对于数据可视化，相信大家都不陌生。不管是众人皆知的双11、双12电商数据大屏，还是最近大家关注的疫情数据可视化，都是直接将我们关注的数据，通过各种分析图表和看板，更加直观地呈现在我们眼前。让我们更容易去查看数据的趋势，去记住并理解数据。

什么是实时数据可视化？

很多人，可能不禁要问，数据可视化不就是把数据通过柱形图、饼图、折线图等图表展示出来吗?这个看起来并不复杂。

是的，大家有这种想法很正常。特别是各位“表哥表姐”，伴随着“9毛9学Python/ target=_blank class=infotextkey>Python”的浪潮，大家已经突破Excel的图表，通过Python尝试学习制作各种更加复杂、美观的图表了。

然而，大家日常用的图表，大部分的数据对实时性要求并不是很高，我们把这一类数据称为静态数据。因为它们在相对较长的时间内不会变化，可能更新时间是一天，甚至更久。然而，在我们的生产生活中，更多使用的都是动态数据，就是需要经常更新和变化的数据。动态数据是指在系统应用中随时间变化而改变的数据，如库存数据等。电商双11的数据统计，也是类似的场景，天猫的数据大屏上显示的成交额数字，就是采集到大家下单和支付的数据，直接推送到数据大屏上的。大家看到的数据，就是实时动态更新的真实数据。

动态数据和时间变化紧密相关，能够直接反映事务发生过程，比如，网站访问量、在线人数、实时销售额等等。在很多可视化场景中，对于时间变化频率要求很高，需要达到秒级甚至毫秒级，这就是实时数据可视化。实时数据就是动态数据中非常有代表性的数据，也是生产制造、电商、金融、互联网等众多行业最为关注的数据。他们需要密切关注实时数据，一旦数据延迟，会造成不可估量的损失。

实时数据可视化的实现原理

实时数据（RTD）是在收集后立即传递的信息，通过设备、采集器或其他平台所提供信息即时被“消费”，没有延迟。实时数据通常用于监控或跟踪，以及实时计算和分析的场景。举个例子，生产车间要实时监控产线的运行状态和生产情况，设备的运行数据就需要实时采集，同时通过数据可视化来监控。发生异常时需要第一时间进行报警。车间常用的MOM管理指挥中心的数据，就是通过这种机制来实现的。

下面以 Wyn 商业智能软件为例，为大家普及下关于实时数据可视化的实现原理。

在Wyn Enterprise中，提供了两种用于动态数据可视化的数据集：推送数据集和流式数据集。我们来了解一下这两个数据集之间的区别。

1.推送数据集：

使用推送数据集，数据将直接推送到Wyn Enterprise服务中。Wyn Enterprise服务在接收到数据后，会自动创建一个数据表用来存储数据集。因为有一个服务会不断的将数据传入进行存储。所以，我们每次查看图表时，数据集所查询到的数据都是最新的。可以用于报警、数据刷新等场景。

推送数据集的更新，是通过数据集的定时刷新触发的数据更新。使用推送数据集后，结合定时刷新将数据实时展示到仪表板中，达到实时展示的效果。

2.流式处理数据集:

使用流式处理数据集，数据也会被直接推送到 Wyn 服务中。Wyn 服务在接收到数据后，会自动创建一个数据缓存。与推送数据集有个本质的区别；就是流式处理数据集不会创建数据表，只会临时存储到缓存中，根据设定存储时间会过期，过期后则数据自动清空。临时缓存仅仅用于展示一些历史存在过的数据，只用来表示数据历史，如一个小时内的空气质量检测，一个小时内的设备运行状态等，或是实时显示出一个小时内数据的折线图等效果图。

在实际应用中，流式数据集对象适合处理最小化数据，对于时间维度来说具有非常强的表现能力，可以直观地显示出所推送的数据。

实时数据可视化的趋势

目前，在很多业务场景中，用户需要查看业务指标的实时数据大小，已经对数据展示的时效性提出了更高的要求。事实上，实时数据可视化在我们身边有各种各样的应用场景，随着物联网技术、5G技术的发展，实时数据可视化的场景将越来越多。比如工业领域的实时环境指标观测、产品生产加工的实时监测、金融领域的股票证券交易数据实时展示、城市交通路况的实时监测等。随着IoT概念的逐渐升温，会有更多行业的各种业务场景对实时数据可视化提出更高的要求。因此，不难预见，在商业智能领域，实时数据可视化将为以智能制造、智慧园区、智慧金融等领域为代表的“智慧+”企业的数字化转型带来更多的价值。