变量，代,码,码如下：,PImage mapImage;,TablelocationTable;,TablenameTable;,int rowCount;,TabledataTable;,floatdataMin =MAX_FLOAT;,floatdataMax =MIN_FLOAT;,of,41,21,7.3,大数据可视,化,化软件与工,具,具,第七章 大,数,数据可视化,第二步，初始化,画,画布，加载,（,（生成）数,据,据，代码如,下,下：,voidsetup() ,size(640,400);,mapImage =loadImage(map.png); /,加载地图,locationTable =newTable(locations.tsv);/,加载位置信,息,息,nameTable= newTable(names.tsv);/,加载名称信,息,息,rowCount =locationTable.getRowCount();,dataTable= newTable(random.tsv);/,加载随机数,据,据,for (int row =0; row dataMax),dataMax =value;,if (value dataMin),dataMin =value;,PFontfont= loadFont(Univers-Bold-12.vlw);,textFont(font);,smooth();,noStroke();,of,41,22,7.3,大数据可视,化,化软件与工,具,具,第七章 大,数,数据可视化,第三步，调,用,用绘制函数,绘,绘制图形，,代,代码如下：,voiddraw() ,background(255);,image(mapImage,0, 0);,for (int row =0; row =0),radius=map(value,0,dataMax,1.5,15);,fill(#333366);/blue,else,radius=map(value,0,dataMin,1.5,15);,fill(#ec5166);/red,ellipseMode(RADIUS);,ellipse(x,y,radius,radius);,if(dist(x,y,mouseX,mouseY)radius+2),fill(0);,textAlign(CENTER);,Stringname=nameTable.getString(abbrev,1);,text(name+value,x,y-radius-4);,7.3,大数,据,据可,视,视化,软,软件,与,与工,具,具,第七,章,章,大,大数,据,据可,视,视化,NodeXL,不仅,具,具备,常,常见,的,的分,析,析功,能,能，,如,如计,算,算中,心,心性,、,、,PageRank,值、,网,网络,连,连通,度,度、,聚,聚类,系,系数,等,等，,还,还能,对,对暂,时,时性,网,网络,进,进行,处,处理,。,。在,布,布局,方,方面,，,，,NodeXL,主要,采,采用,力,力导,引,引布,局,局方,式,式。,NodeXL,的一,大,大特,色,色是,可,可视,化,化交,互,互能,力,力强,，,，具,有,有图,像,像移,动,动、,变,变焦,和,和动,态,态查,询,询等,交,交互,功,功能,。,。其,另,另一,特,特色,是,是可,直,直接,与,与互,联,联网,相,相连,，,，用,户,户可,通,通过,插,插件,或,或直,接,接导,入,入,E-mail,或微,博,博网,页,页中,的,的数,据,据。,准备,数据,步骤,生成,顶点,生成,网络,图,图,of,41,24,7.3,大数,据,据可,视,视化,软,软件,与,与工,具,具,第七,章,章,大,大数,据,据可,视,视化,of,41,25,1,、准,备,备数,据,据,从开,始,始菜,单,单中,打,打开,一,一个,NodeXL,的模,板,板，,在,在“,Edges,”工,作,作表,中,中输,入,入准,备,备好,的,的数,据,据，,如,如图所示。,每,每条,边,边包,含,含两,个,个,Vertex,及其,相,相关,的,的属,性,性（,Color,、,Width,、,Label,等）,。,。,Researchers,Research Organization,Natasa Milic-Frayling,Microsoft Research Cambridge,Marc Smith,Connected Action Consulting Group,Ben Shneiderman,University of Maryland,Derek Hansen,Brigham Young University,Cody Dunne,University of Maryland,Eduarda Mendes Rodrigues,University of Porto,Udayan Khourana,University of Maryland,Jure Leskovec,Stanford University,Bernie Hogan,Oxford Internet Institute,Itai Himelboim,University of Georgia,Libby Hemphill,Illinois Institute of Technology,Robert Ackland,Australian National University,Scott Golder,Cornell University,Vladimir Barash,Morningside Analytics,NodeXL,主要,研,研究,人,人员,及,及其,所,所在,研,研究,组,组织,在“,Edge,”工,作,作表,中,中输,入,入边,的,的信,息,息,7.3,大数,据,据可,视,视化,软,软件,与,与工,具,具,第七,章,章,大,大数,据,据可,视,视化,of,41,26,2,、生,成,成顶,点,点,在“,Edge,”工,作,作表,中,中录,入,入边,的,的信,息,息后,，,，打,开,开“,GraphMetrics,”对话,框,框,，,勾选所,有,有可,选,选项,，,，单,击,击“,CalculateMetri,”,按,按,钮,钮,，,，,此,此,时,时,系,系,统,统,会,会,自,自,动,动,识,识,别,别,出,出,所,所,有,有,的,的,顶,顶,点,点,信,信,息,息,，,，,并,并,将,将,其,其,记,记,录,录,在,在,“,“,Vertex,”,工,工,作,作,表,表,中,中,，,，,同,同,时,时,还,还,可,可,以,以,得,得,到,到,图,图,形,形,度,度,量,量,方,方,面,面,的,的,有,有,关,关,数,数,值,值,，,，,例,例,如,如,，,，,图,图,形,形,类,类,型,型,、,、,顶,顶,点,点,个,个,数,数,、,、,边,边,数,数,目,目,、,、,重,重,复,复,的,的,边,边,数,数,目,目,、,、,总,总,边,边,数,数,、,、,图,图,形,形,密,密,度,度,等,等,数,数,据,据,。,。,然,然,后,后,，,，,打,打,开,开,“,“,AutofillColumns,”对,话,话,框,框,，,，设,置,置,自,自,动,动,填,填,充,充,的,的,选,选,项,项,值,值,（,（,这,这,些,些,值,值,来,来,自,自,计,计,算,算,出,出,的,的,图,图,形,形,度,度,量,量,数,数,据,据,）,）,。,。,用,用,户,户,也,也,可,可,以,以,在,在,“,“,Vertex,”,工,工,作,作,表,表,中,中,对,对,每,每,个,个,顶,顶,点,点,的,的属,性,性,进,进,行,行自,定,定,义,义,设,设,置,置,，,，,使,使,得,得,最,最,终,终,的,的,网,网,络,络,图,图,呈,呈,现,现,出,出,不,不,同,同,的,的,样,样,式,式,。,。,本,本,例,例,中,中,设,设,置,置,每,每,个,个,顶,顶,点,点,“,“,Shape,”,属,属,性,性,值,值,为,为,“,“,Image,”,，,，,“,“,ImageFile,”,输,输,入,入,顶,顶,点,点,的,的,图,图,片,片,地,地,址,址,（,（,也,也,可,可,以,以,是,是,URL,）。,“,GraphMetrics,”,对,对,话,话,框,框,“,AutofillColumns,”,对,对,话,话,框,框,系,统,统,生,生,成,成,的,的,“,“,Vertex,”,工,工,作,作,表,表,数,数,据,据,7.3,大,数,数,据,据,可,可,视,视,化,化,软,软,件,件,与,与,工,工,具,具,第,七,七,章,章,大,大,数,数,据,据,可,可,视,视,化,化,of,41,27,3,、,生,生,成,成,网,网,络,络,图,图,上,述,述,两,两,个,个,步,步,骤,骤,设,设,置,置,完,完,毕,毕,后,后,，,，,单,单,击,击,“,“,RefreshGraph,”,按,按,钮,钮,即,即,可,可,看,看,到,到,最,最,终,终,的,的网,络,络,图,图,。,。从,网,网,络,络,图,图,中,中,可,可,以,以,清,清,楚,楚,地,地,看,看,到,到,参,参,与,与,NodeXL,研,究,究,的,的,组,组,织,织,机,机,构,构,（,（,内,内,层,层,节,节,点,点,）,）,及,及,研,研,究,究,人,人,员,员,（,（,外,外,层,层,节,节,点,点,）,）,。,。,使,用,用,可,可,以,以,得,得,到,到,图,图,形,形,度,度,量,量,方,方,面,面,的,的,有,有,关,关,数,数,值,值,，,，,这,这,些,些,数,数,值,值,清,清,晰,晰,明,明,了,了,，,，,获,获,得,得,的,的,基,基,本,本,数,数,值,值,有,有,图,图,形,形,类,类,型,型,、,、,顶,顶,点,点,个,个,数,数,、,、,边,边,数,数,目,目,、,、,重,重,复,复,的,的,边,边,数,数,目,目,、,、,总,总,边,边,数,数,、,、,图,图,形,形,密,密,度,度,等,等,数,数,据,据,。,。,最,终,终,的,的,网,网,络,络,图,图,7.3,大,数,数,据,据,可,可,视,视,化,化,软,软,件,件,与,与,工,工,具,具,第,七,七,章,章,大,大,数,数,据,据,可,可,视,视,化,化,ECharts,自,2013,年,6,月正式发布,1.0,版本以来，在短短两年多的时间，功能不断完善，截至目前，,ECharts,已经可以支持包括折线图（区域图）、柱状图（条状图）、散点图（气泡图）、,K,线图、饼图（环形图）、雷达图（填充雷达图）、和弦图、力导向布局图、地图、仪表盘、漏斗图、事件河流图,12,类图表，同时提供标题、详情气泡、图例、值域、数据区域、时间轴、工具箱,7,个可交互组件，支持多图表、组件的联动和混搭展现,。,ECharts,制,作,作,的,的,图,图,表,表,of,41,28,7.3,大数据,可,可视化,软,软件与,工,工具,第七章,大,大数,据,据可视,化,化,of,41,29,ECharts,图表工,具,具为用,户,户提供,了,了详细,的,的帮助,文,文档，,这,这些文,档,档不仅,介,介绍了,每,每类图,表,表的使,用,用方法,，,，还详,细,细介绍,了,了各类,组,组件的,使,使用方,法,法，每,类,类图表,都,都提供,了,了丰富,的,的实例,。,。用户,在,在使用,时,时可以,参,参考实,例,例提供,的,的代码,，,，稍加,修,修改就,可,可以满,足,足自己,的,的图表,展,展示需,求,求。接,下,下来结,合,合,ECharts,提供的,一,一个,2010,年世界,人,人口分,布,布图的,实,实例来,详,详细介,绍,绍一下,ECharts,的使用,方,方法。,如图,所示是,2010,年世界,人,人口数,据,据。,国,家,人口数量,China,1359821465,India,1205624648,United States of America,312247116,United Kingdom,62066350,2010,年世界,人,人口数,据,据,7.3,大数据,可,可视化,软,软件与,工,工具,第七章,大,大数,据,据可视,化,化,of,41,30,实现代,码,码：,option=,title: ,text:WorldPopulation(2010),subtext:fromUnitedNations,Totalpopulation,bothsexescombined,asof1July (thousands),sublink :http:/esa.un.org/wpp/Excel-Data/population.htm,left:center,top: top,tooltip :,trigger:item,formatter:function(params),varvalue=(params.value +).split(.);,value= value0.replace(/(d1,3)(?=(?:d3)+(?!d)/g, $1,),+ .+ value1;,returnparams.seriesName+ +params.name+ :+ value;,toolbox:,show :true,orient:vertical,left:right,top: center,feature :,mark :show: true,dataView: show:true,readOnly:false,restore :show: true,saveAsImage: show:true,visualMap: ,min: 0,max: 1000000,text:High,Low,realtime:false,calculable :true,color:orangered,yellow,lightskyblue,series:,name:WorldPopulation(2010),type:map,mapType:world,/world,、,china,、,europe,等,roam:true,itemStyle:,emphasis:label:show:true,data:/,此处是,我,我们要,展,展示的,数,数据（,如,如果是,网,网络动,态,态数据,，,，可以在,程序中用,json,数据实,时,时传递,过,过来,name: China, value :1359821.465,name: India, value :1205624.648,name: UnitedStates of America,value: 312247.116,;,7.3,大数据,可,可视化,软,软件与,工,工具,第七章,大,大数,据,据可视,化,化,of,41,31,上方的,图,图,所示是利,用,用,ECharts,展示的,可,可交互,的,的世界,人,人口分,布,布图。,用,用户通,过,过将鼠,标,标移入,不,不同的,国,国家（,地,地区）,内,内部，,即,即可查,看,看到该,国,国家（,地,地区）,的,的人口,数,数量；,左,左下角,的,的垂直,滚,滚动条,可,可以用,于,于设置,地,地图上,可,可视数,据,据的最,大,大值和,最,最小值,，,，用户,可,可以通,过,过调整,滑,滑块来,展,展示某,个,个区间,的,的数据。,例如，,下方图,所示为人,口,口数量,超,超过,1,亿的国,家,家（地,区,区）分,布,布情况,。,。,利用,ECharts,展示的,可,可交互,的,的世界,人,人口分,布,布图,人口数,量,量超过,1,亿的国,家,家（地,区,区）分,布,布情况,7.3,大数据,可,可视化,软,软件与,工,工具,第七章 大,数,数据可视化,of,41,32,通过对,ECharts,案例代码的,分,分析，当用,户,户需要在地,图,图上展示自,己,己的数据时,，,，只需要更,改,改相关的几,个,个属性值即,可,可。如图所示是借助,ECharts,制作的许昌,学,学院,2015,年新生生源,分,分布图。在,上,上面的实例,代,代码基础上,要,要实现这个,实,实际问题的,图,图表展示非,常,常简单，只,需,需要更改代,码,码中的两处,即,即可：一处,是,是地图类型,（,（,mapType,），将字符,串,串“,world,”改为“,china,”；另一处,是,是数据（,Data,），这个根,据,据具体的需,求,求，将数据,传,传入,ECharts,工具中。,借助,ECharts,制作的,2015,年新生生源,分,分布图（按,省,省、直辖市,、,、自治区统,计,计）,1,数据可视化有哪,些,些基本特征,？,？,2,简述可视化技术,支,支持计算机,辅,辅助数据认,识,识的,3,个基本阶段,。,。,3,数据可视化对数,据,据的综合运,用,用有哪几个,步,步骤？,4,简述数据可视化,的,的应用。,5,简述文本可视化,的,的意义。,6,网络（图）可视,化,化有哪些主,要,要形式？,7,多数据可视化,主,主要应用在,哪,哪种场景？,8,大数据可视化,软,软件和工具,有,有哪些？,9,如何应用,Excel,表格功能实,现,现数据的可,视,视化展示？,10,查阅相关资料，,实,实例演示,Processing,的使用。,11,查阅相关资料，,实,实例演示,Nodal,的使用。,12,查阅相关资料，,实,实例演示,EChart,的使用。,习题：,大数据实验,平,平台：,提供Hadoop、HBase、Hive、Spark,、,、Storm等大数据,集,集群实验环,境,境和快速搭,建,建服务,从入门到实,战,战，帮助用,户,户构建大数,据,据课程和实,训,训体系,提供配套教,程,程、课件和,视,视频,大数据资料,和,和交流中心,云计算资料,和,和交流中心,BDRack,大数据实验,一,一体机,虚拟出百套,集,集群，并行,开,开展大数据,实,实验,预装各种流,行,行云计算和,大,大数据平台,提供配套实,验,验教程、课,件,件、,PPT,和培训,学习大数据必须关注的公众号,知名微信公众号推荐,刘鹏看未来,云计算头条,云创大数据,中国大数据,微信号：,chinacloudnj,微信号：,cstorbigdata,资源丰富、,分,分析深入、,更,更新及时的,云,云计算知识,共,共享平台。,微信号：,lpoutlook,微信号：,cStor_cn,国内大数据,企,企业。提供,云,云存储、云,数,数据库、云,视,视频、云传,输,输产品和解,决,决方案。,眼光决定成,败,败，与刘鹏,教,教授看未来,。,。,刘鹏，清华,博,博士，,云计算,作者。,分享大数据,技,技术，剖析,大,大数据案例,，,，讨论大数,据,据话题。,运用大数据，精彩你生活,免费大数据,App,推荐,感谢聆听,演讲完毕，,谢,谢谢观看！,