前言

有幾件事促使我寫了這本書。我是個超級科幻迷，我癡迷于奇幻的用戶界面，就是電影和電視節(jié)目中常被用作情節(jié)設(shè)計的界面。如果做得很好，它們會完美地滿足演員的需要，一目了然地傳達(dá)一個狀態(tài)，一個轉(zhuǎn)變，然后是一個新的狀態(tài)。我花了幾年的時間尋找工具包來幫助我制作更像這些的真實界面。隨著我在編程方面做得越來越好，我意識到不能只依賴于主題化的通用工具包，為美學(xué)和情節(jié)專門設(shè)計界面是非常有意義的。我也不得不承認(rèn)，我要尋找的工具包并不會馬上出現(xiàn)。

當(dāng)我將奇幻的界面分解成通用的組件和邏輯時，我意識到它們并不是那么復(fù)雜，而且很多組件是通用的。然而，這些奇幻的界面確實打破了許多規(guī)則。為了表現(xiàn)情節(jié)中的轉(zhuǎn)變，它們展示的內(nèi)容也會發(fā)生變化。數(shù)據(jù)流入并影響狀態(tài)。整個部分以我們通常在儀表板中不會做的方式移動或轉(zhuǎn)換。Stephen Few 等人對于儀表板的傳統(tǒng)觀點是它們應(yīng)該一眼就能傳達(dá)出現(xiàn)狀。當(dāng)所有東西同時在運動和變化時，這是很難做到的。在儀表板基本功能的傳統(tǒng)觀點之外，儀表板真正的價值在于它滿足了不同的需要。如果我們不再將我們的接口只局限于與現(xiàn)有用途的儀表板進(jìn)行比較，那么我們可以設(shè)置新的規(guī)則。

最近的一個例子可以在 HBO 的《西部世界》的奇幻世界中看到（見圖1）。劇中的模擬用戶界面，代表了技術(shù)的未來，并顯示了與閾值和規(guī)范相比較的當(dāng)前信息。它看起來很神奇，并且在工作系統(tǒng)實現(xiàn)也是一個令人鼓舞的目標(biāo)。

至今，我大部分時間都在從事技術(shù)工作。我看到很多問題是通過查看原始數(shù)據(jù)流解決的，但是在過去的 20 多年里，我并沒有看到這方面有什么變化。日志、事件或消息都在控制臺中被處理成流，最多被過濾并高亮顯示在內(nèi)聯(lián)信息中。你必須在顯示內(nèi)容的時候看著屏幕，如果錯過了，它可能就會出現(xiàn)在明天的日報中。對于控制臺中每分鐘一行信息的系統(tǒng)來說，這是可以接受的，但是對于今天的系統(tǒng)來說，這是行不通的，因為現(xiàn)在通常每秒鐘有數(shù)千行信息。即使是在這種量級下，我仍看到通過瀏覽流日志來解決問題的情況，這些日志不會出現(xiàn)在日報中，因為在這些報告中，信息過于抽象和聚合。經(jīng)過多年的觀察，我希望做一個可行的解決方案，它介于控制臺日志和一目了然的儀表板之間。

技術(shù)本身并沒有進(jìn)步。我真正想要的是與系統(tǒng)更加互動。增強(qiáng)現(xiàn)實感的東西是實用的、不引人注目的、有幫助的。當(dāng)我想到需要做什么的時候，我會一直關(guān)注阻礙我前進(jìn)的東西，在到達(dá)目的地之前必須跨過的墊腳石。需要克服的一個主要技術(shù)難題是理解系統(tǒng)做了什么決定。當(dāng)人工智能為我做決定時，我想知道為什么這么做。我越是研究某件事為什么被決定并且能夠糾正這些假設(shè)時，我就越信任這個系統(tǒng)。Netflix 在推薦節(jié)目方面做得很好，它會告訴你為什么推薦某個節(jié)目，以及推薦的可信度是多少，但你無法糾正這個算法，這不是互動。它觀察，施魔法，然后你看到結(jié)果。

我們?yōu)榱丝缭郊夹g(shù)的某個點，將不得不后退幾步，并糾正這一點。我們必須重新設(shè)計一些東西，讓人們在這些決策中更多地成為合作伙伴。這在今天是很困難的，因為大多數(shù)系統(tǒng)都集中為你做出決定。算法是通用的。如果類型和語言是推薦相似電影的關(guān)鍵因素，那么它就是為每個人做的。在我知道的任何地方，我都無法增加令人驚嘆的奇幻用戶界面和新穎的宇宙飛船設(shè)計的權(quán)重，來幫我找到可能讓我感興趣的電影。這種級別的定制要求智能更個性化或多層次。

能夠理解并改變機(jī)器決策的重要性遠(yuǎn)遠(yuǎn)超出了娛樂。人工智能算法通過你看到的信息徹底影響你的觀點，它們決定了你的互聯(lián)網(wǎng)搜索結(jié)果。當(dāng)你在線訪問信息時，安全設(shè)備會決定哪些信息是安全的（對“安全”的定義非常寬松但不靈活）。為了保證物理方面的安全，我們有算法來決定誰在監(jiān)視名單上，誰可能犯罪。類似的復(fù)雜算法在信用評分評估中是不被允許的，因為它們必須在法庭上很容易辯護(hù)。這就是問責(zé)和理解所有自動化決策需要達(dá)到的程度。

最后，我開始開發(fā)自己的工具和組件，以適應(yīng)我一直在運行的數(shù)據(jù)展示領(lǐng)域。經(jīng)過多年的思考，我意識到這是一個很少被探索的問題。我遇到的大多數(shù)組織都被他們每天的報告搞得不知所措。他們并沒有思考如何通過更快地應(yīng)對某些事件和取得進(jìn)展來改善工作。從新想法到實際解決方案需要一些新的想法、案例研究，以及更多類似的東西。我希望本書有助于推動這一進(jìn)程。

本書面向讀者

如果你是一名設(shè)計師或開發(fā)人員，基于事件的數(shù)據(jù)對你的目標(biāo)有重要意義，你會在這里找到一些感興趣的內(nèi)容。這些主題介于設(shè)計和開發(fā)之間，因為它們在展示可理解的數(shù)據(jù)時是不可或缺的。

如果你已經(jīng)嘗試在控制臺中滾動來查看數(shù)據(jù)，或者你已經(jīng)放棄在控制臺中滾動數(shù)據(jù)因為它不起作用，本書將給你提供一些探索的方法。

如果你有興趣為你的需求創(chuàng)建一個系統(tǒng)，以揭示在不透明過程中發(fā)生的事情，本書將讓你了解如何提高系統(tǒng)的可見性。

本書的組織結(jié)構(gòu)

本書是從“如何構(gòu)建它”的角度來組織的。本書的寫作有很多可能的出發(fā)點。如果你已經(jīng)準(zhǔn)備好了要顯示的格式化的流數(shù)據(jù)，那么可以跳過關(guān)于展示的章節(jié)。許多組織還沒有達(dá)到這一點。它們的數(shù)據(jù)本質(zhì)上是基于事件的，但沒有很好的連接方式。本書也貫穿了這些要點，以及它們之間的一切。一些主題，如機(jī)器學(xué)習(xí)，只是互補(bǔ)和可選的。圖2 代表了組件和過程的邏輯進(jìn)展，這些組件和過程涉及將流數(shù)據(jù)可視化到集成分析人員，并在復(fù)雜系統(tǒng)中進(jìn)行自動處理。這個工作流就是本書章節(jié)的順序。

本書內(nèi)容約定

本書使用以下排版約定：

斜體（Italic）

表示新術(shù)語、網(wǎng)址、電子郵件地址、文件名和文件擴(kuò)展名等。

等寬字體（Constant width）

表示程序代碼以及段落內(nèi)用于引用的代碼內(nèi)容，如變量或函數(shù)名、數(shù)據(jù)庫、數(shù)據(jù)類型、環(huán)境變量、聲明語句和關(guān)鍵字等。

使用代碼示例

更多補(bǔ)充資料（包括示例代碼、練習(xí)等）可以從這里下載https://github.com/SuddenDevelopment/Visualizing-Streaming-Data。

本書的目的是幫助你完成工作任務(wù)。通常，對于書中提供的示例代碼，你可以直接在自己的程序和文檔中使用，無須聯(lián)系我們獲取授權(quán)，除非你要再次分發(fā)大量示例代碼。舉例來說，如果你在編寫程序時使用了本書提供的一部分代碼，不用擔(dān)心授權(quán)問題；但如果你要以CD-ROM 等方式銷售或分發(fā)O’Reilly 系列圖書中的示例代碼，則需要獲得我們的授權(quán)；在解答問題時如需引用本書提供的代碼，你不需要取得授權(quán)；但如果你在自己的產(chǎn)品文檔中使用本書的任意代碼，則必須獲得授權(quán)。

我們不強(qiáng)制要求版權(quán)聲明，但我們感謝你能夠引用本書。引用格式一般包含書名、作者、出版商和ISBN，例如：“Visualizing Streaming Data by Anthony Aragues（O’Reilly）。Copyright 2018 Anthony Aragues，978-1-492-03185-7 ”。

如果你認(rèn)為在使用示例代碼時超出了合理范圍或上述許可范圍，請隨時與我們聯(lián)系： permissions@oreilly.com。

O’Reilly 在線學(xué)習(xí)平臺（O’Reilly Online Learning）

近40 年來，O’Reilly Media 致力于提供技術(shù)和商業(yè)

培訓(xùn)、知識和卓越見解，來幫助眾多公司取得成功。

我們擁有獨一無二的專家和革新者組成的龐大網(wǎng)絡(luò)，他們通過圖書、文章、會議和我們的在線學(xué)習(xí)平臺分享他們的知識和經(jīng)驗。O’Reilly 的在線學(xué)習(xí)平臺允許你按需訪問現(xiàn)場培訓(xùn)課程、深入的學(xué)習(xí)路徑、交互式編程環(huán)境，以及O’Reilly 和200 多家其他出版商提供的大量文本和視頻資源。有關(guān)的更多信息，請訪問http://oreilly.com。

聯(lián)系我們

歡迎向出版社反饋有關(guān)本書的評論和問題：

美國：

O’Reilly Media, Inc.

1005 Gravenstein Highway North

Sebastopol, CA 95472

中國：

北京市西城區(qū)西直門南大街2號成銘大廈C座807室（100035）

奧萊利技術(shù)咨詢（北京）有限公司

我們?yōu)楸緯�提供了專門的網(wǎng)頁，用于發(fā)布內(nèi)容勘誤、范例和其他相關(guān)信息。

你可以通過這里訪問http://bit.ly/visualizing-streaming-data。

有關(guān)本書的任何評論或技術(shù)問題，請發(fā)送電子郵件至bookquestions@oreilly.com。

了解與本書相關(guān)的更多信息、課程、會議和新聞，請訪問我們的網(wǎng)站http://www.oreilly.com。

我們的Facebook： http://facebook.com/oreilly。

我們的Twitter： http://twitter.com/oreillymedia。

我們的YouTube： http://www.youtube.com/oreillymedia。

致謝

Bob Page 仔細(xì)審閱了我在這個主題上的所有細(xì)節(jié)，并將他在大型企業(yè)數(shù)據(jù)方面的專業(yè)知識提供給我。他還把我介紹給對這份材料有重大影響的人。

Antonio Figueiredo 在流數(shù)據(jù)處理和可視化方面有很多實際經(jīng)驗。他對這個主題的熱情以及愿意討論一切相關(guān)問題的意愿對我初期的工作產(chǎn)生了巨大的鼓勵。

Sven Krasser 是一位老同事，也是著名的機(jī)器學(xué)習(xí)專家。通過與他的合作，我認(rèn)識到有必要讓人們在機(jī)器學(xué)習(xí)過程中更具互動性。

Brett Meyer 幫助我探索了將流數(shù)據(jù)可視化應(yīng)用到機(jī)器學(xué)習(xí)上的各種方法。他的專業(yè)知識幫助我找到正確的術(shù)語，并理解它們在這方面的作用。

Georges Grinstein 是著名的數(shù)據(jù)可視化專家，包括實時數(shù)據(jù)和流數(shù)據(jù)。他對我以前沒有考慮過的一些事情有著學(xué)術(shù)觀點，并給我看了一些我自己也找不到的相關(guān)的有趣的項目。

Casey Rosenthal 創(chuàng)建了一個最有用、最相關(guān)的案例研究，我可以從自己的經(jīng)驗之外學(xué)到一些東西。他樂于分享這些經(jīng)驗，并討論這個小眾領(lǐng)域應(yīng)該走向何方。

Weidong Yang 基本上就是不以本書為主題的。他的公司創(chuàng)建了互動裝置，以創(chuàng)造性的方式收集和呈現(xiàn)數(shù)據(jù)。他幫助我分享這些經(jīng)驗，也有助于驗證這個話題在當(dāng)前有市場。

Raffael Marty 無意中成為我寫本書的催化劑。我參加了他的安全數(shù)據(jù)可視化研討會，我很喜歡，我希望有一天我也能教類似的課。