[原]打造数据产品的快速原型：Shiny的Docker之旅

seal_de 发布于2019-06-28 15:03 / 3080人阅读

摘要：使得非传统程序员的使用者不必依赖于前端后端工程师就可以自己依照业务完成一些简单的数据可视化工作，快速验证想法的可靠性。本文以上的的新主机为例。

概述

本文将介绍如何通过Docker+Shiny-Server技术极速打造Web开发，并通过实战案例进行演示。

为什么使用Shiny

Shiny是R中的一种Web开发框架，使得R的使用者不必太了解css、js只需要了解一些html的知识就可以快速完成web开发，且shiny包集成了bootstrap、jquery、ajax等特性，极大解放了作为统计语言的R的生产力。使得非传统程序员的R使用者不必依赖于前端、后端工程师就可以自己依照业务完成一些简单的数据可视化工作，快速验证想法的可靠性。

为什么使用Docker

如果说2年以前，你们没有学习Git、GitHub你就落伍了。现在，流行的方向则是Docker！Docker是一种类似于虚拟机的技术，主要解决快速部署的问题，在Docker中安装的软件和主机中的软件可以完全隔离，并通过Daocloud或者hub.docker.com等云服务快速建立Docker仓库，快速复用Docker镜像。Docker已经不仅仅是DevOps人员手中的神器了，每一个开发者都应该学会如何使用Docker。

由于Docker的标准交付特性使得 shiny 应用在运维、部署、交付时都是标准化的，在大规模团队协作时体现出了很大的价值，开发和运维人员不必再为环境配置担心，提高了开发效率。而对于个人开发者，参加黑客马拉松或者快速原型开发，Docker也是不二之选，利用Docker线程级别的快速复用机制也使得一个上G的环境配置可以在很短的时间内快速完成。

Docker的弊端在于对于个人开发者而言，想要构建一个标准的Docker镜像并提交到Docker Hub或自建的Docker Registery上需要按规定写DockerFile，有时候这反而会增加项目的复杂度。

准备

VPS或任意一台类Unix服务器，本文选用了AWS的Ubuntu服务器作为示例。实际使用中Windows或者Mac电脑下载DockerToolBox软件安装docker后也可以使用。

部署 步骤一：安装Docker

首先，ssh进入linux主机。本文以AWS上的ubuntu14.04的新主机为例。
参考文献1

ssh -i harryzhu.pem ubuntu@52.88.172.224

其次，安装Docker相关的组件

sudo apt-get update
wget -qO- https://get.docker.com/ | sh

步骤二：安装Shiny-Server

安装完毕，从hub.docker.com拉去最新的shiny-server镜像

docker run -d -p 3838:3838 quantumobject/docker-shiny

上面的中 docker run表示根据quantumobject/docker-shiny镜像启动一个新的容器。

-d表示以demon形式运行，挂在后台运行。

-p 3838:3838表示将主机的3838端口和docker集群中的3838做端口映射

此外docker run在找不到镜像时会先从docker hub中自动下载，下载完后自动再启动容器。

访问http://52.88.172.224:3838/

从登陆到部署，5行代码搞定！

结束语

如果想要加入更多Shiny的Web应用可以从GitHub上找到大量的Shiny实例，然后根据你的需求稍微改造即可！

示例一：数据可视化

下面举一个例子，通过访问Rstudio的官方shiny实例可以看到实例的目录，在本地的R中执行

if (!require(shiny))
  install.packages("shiny")
shiny::runGitHub("rstudio/shiny-examples", subdir="063-superzip-example")

你也可以访问该网址http://shiny.rstudio.com/gallery/superzip-example.html看到在线的例子。

示例二：表单收集

你将可以看到这一实例，通过修改subdir参数可以查看其他实例。
比如

shiny::runGitHub("rstudio/shiny-examples", subdir="066-upload-file")

实例三：数据生成器

实例四：回归模拟器

更多实例

现在，回到ubuntu主机上，进入刚才生成的docker容器中

docker exec -it docker-shiny /bin/bash

根据参考文献2
进入网站显示的文档的根目录,下载rstudio的shiny-server实例

cd /srv/shiny-server
wget https://github.com/rstudio/shiny-examples/archive/master.zip
unzip master.zip

现在重新访问 http://52.88.172.224:3838/shiny-examples-master/ 你便可以任意选择一个实例进行复用了。

实战案例：

在Segmentfault 2015 北京站的黑客马拉松上，由几名之前搞生物、基因的R语言使用者组成的基饭团队（15组），基于shiny完成了一次漂亮的逆袭，最终获得了大赛的优胜奖一枚。

大赛报道传送门

项目源代码

Docker中文教程

参考资料

Shinyproxy：deploy Shiny apps in an enterprise context

Shiny https: Securing Shiny Open Source with SSL

Password protect Shiny Apps

Shiny Database App (CRUD)

Shiny

Web Application Development with R and Apache

Persistent data storage in Shiny apps

Share data across sessions with shinyapps.io

Building Interactive Web Apps with Shiny

showmeshiny

Introducing shinyjs: perform common JavaScript operations in Shiny apps using plain R code

如何解决Shiny输出的中文问题

shiny server deployment

shiny conference 2016

作为分享主义者(sharism)，本人所有互联网发布的图文均遵从CC版权，转载请保留作者信息并注明作者 Harry Zhu 的 FinanceR专栏:https://segmentfault.com/blog...，如果涉及源代码请注明GitHub地址：https://github.com/harryprince。微信号: harryzhustudio
商业使用请联系作者。

GPU云服务器云服务器数据分析的原数据快速原型模型基于原型的语言 docker 打造开发环境

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/26487.html

[原]打造数据产品的快速原型：Django的Docker之旅

摘要：而大多数数据科学研究的场景下，更快的速度也意味着更早地发现问题和完成检验假设的闭环。通常，数据科学被认为研究成果立即应用到生产环境都是比较缓慢的一个过程。 showImg(https://segmentfault.com/img/remote/1460000005771293); 概述在数据科学研究中，快速验证想法是非常关键的一环，而如何快速开发出数据产品则可以有效推动整个数据科学项...

zhoutao 2019-07-25 10:32 评论0 收藏0
[原]打造数据产品的快速原型：Django的Docker之旅

摘要：而大多数数据科学研究的场景下，更快的速度也意味着更早地发现问题和完成检验假设的闭环。通常，数据科学被认为研究成果立即应用到生产环境都是比较缓慢的一个过程。 showImg(https://segmentfault.com/img/remote/1460000005771293); 概述在数据科学研究中，快速验证想法是非常关键的一环，而如何快速开发出数据产品则可以有效推动整个数据科学项...

zhangqh 2019-06-28 15:15 评论0 收藏0
[原]海纳百川有容乃大：SparkR与Docker的机器学习实战

摘要：类似包中的功能这很好的解决了的大数据级瓶颈问题。也支持分布式的机器学习算法，比如使用机器学习库。部署本文将通过讲解如何快速部署容器，并通过一些简单的机器学习例子展示如何使用这个航母级别的组合拳。 showImg(https://segmentfault.com/img/remote/1460000004838121); 题图为美国尼米兹核动力航空母舰介绍大数据时代，我们常常面对海量...

CHENGKANG 2019-06-28 15:09 评论0 收藏0
[原]文档定义应用：数据科学的文档革命

摘要：对于数据科学的研究可以说已经是本文我将介绍如何以文档定义应用的方式成为数据科学中的标准交付。参考前文解密的数据科学部门如果构建知识仓库，作为一个谢大大的死忠，我很自然选择了作为我文档输出的首选工具。 showImg(https://segmentfault.com/img/remote/1460000006760433?w=423&h=426); 概述随着近年来，Rstudio 通过...

wh469012917 2019-07-25 10:22 评论0 收藏0