要学的东西太多，无笔记不能学~~ 欢迎关注公众号，一起分享学习笔记，记录每一颗“贝壳”~
———————————————————————————
看了看往期的博客，这个话题竟然是第一次涉及，还真是学无止境啊。
Web Service 这个概念比较成功了， 在SOAP服务之后， Restful服务的普及， 使得数据库的CRUD操作通过网络无限延伸。 普遍的好处是：
1） 你不需要安装任何程序， 携带数据， 只要有网的地方， 你就能演示。（远程）
2） 只要安装一次， 可以多人使用， 可以让别人试用。（多用户）
3） 不用担心软件或者代码泄密， 可以控制用户使用时间和权限。 （服务）
——————————————————————————————————
案例一：中文词云
昨天自己动手实践了一把，做了一个简单的低版本词云实现的web，同时里面内嵌了jiebaR分词，导入文本即可分词、画词云，效果如下图：
——————————————————————————————
案例二：社交网络
网络上的一个社交网络案例——打开网页即可使用：
https://kehaowu.shinyapps.io/SocialNetwork/
这个是个非常简单的应用，我们输入的数据包括人物关系和一些简单的参数。其中人物关系是这样定义的：
比如A和B是friend关系，那么：
输入数据中的Former Person就是A；Later Person就是B，Label就是friend。
依次类推，如果A和B是friend关系，A和C是couples关系，B和C是classmate关系，那么输入数据就应该是：
Former Person: A,A,B
Later Person: B,C,C
Label:friend,couples,classmate
R语言 用shiny开发一个简单的画人物关系应用
——————————————————————————————
案例三:官网的案例库
http://shiny.rstudio.com/gallery/
有案例库，你就知道怎么做了吧？——别告诉我，你没做过PPT，copy一下他们的代码就行啦~
——————————————————————————————
一、Shiny安装
1. 直接通过包管理器安装
install.packages("shiny")
2. 利用devtools通过github安装
if (!require("devtools"))
install.packages("devtools")devtools::install_github("rstudio/shiny")
这里要注意， 如果需要利用代理
library(httr)set_config(
use_proxy(url="18.91.12.23", port=8080, username="user",password="password"))或者要设定专门的版本号
devtools::install_version("shiny", version = "0.10.2.2")
————————————————————————————————————————————
二、ui.R+server.R+global.R
看到网上大多给你扯ui.R+server.R，很少会提到global.R，笔者在自己实践的时候遇到的了global.R的使用问题，网上教程只能自己参悟了。
ui.R：搭框架，控件；
server.R：每个控件背后的算法代码；
global.R:server.R中，万一有很长的代码与调用很多其他packages就可以用global写一个函数集合，然后统一在server.R调用。
基本的框架就是:
# ui.R
library(shiny)
shinyUI(fluidPage(
))
# server.R
library(shiny)
shinyServer(function(input, output) {
})往里面的函数里面写东西就行。
1、ui.R——界面设计
library(shiny)
# Define UI for application that plots random distributions
shinyUI(pageWithSidebar(
# Application title
headerPanel("Hello Shiny!"),
# Sidebar with a slider input for number of observations
sidebarPanel(
sliderInput("obs",
"Number of observations:",
min = 0,
max = 1000,
value = 500)
),
# Show a plot of the generated distribution
mainPanel(
plotOutput("distPlot")
)
))sliderInput是一个滑动的窗口。
2、server.R
library(shiny)
shinyServer(function(input, output) {
output$distPlot <- renderPlot({
dist <- rnorm(input$obs)
hist(dist)
})
})server.R是数据处理的地方，后端，数据来源都来自于ui.R，譬如obs，可能server处理好的图才是返回给ui.R。譬如dist
要调用ui里面的内容的话就是Input$obs就是上面sliderInput里面输入的内容。
Shiny提供一些缓存优化的机制， 其中最有效的是Reactive Expression 反冲表达式。
Reactive机制使得交互渲染的效率大幅度提高。 举个例子， server.R返回一个数据绘图， 但是每次运行需要重新读取数据。 但是当如果输入没有变化的时候， 这种重复的数据读取会极大的延迟反应， 浪费资源。
基于这种考虑， 我们使用reactive关键词重写了数据读取模块。reactive像一个带cache的模块， 并且当reactive检查到数据输入没有任何变化， 那么输出也不会有变化的时候， reactive就会使用缓存的数据，避免了重复运算， 加速了反应。3、global.R
那么关系现在是这样的，ui.R负责前端，是数据获取的地方，server.R是处理的地方，返回的是处理好后的数据列；那么global.R是用来补充server.R的功能的。
一般是用来写一个函数，然后直接在server.R调用。
来看一个官网里面的global的案例：
library(tm)
library(wordcloud)
library(memoise)
# The list of valid books
books <<- list("A Mid Summer Night's Dream" = "summer",
"The Merchant of Venice" = "merchant",
"Romeo and Juliet" = "romeo")
# Using "memoise" to automatically cache the results
getTermMatrix <- memoise(function(book) {
# Careful not to let just any name slip in here; a
# malicious user could manipulate this value.
if (!(book %in% books))
stop("Unknown book")
text <- readLines(sprintf("./%s.txt.gz", book),
encoding="UTF-8")
myCorpus = Corpus(VectorSource(text))
myCorpus = tm_map(myCorpus, content_transformer(tolower))
myCorpus = tm_map(myCorpus, removePunctuation)
myCorpus = tm_map(myCorpus, removeNumbers)
myCorpus = tm_map(myCorpus, removeWords,
c(stopwords("SMART"), "thy", "thou", "thee", "the", "and", "but"))
myDTM = TermDocumentMatrix(myCorpus,
control = list(minWordLength = 1))
m = as.matrix(myDTM)
sort(rowSums(m), decreasing = TRUE)
})————————————————————————————————————————————
三、shiny的部署
很简单的是，一般写完之后放在一个文件夹里面，然后runApp一下那个路径的文件夹就行了。
或者Rstudio里面可以直接：”Run App“按钮，你把三个文件导入Rstudio随便点一下就可以，Rstudio会帮你识别。
其中，你想要最右边的那三个代码栏目的话，把”DESCRIPTION“+”Readme.md“复制到那个文件夹里面，自动会显示出来，而且所有的APP都可以复制同一份内容，上面的两个东西可以到library的example里找得到。
————————————————————————————————————————————
四、Shiny 服务器
假如你有创建了很多的Shiny服务， 那么一个专门的Shiny服务器会方便部署。
一般可以有两种部署， 一种是自己搭建一个Shiny Server。 这样就可以同时使用很多的Shiny 应用了。
另外一种是直接部署到Shiny云服务上去， 譬如“www.shinyapps.io” 注册一个云账号， 然后把服务部署到云上去。在注册完成后， 你只要遵照详细的链接， 授权， 和部署的步骤，就可以把本地Shiny App上传部署。
参考来自微信公众号： AIaidddzcAI2ML人工智能to机器学习
————————————————————————————————————————————
延伸一：一个用于监控Shiny应用的Shiny应用
来源公众号：子豹
## Setup work directory;
setwd("/srv/shiny-system/Data")
I <- 0
for (i in 1:60) {
system("top -n 1 -b -u shiny > top.log")
dat <- readLines("top.log")
id <- grep("R *$", dat)
Names <- strsplit(gsub("^ +|%|\\+", "", dat[7]), " +")[[1]]
if (length(id) > 0) {
# 'top' data frame;
L <- strsplit(gsub("^ *", "", dat[id]), " +")
dat <- data.frame(matrix(unlist(L), ncol = 12, byrow = T))
names(dat) <- Names
dat <- data.frame(Time = Sys.time(), dat[, -ncol(dat)], usr = NA, app = NA)
dat$CPU <-as.numeric(as.character(dat$CPU))
dat$MEM <-as.numeric(as.character(dat$MEM))
# Check if connection number changed;
for (i in 1:length(dat$PID)) {
PID <- dat$PID[i]
system(paste("sudo netstat -p | grep", PID, "> netstat.log"))
system(paste("sudo netstat -p | grep", PID, ">> netstat.log2"))
system(paste("sudo lsof -p", PID, "| grep /srv > lsof.log"))
netstat <- readLines("netstat.log")
lsof <- readLines("lsof.log")
dat$usr[i] <- length(grep("ESTABLISHED", netstat) & grep("tcp", netstat))
dat$app[i] <- regmatches(lsof, regexec("srv/(.*)", lsof))[[1]][2]
}
dat <- dat[, c("app", "usr")]
} else {
dat <- data.frame(app = "app", usr = 0)
}
write.table(dat, file = "CPU.txt")
}
参考文献：
1、中文教程：http://yanping.me/shiny-tutorial/
2、英文官网：http://shiny.rstudio.com/
3、R powered web applications with Shiny ：一些讲解，比较深入讲解每个模块内容
1177
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
