当前位置： 首页 > news >正文

【Flask】测试平台开发，数据看板开发-第二十一篇

news 2025/9/8 12:10:25

概述：

在前面我们已经实现了我们的产品创建管理，应用管理管理，需求提测管理但是每周提测了多少需求，创建了哪些产品，我们是不是看着不是很直观，接下来我们就需要开发一个数据看板功能，实现能够看到产品下创建的需求，提测数据

先看看实现效果

后端接口源码：

# -*- coding:utf-8 -*-
# application.py
import datetime
import tracebackfrom flask import Blueprint, current_app
from dbutils.pooled_db import PooledDB
from apis.product import connectDB
from configs import config, format
from flask import request
import pymysql.cursors
import json
# from utils.jwt import login_required# 使用数据库连接池的方式链接数据库，提高资源利用率
pool = PooledDB(pymysql, mincached=2, maxcached=5, host=config.MYSQL_HOST, port=config.MYSQL_PORT,user=config.MYSQL_USER, passwd=config.MYSQL_PASSWORD, database=config.MYSQL_DATABASE,cursorclass=pymysql.cursors.DictCursor)test_dashboard = Blueprint("test_dashboard", __name__)@test_dashboard.route("/api/dashboard/stacked", methods=['POST'])
def get_request_stacked():connection = Nonetry:connection = pool.connection()with connection.cursor() as cursor:sql_select = '''SELECT DATE_FORMAT(request.createDate,"%Y%u") weeks, apps.note, COUNT(apps.id) counts FROM request LEFT JOIN apps ON request.appId = apps.id GROUP BY weeks, apps.note;'''cursor.execute(sql_select)table_data = cursor.fetchall()  # 数据库返回的结果，包含 note 为 NULL 的行# === 核心修复：处理 NULL 值 ===weeks = []notes = []key_value = {}for row in table_data:# 1. 处理 weeks 可能为 NULL 的情况（如 createDate 为 NULL 时）week = row['weeks'] or 'No_Week'  # 转为默认字符串# 2. 处理 note 为 NULL 的情况（关键修复！）note = row['note'] or 'No_App'    # 将 NULL 转为 'Unknown_App'counts = row['counts'] or 0            # 确保 counts 不为 NULL# 后续逻辑保持不变，但使用处理后的 week 和 noteif week not in weeks:weeks.append(week)if note not in notes:notes.append(note)# 使用处理后的 week 和 note 拼接键名，避免 NULL 导致的 TypeErrorkey_value[f"{week}_{note}"] = counts  # 建议用下划线分隔，避免歧义（如 week=202534, note=23 变为 20253423）weeks.sort()  # 排序周数# 生成 series 数据（保持不变，但 note 已无 NULL）series = {}for note in notes:series[note] = []for week in weeks:# 使用处理后的键名（带下划线）series[note].append(key_value.get(f"{week}_{note}", 0))resp_data = {'weeks': weeks,'notes': notes,  # 已包含处理后的 'Unknown_App''series': series}resp = format.resp_format_successresp['data'] = resp_datareturn respexcept Exception as e:# current_app.logger.error(f"Error in get_request_stacked: {str(e)}")  # 记录错误日志，方便调试resp = format.resp_format_errorresp['message'] = "Failed to process stacked data"return resp, 500finally:if connection:connection.close()  # 释放连接from datetime import datetime  # 正确的导入方式
@test_dashboard.route("/api/dashboard/metadata", methods=['POST'])
def get_request_stacked_metadata():connection = Nonetry:# === 1. 解析请求体 ===if not request.data:return {"code": 40001, "message": "Request body is empty", "data": [], "total": 0}, 400body = request.get_json()if body is None:return {"code": 40002, "message": "Invalid JSON format", "data": [], "total": 0}, 400current_app.logger.info(f"Request body: {body}")date_range = body.get('date', [])start_date_param = body.get('start_date')end_date_param = body.get('end_date')# 初始化变量start_date = Noneend_date = Nonevalid = False# === 2. 日期参数处理 ===if date_range and len(date_range) == 2:start_str, end_str = date_range[0], date_range[1]date_format = '%Y-%m-%d %H:%M:%S'try:# 使用正确的 datetime.datetime.strptimedatetime.strptime(start_str, date_format)datetime.strptime(end_str, date_format)if start_str <= end_str:start_date = start_strend_date = end_strvalid = Truecurrent_app.logger.info(f"Valid date range: {start_date} to {end_date}")except ValueError:current_app.logger.warning("Invalid date format in date_range")valid = Falseelif start_date_param and end_date_param:date_format = '%Y-%m-%d %H:%M:%S'try:datetime.strptime(start_date_param, date_format)datetime.strptime(end_date_param, date_format)if start_date_param <= end_date_param:start_date = start_date_paramend_date = end_date_paramvalid = Truecurrent_app.logger.info(f"Valid date params: {start_date} to {end_date}")except ValueError:current_app.logger.warning("Invalid date format in start_date/end_date")valid = Falseelse:current_app.logger.info("No date filter applied, querying all data")# === 3. 构建SQL查询 ===connection = pool.connection()with connection.cursor() as cursor:# 临时禁用ONLY_FULL_GROUP_BYtry:cursor.execute("SET SESSION sql_mode=(SELECT REPLACE(@@sql_mode,'ONLY_FULL_GROUP_BY',''))")except Exception as mode_error:current_app.logger.warning(f"Could not modify SQL mode: {mode_error}")if valid and start_date and end_date:# 带日期过滤的查询sql = """SELECT CONCAT(YEAR(r.createDate), '-', LPAD(WEEK(r.createDate), 2, '0')) as week_key, \COALESCE(a.note, 'No_App')                                   AS app_name, \COUNT(*)                                                          as request_countFROM request rLEFT JOIN apps a ON r.appId = a.idWHERE r.createDate BETWEEN %s AND %sGROUP BY YEAR (r.createDate), WEEK(r.createDate), a.noteORDER BY week_key, app_name \"""current_app.logger.info(f"Executing filtered query: {start_date} to {end_date}")cursor.execute(sql, (start_date, end_date))else:# 查询所有数据的查询sql = """SELECT CONCAT(YEAR(r.createDate), '-', LPAD(WEEK(r.createDate), 2, '0')) as week_key, \COALESCE(a.note, 'No_App')                                   AS app_name, \COUNT(*)                                                          as request_countFROM request rLEFT JOIN apps a ON r.appId = a.idGROUP BY YEAR (r.createDate), WEEK(r.createDate), a.noteORDER BY week_key, app_name \"""current_app.logger.info("Executing full data query")cursor.execute(sql)table_data = cursor.fetchall()current_app.logger.info(f"Query returned {len(table_data)} rows")# === 4. 处理返回数据 ===cleaned_data = []for row in table_data:cleaned_data.append({'weeks': row.get('week_key', 'No_Week'),'note': row.get('app_name', 'No_App'),'counts': row.get('request_count', 0)})# 成功响应return {"code": 20000,"message": "success","data": cleaned_data,"total": len(cleaned_data)}except json.JSONDecodeError:return {"code": 40000, "message": "Invalid JSON format", "data": [], "total": 0}, 400except Exception as e:current_app.logger.error(f"Metadata API Error:\n"f"Error: {str(e)}\n"f"Stacktrace: {traceback.format_exc()}")return {"code": 50000,"message": "Internal server error","data": [],"total": 0}, 500finally:if connection:try:connection.close()except Exception:pass

前端图标部分主要分别是 Echats 和 G2Plot 组件，从个人使用上来讲前者应用更广、自定义开发更灵活，后者使用上更简单尤其是在数据绑的格式和方式上更友好，在我们使用 Element vue admin 集成分支项目中有关图表的例子基础就是Echats，比如其中的混合图表（柱形+折线）

对应源代码中代码位置依据可从 /views/chats 看到导入的是 echats 也就是说此组件的使用方式，同样是通过添加依赖和导入使用。

结合提测平台的后台数据，接下来就体验下 Echarts 的图表的如何使用。

VUE项目使用步骤

步骤一：项目进行依赖安装

npm install echarts --save

执行完成后可以在 package.json 的 dependencies 配置项目看到 "echarts": "^5.2.2"引依赖被添加。

步骤二：页面添加组件引用和定义一个容器

<template><div class="app-container"><div ref="pieChartDemo" style="width: 600px;height:400px;"></div></div>
</template><script>
import * as echarts from 'echarts'
...
</script>

步骤三：使用 echarts.init 方法初始化一个 echarts 实例并通过setOption方法生成一个简单饼图，余下配置代码如下（注意查看几处注解说明）：

export default {name: 'EchartsDemo',// 使用mounted在页面控件加载在完成后mounted方法进行echart初始化非createdmounted() {this.initPieChart()},methods: {initPieChart() {// 采用的是vue ref的方式获取容器var chartDom = this.$refs['pieChartDemo']var myChart = echarts.init(chartDom)var option = {title: {text: '测试开发',subtext: '文章类型分布',left: 'center'},tooltip: {trigger: 'item'},legend: {orient: 'vertical',left: 'left'},series: [{name: 'Access From',type: 'pie',radius: '50%',data: [{ value: 20, name: '提测平台' },{ value: 2, name: '性能测试' },{ value: 1, name: '流量' },{ value: 3, name: '分享' },{ value: 5, name: '其他' }]}]}option && myChart.setOption(option);}}
}

堆叠面积图

在掌握了Echar表的渲染方法和接口数据格式化的充分准备之后，就可以直接上在 src/views/dashboard/index.vue 编写代码，注意实现里有个额外的 series 数据处理，已经标注在代码注解里了。

<template><div class="dashboard-container"><div ref="LineChartBoard" style="width: 95%;height:500px;"></div></div>
</template><script>
import * as echarts from 'echarts'
import { requestStacked } from '@/api/board'export default {name: 'Dashboard',mounted() {this.getApList()},methods: {getApList() {requestStacked().then(resp => {this.initStackedChart(resp.data)})},initStackedChart(data) {const chartDom = this.$refs['LineChartBoard']const myChart = echarts.init(chartDom)const series = []// 唯一处理需要额外逻辑处理的地方，根据接口数据动态生成series数据for (var key in data.series) {series.push({name: key,type: 'line',stack: 'Total',areaStyle: {},emphasis: {focus: 'series'},data: data.series[key]})}var option = {title: {text: '周需求提测趋势'},tooltip: {trigger: 'axis',axisPointer: {type: 'cross',label: {backgroundColor: '#6a7985'}}},legend: {// 数据标题展示data: data.note},toolbox: {feature: {saveAsImage: {}}},grid: {left: '3%',right: '4%',bottom: '3%',containLabel: true},xAxis: [{type: 'category',boundaryGap: false,data: data.weeks}],yAxis: [{type: 'value'}],series: series}option && myChart.setOption(option)}}
}
</script>

完整的vue前端源码

<template><div class="dashboard-container"><div class="filter-container"><el-form :inline="true" :model="searchValue"><el-form-item label="日期选择"><el-date-pickerv-model="searchValue.date"type="daterange"value-format="yyyy-MM-dd HH:mm:ss"range-separator="至"start-placeholder="开始日期"end-placeholder="结束日期"></el-date-picker></el-form-item><el-form-item><el-button type="primary" @click="searchBoard">刷新查询</el-button></el-form-item><el-form-item><el-switchv-model="stackedColumnMode"@change="changeBoardMode"active-text="分组模式"inactive-text="累积模式"></el-switch></el-form-item></el-form></div><el-card class="box-card"><div slot="header" class="clearfix"><span>周需求分组量</span></div><div id="ColumnBoard" style="width: 95%;height:360px;" /></el-card><br><el-card class="box-card"><div ref="LineChartBoard" style="width: 95%;height:500px;" /></el-card></div>
</template><script>
import * as echarts from 'echarts'
import { Column } from '@antv/g2plot'import { requestStacked, requestMetaData } from '@/api/board'export default {name: 'Dashboard',created() {this.getAppList()this.getMetaDate()},mounted() {this.stackedColumnPlot = new Column('ColumnBoard', {data: this.stackedColumnData,xField: 'weeks',yField: 'counts',seriesField: 'note',isGroup: this.stackedColumnMode ? 'true' : 'false',columnStyle: {radius: [20, 20, 0, 0]}})this.stackedColumnPlot.render()},data() {return {stackedColumnPlot: undefined,stackedColumnData: [],stackedColumnMode: true,searchValue: {date: []}}},methods: {getAppList() {requestStacked().then(resp => {this.initStackedChart(resp.data)})},getMetaDate() {const params = {date: this.searchValue.date}requestMetaData(params).then(resp => {this.stackedColumnData = resp.datathis.stackedColumnPlot.changeData(this.stackedColumnData)this.initStackedColumn(resp.data)})},// initStackedColumn(data) {//   const stackedColumnPlot = new Column('ColumnBoard', {//     data,//     xField: 'weeks',//     yField: 'counts',//     seriesField: 'note',//     isGroup: 'true',//     columnStyle: {//       radius: [20, 20, 0, 0]//     }//   })//   stackedColumnPlot.render()// },initStackedChart(data) {const chartDom = this.$refs['LineChartBoard']const myChart = echarts.init(chartDom)const series = []// 唯一处理需要额外逻辑处理的地方，根据接口数据动态生成series数据for (var key in data.series) {series.push({name: key,type: 'line',stack: 'Total',areaStyle: {},emphasis: {focus: 'series'},data: data.series[key]})}var option = {title: {text: '周需求提测趋势'},tooltip: {trigger: 'axis',axisPointer: {type: 'cross',label: {backgroundColor: '#6a7985'}}},legend: {data: data.note},toolbox: {feature: {saveAsImage: {}}},grid: {left: '3%',right: '4%',bottom: '3%',containLabel: true},xAxis: [{type: 'category',boundaryGap: false,data: data.weeks}],yAxis: [{type: 'value'}],series: series}option && myChart.setOption(option)},searchBoard() {this.getMetaDate()},// 更改显示类型changeBoardMode() {const options = {isGroup: this.stackedColumnMode}this.stackedColumnPlot.update(options)}}
}
</script><style lang="scss" scoped>
.dashboard {&-container {margin: 30px;}&-text {font-size: 30px;line-height: 46px;}
}
</style>

最终实现后就是我们一开始截图后的实现效果

 


文章转载自：

http://QoojRtF8.fnrkh.cn
http://Ivuu3Dgp.fnrkh.cn
http://xWdnmR4q.fnrkh.cn
http://HJuqZDwN.fnrkh.cn
http://9WgWmK60.fnrkh.cn
http://OP0NAlRu.fnrkh.cn
http://FquDMqM6.fnrkh.cn
http://umvaQYrX.fnrkh.cn
http://EFH8BL4i.fnrkh.cn
http://rI35Jjfq.fnrkh.cn
http://k2RHcjVi.fnrkh.cn
http://NvniZXwe.fnrkh.cn
http://nGf4oaiH.fnrkh.cn
http://wzNIMsfN.fnrkh.cn
http://hLtRFqex.fnrkh.cn
http://Hk1XQg95.fnrkh.cn
http://89Y9ZBTF.fnrkh.cn
http://cF39z98B.fnrkh.cn
http://8pGKbTCG.fnrkh.cn
http://OjZxnhP9.fnrkh.cn
http://fPrRU3yJ.fnrkh.cn
http://zgiSNHBb.fnrkh.cn
http://hUVVlqzU.fnrkh.cn
http://76vx76fX.fnrkh.cn
http://A8gmwFQJ.fnrkh.cn
http://EQGjp9wl.fnrkh.cn
http://mH00pZH1.fnrkh.cn
http://omJdoE6B.fnrkh.cn
http://mgTQUwio.fnrkh.cn
http://7EqNcHWi.fnrkh.cn
http://www.dtcms.com/a/370214.html

相关文章：

  • [光学原理与应用-433]：晶体光学 - 晶体光学是研究光在单晶体中传播规律及其伴随现象的分支学科，聚焦于各向异性光学媒质的光学特性
  • C++面试10——构造函数、拷贝构造函数和赋值运算符
  • PID控制技术深度剖析：从基础原理到高级应用（六）
  • 登录优化（双JWT+Redis）
  • 【基础-单选】在下面哪个文件中可以设置页面的路径配置信息？
  • C++ 内存模型：用生活中的例子理解并发编程
  • 【3D图像算法技术】如何在Blender中对复杂物体进行有效减面？
  • 电脑音频录制 | 系统麦克混录 / 系统声卡直录 | 方法汇总 / 常见问题
  • 论文阅读：VGGT Visual Geometry Grounded Transformer
  • 用 PHP 玩向量数据库：一个从小说网站开始的小尝试
  • [光学原理与应用-432]：非线性光学 - 既然光也是电磁波，为什么不能直接通过电生成特定频率的光波？
  • python调用mysql
  • redis-----事务
  • 集成学习（随机森林算法、Adaboost算法）
  • 形式化方法与安全模型
  • Python两种顺序生成组合
  • 【Python自动化】 21 Pandas Excel 操作完整指南
  • Unity与硬件交互终极指南：从Arduino到自定义USB设备
  • Codeforces Round 1046 (Div. 2) vp补题
  • 【LeetCode热题100道笔记】二叉树的右视图
  • Day22_【机器学习—集成学习（1）—基本思想、分类】
  • 自动化运维，ansible综合测试练习题
  • 【面试题】领域模型持续预训练数据选取方法
  • OpenHarmony之USB Manager 架构深度解析
  • 新服务器初始化：Git全局配置与SSH密钥生成
  • 主流分布式数据库集群选型指南
  • 【Proteus仿真】定时器控制系列仿真——秒表计数/数码管显示时间
  • python advance -----object-oriented
  • 开源与定制化对比：哪种在线教育系统源码更适合教育培训APP开发？
  • 【51单片机-B030】【protues仿真】基于51单片机万年历系统