哪些h5网站比较好网页界面设计基础知识

当前位置： 首页 > news >正文

哪些h5网站比较好,网页界面设计基础知识,深圳需要做网站的公司有哪些,网站建设 中企动力厨具可以根据地理空间数据连接两个索引。在本教程中#xff0c;我将向你展示如何通过混合邻里多边形和 GPS 犯罪事件坐标来创建纽约市的犯罪地图。 安装 如果你还没有安装好自己的 Elasticsearch 及 Kibana 的话#xff0c;请参考如下的链接来进行安装。 如何在 Linux#xff0… 可以根据地理空间数据连接两个索引。在本教程中我将向你展示如何通过混合邻里多边形和 GPS 犯罪事件坐标来创建纽约市的犯罪地图。 安装 如果你还没有安装好自己的 Elasticsearch 及 Kibana 的话请参考如下的链接来进行安装。 如何在 LinuxMacOS 及 Windows 上进行安装 Elasticsearch Kibana如何在 LinuxMacOS 及 Windows 上安装 Elastic 栈中的 Kibana
在第一次启动 Elasticsearch 时我们需要记下超级用户 elastic 的密码 这个密码将在下面进行使用。 装载测试数据 定义映射 我们在 Kibana 中打入如下的命令来定义索引 nyc_neighborhood 及 crime_events PUT nyc_neighborhood {mappings: {properties: {neighborhood: {type: keyword},borough: {type: keyword},location: {type: geo_shape}}} } 我们也可以在命令行中使用如下的命令来进行操作 curl -k -XPUT -u elastic:YourPassword https://localhost:9200/nyc_neighborhood -H Content-Type: application/json -d {mappings: {properties: {neighborhood: {type: keyword},borough: {type: keyword},location: {type: geo_shape}}} } PUT crime_events {mappings: {properties: {crime_type: {type: keyword},crime_timestamp: {type: date},crime_location: {type: geo_point}}} } 我们也可以在命令行中使用如下的命令来进行操作 curl -k -u elastic:YourPassword -XPUT https://localhost:9200/crime_events -H Content-Type: application/json -d {mappings: {properties: {crime_type: { type: keyword },crime_timestamp: { type: date },crime_location: { type: geo_point }}} } 如果你想删除上面的两个索引你可以在命令行中进行如下的操作 curl -k -u elastic:YourPassword -XDELETE https://localhost:9200/nyc_neighborhoodcurl -k -u elastic:YourPassword -XDELETE https://localhost:9200/crime_events 注意请注意 geo_shape 和 geo_point 字段类型用于位置。因为邻里是区域所以应该通过多边形表示而犯罪事件是地点因此是单个点。 我们可以注意到上面的两个索引有两个位置字段crime_location 是 geo_point 数据类型而另外一个 location 是 geo_shape 类型。 如上所示如果一个 geo_point 被一个 geo shape 所包含那么这两个数据就是关联的。我们可以正对它们进行数据的丰富。我们可以从另外一个索引中得到额外的字段比如neighborhood。这样我们可以针对整个 neighborhood 进行数据的统计和可视化。 批量加载 - bulk load 我为邻域准备了详细数据其中包含约 600 行因此我不会在这里列出而是请使用 bulk API 将其加载到 ELK。 从 IPFS 进行下载 我们使用如下的命令来进行下载 docker run –rm -it
-v \(PWD:/tmp \ -e IPFS_GATEWAYhttps://ipfs.filebase.io/ \ curlimages/curl:8.5.0 --parallel --output /tmp/#1.json ipfs://{QmaZD1xzi1MFf2MhjrZv7U2BGKji9U1jRB9im1MbbPG446,QmNNaC9AquYsQfRu5nqZgWcCjFKEAqv2XS1XgHw3Tut8ck}\) docker run –rm -it -v \(PWD:/tmp \-e IPFS_GATEWAYhttps://ipfs.filebase.io/ \curlimages/curl:8.5.0 --parallel --output /tmp/#1.json ipfs://{QmaZD1xzi1MFf2MhjrZv7U2BGKji9U1jRB9im1MbbPG446,QmNNaC9AquYsQfRu5nqZgWcCjFKEAqv2XS1XgHw3Tut8ck} Unable to find image curlimages/curl:8.5.0 locally 8.5.0: Pulling from curlimages/curl c30352492317: Pull complete 90f58e8ca393: Pull complete 4ca545ee6d5d: Pull complete Digest: sha256:08e466006f0860e54fc299378de998935333e0e130a15f6f98482e9f8dab3058 Status: Downloaded newer image for curlimages/curl:8.5.0 DL% UL% Dled Uled Xfers Live Total Current Left Speed 100 -- 507k 0 2 0 0:00:02 0:00:02 --:--:-- 226k \) ls QmNNaC9AquYsQfRu5nqZgWcCjFKEAqv2XS1XgHw3Tut8ck.json QmaZD1xzi1MFf2MhjrZv7U2BGKji9U1jRB9im1MbbPG446.json 我们使用如下的命令来进行重新命名 mv QmaZD1xzi1MFf2MhjrZv7U2BGKji9U1jRB9im1MbbPG446.json nyc_neighborhood_bulk.jsonmv QmNNaC9AquYsQfRu5nqZgWcCjFKEAqv2XS1XgHw3Tut8ck.json crime_events.json $ ls crime_events.json nyc_neighborhood_bulk.json crime_events.json 文件展示 index: {}} {crime_type: theft, timestamp: 2024-07-24T10:00:00Z, crime_location: {type: point, coordinates: [-74.0060, 40.7128]}} {index: {}} {crime_type: assault, timestamp: 2024-07-24T12:30:00Z, crime_location: {type: point, coordinates: [-73.9890, 40.6892]}} {index: {}} {crime_type: vandalism, timestamp: 2024-07-24T15:45:00Z, crime_location: {type: point, coordinates: [-73.9106, 40.7769]}} {index: {}} {crime_type: robbery, timestamp: 2024-07-25T09:15:00Z, crime_location: {type: point, coordinates: [-73.9865, 40.7306]}}nyc_neighborhood_bulk 文件展示 {index: {}} {neighborhood: Allerton, borough: Bronx, location: {type: Polygon, coordinates: [[[-73.86888180915341, 40.857223150158326], [-73.86831755272824, 40.85786206225831], [-73.86955371467232, 40.85778409560018], [-73.87102485762065, 40.857309948816905], [-73.87048054998716, 40.865413584098484], [-73.87055489856489, 40.86970279858986], [-73.86721594442561, 40.86968966363671], [-73.85745, 40.86953300000018], [-73.85555000000011, 40.871813000000145], [-73.85359796757658, 40.8732883686742], [-73.84859700000018, 40.871670000000115], [-73.84582253683678, 40.870239076236174], [-73.85455918463374, 40.85995383576425], [-73.85466543306826, 40.859585694988056], [-73.85638870335896, 40.85759363530448], [-73.86888180915341, 40.857223150158326]]]}} {index: {}} 上传文件至 Elasticsearch curl -XPOST -u elastic:YourPassword https://localhost:9200/nyc_neighborhood/_bulk -H Content-Type: application/json -k –data-binary nyc_neighborhood_bulk.json /dev/nullcurl -XPOST -u elastic:YourPassword https://localhost:9200/crime_events/_bulk -H Content-Type: application/json -k –data-binary crime_events.json /dev/null curl -XPOST -u elastic:LXLGtCWdSa9zn1d2Ebs https://localhost:9200/nyc_neighborhood/_bulk -H Content-Type: application/json -k –data-binary nyc_neighborhood_bulk.json /dev/null% Total % Received % Xferd Average Speed Time Time Time CurrentDload Upload Total Spent Left Speed 100 561k 0 58846 100 504k 251k 2211k –:–:– –:–:– –:–:– 2463k 我们可以到 Kibana 中进行查看 我们看到有32个文档已经写入到 Elasticsearch 中。 curl -XPOST -u elastic:LXLGtCWdSa9zn1d2Ebs https://localhost:9200/crime_events/_bulk -H Content-Type: application/json -k –data-binary crime_events.json /dev/null% Total % Received % Xferd Average Speed Time Time Time CurrentDload Upload Total Spent Left Speed 100 6809 0 3805 100 3004 27552 21752 –:–:– –:–:– –:–:– 49340 我们到 Kibana 中进行查看 我们可以看到有 20 个文档写入到 Elasticsearch 中。 我们也可以在 Kibana 中使用 ES|QL 来展示数据 POST /_query?formatcsv {query: from nyc_neighborhood } 加入地理空间数据集 丰富策略 在 Elasticsearch 世界中它被称为丰富。你将创建丰富策略该策略将定义包含键值对的查找表 PUT /_enrich/policy/what-is-area-name {geo_match: {indices: nyc_neighborhood,match_field: location,enrich_fields: [neighborhood , borough]} } 上面的意思表明如果 location 字段包含另外一个索引中的 geo_point 点那么 neighborhood 及 borough 将会被丰富。 它将从 nyc_neighborhood 索引中获取字段。match field 是关键而 enrich_fields 将是附加到索引的值你将来会通过 enrich 处理器或 ES|QL 命令来丰富这些值。 创建策略后你必须执行它 POST _enrich/policy/what-is-area-name/_execute 这是使用选定数据创建新的系统索引。你可以使用 ES|QL 显示其中的内容。 POST _query?formatcsv {query:from .enrich-what-is-area-name| limit 1000 } 这是你的查找表。从现在起你可以使用它执行连接。 使用 ES|QL 连接数据 以下查询将汇总每个地区的犯罪事件。 POST /_query?formattxt {query: from crime_events| keep crime_type,timestamp,crime_location| enrich what-is-area-name on crime_location| where borough is not null| limit 10 } POST /_query?formattxt {query: from crime_events| keep crime_type,timestamp,crime_location| enrich what-is-area-name on crime_location| where borough is not null| stats howMany count() by borough,crime_type| limit 10 } 上面真的每个 borough 地区进行了统计。 Kibana 中的可视化 请使用 Maps 创建图层并制作漂亮的仪表板。添加图层时你可以使用 ES|QL 获取正确的数据。首先来创建 Data views 我们下面来做可视化 在上面我们使用如下的查询 from crime_events | keep crime_location | limit 10000 我们放大地图就可以看到显示的数据。 按照同样的方法我们添加另外一个 layer使用如下的查询 from nyc_neighborhood | keep location | limit 10000 我们需要调整上下层通过拖拽调整层的关系。最终我们得到上面的可视化图。