對于數據可視化，相信大家都不陌生。不管是眾人皆知的雙11、雙12電商數據大屏，還是最近大家關注的疫情數據可視化，都是直接將我們關注的數據，通過各種分析圖表和看板，更加直觀地呈現在我們眼前。讓我們更容易去查看數據的趨勢，去記住并理解數據。

什么是實時數據可視化？

很多人，可能不禁要問，數據可視化不就是把數據通過柱形圖、餅圖、折線圖等圖表展示出來嗎?這個看起來并不復雜。

是的，大家有這種想法很正常。特別是各位“表哥表姐”，伴隨著“9毛9學Python”的浪潮，大家已經突破Excel的圖表，通過Python嘗試學習制作各種更加復雜、美觀的圖表了。

然而，大家日常用的圖表，大部分的數據對實時性要求并不是很高，我們把這一類數據稱為靜態數據。因為它們在相對較長的時間內不會變化，可能更新時間是一天，甚至更久。然而，在我們的生產生活中，更多使用的都是動態數據，就是需要經常更新和變化的數據。動態數據是指在系統應用中隨時間變化而改變的數據，如庫存數據等。電商雙11的數據統計，也是類似的場景，天貓的數據大屏上顯示的成交額數字，就是采集到大家下單和支付的數據，直接推送到數據大屏上的。大家看到的數據，就是實時動態更新的真實數據。

動態數據和時間變化緊密相關，能夠直接反映事務發生過程，比如，網站訪問量、在線人數、實時銷售額等等。在很多可視化場景中，對于時間變化頻率要求很高，需要達到秒級甚至毫秒級，這就是實時數據可視化。實時數據就是動態數據中非常有代表性的數據，也是生產制造、電商、金融、互聯網等眾多行業最為關注的數據。他們需要密切關注實時數據，一旦數據延遲，會造成不可估量的損失。

實時數據可視化的實現原理

實時數據（RTD）是在收集后立即傳遞的信息，通過設備、采集器或其他平臺所提供信息即時被“消費”，沒有延遲。實時數據通常用于監控或跟蹤，以及實時計算和分析的場景。舉個例子，生產車間要實時監控產線的運行狀態和生產情況，設備的運行數據就需要實時采集，同時通過數據可視化來監控。發生異常時需要第一時間進行報警。車間常用的MOM管理指揮中心的數據，就是通過這種機制來實現的。

下面以 Wyn 商業智能軟件為例，為大家普及下關于實時數據可視化的實現原理。

在Wyn Enterprise中，提供了兩種用于動態數據可視化的數據集：推送數據集和流式數據集。我們來了解一下這兩個數據集之間的區別。

1.推送數據集：

使用推送數據集，數據將直接推送到Wyn Enterprise服務中。Wyn Enterprise服務在接收到數據后，會自動創建一個數據表用來存儲數據集。因為有一個服務會不斷的將數據傳入進行存儲。所以，我們每次查看圖表時，數據集所查詢到的數據都是最新的。可以用于報警、數據刷新等場景。

推送數據集的更新，是通過數據集的定時刷新觸發的數據更新。使用推送數據集后，結合定時刷新將數據實時展示到儀表板中，達到實時展示的效果。

2.流式處理數據集:

使用流式處理數據集，數據也會被直接推送到 Wyn 服務中。Wyn 服務在接收到數據后，會自動創建一個數據緩存。與推送數據集有個本質的區別；就是流式處理數據集不會創建數據表，只會臨時存儲到緩存中，根據設定存儲時間會過期，過期后則數據自動清空。臨時緩存僅僅用于展示一些歷史存在過的數據，只用來表示數據歷史，如一個小時內的空氣質量檢測，一個小時內的設備運行狀態等，或是實時顯示出一個小時內數據的折線圖等效果圖。

在實際應用中，流式數據集對象適合處理最小化數據，對于時間維度來說具有非常強的表現能力，可以直觀地顯示出所推送的數據。

實時數據可視化的趨勢

目前，在很多業務場景中，用戶需要查看業務指標的實時數據大小，已經對數據展示的時效性提出了更高的要求。事實上，實時數據可視化在我們身邊有各種各樣的應用場景，隨著物聯網技術、5G技術的發展，實時數據可視化的場景將越來越多。比如工業領域的實時環境指標觀測、產品生產加工的實時監測、金融領域的股票證券交易數據實時展示、城市交通路況的實時監測等。隨著IoT概念的逐漸升溫，會有更多行業的各種業務場景對實時數據可視化提出更高的要求。因此，不難預見，在商業智能領域，實時數據可視化將為以智能制造、智慧園區、智慧金融等領域為代表的“智慧+”企業的數字化轉型帶來更多的價值。