16、Looker应用开发全攻略：从嵌入到组件与市场拓展

于 2025-09-03 01:32:42 发布
阅读量51 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 掌握Looker：数据驱动决策 文章标签： Looker开发 嵌入式分析 Looker扩展框架
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/linux/article/details/151125895

Looker应用开发全攻略：从嵌入到组件与市场拓展

1. 开发准备资源

在踏入Looker开发的征程前，先准备好以下重要资源，它们将为后续的开发工作提供有力支持：
- SDK Codegen ：Looker开源仓库，地址为https://github.com/looker-open-source/sdk-codegen 。
- Colab Looker SDK教程 ：https://colab.sandbox.google.com/github/looker-open-source/sdk-codegen/blob/main/python/python-sdk-tutorial.ipynb 。
- API文章与教程 ：https://developers.looker.com/api/tutorials/

2. 嵌入Looker

Looker的嵌入解决方案能够将Looker的仪表盘、可视化图表和探索功能无缝集成到外部应用程序和网站中，让数据分析的能力延伸到你的数字空间。你可以通过iframe或嵌入SDK来实现嵌入，iframe嵌入有以下几种方式：
- 私有嵌入
- 签名嵌入
- 使用嵌入SDK的签名嵌入

2.1 准备工作
  • 打开之前创建的Looker仪表盘，例如名为“Ecommerce Dashboard”的仪表盘（也可按照相关说明创建新的仪表盘）。
  • 访问https://sites.google.com/ ，使用与Looker相同的Google账户登录，创建一个免费网站，用于嵌入Looker内容。
2.2 私有嵌入步骤
  1. 打开Looker仪表盘，点击仪表盘右上角的三个点。
  2. 在下拉列表中找到“Get Embed URL”，然后点击“Copy Link”复制嵌入URL。
  3. 访问https://sites.google.com/ ，点击“+Start”创建一个新网站。
  4. 在空的Google网站右上角，点击“Embed”。
  5. 在“Embed from the web”窗口中，选择“By URL”，粘贴复制的Looker嵌入URL。
  6. 点击“Insert”完成嵌入。

如果对仪表盘的显示效果不满意，可以采取以下措施：
- 在Looker界面中修改仪表盘。
- 选择“Embed code”而非“By URL”进行嵌入，并添加iframe参数，示例代码如下： 

<iframe
    src="(add your Embed URL here)"
    width="600"
    height="3600"
    frameborder="0">
</iframe>
2.3 注意事项

用户要查看嵌入内容，必须先在同一浏览器中登录Looker。支持通过Looker内置登录系统、Google OAuth、OpenID Connect、SAML和LDAP进行身份验证。你可以通过在嵌入URL中添加参数 allow_login_screen=true ，为未登录用户显示登录屏幕，还能通过“ Sessions”管理面板控制已登录用户的会话时长和非活动超时时间。

2.4 嵌入原理

Looker嵌入功能能让你在自己的工作流程中直接共享仪表盘、可视化图表或可探索的数据。你可以生成嵌入URL，使用基本的iframe方法或更灵活的Looker嵌入SDK将其集成到网页或应用程序中。公共（仅适用于Looks）或私有访问选项可确保对查看嵌入内容的人员进行控制。用户与嵌入数据的交互就像在Looker内部一样，体验一致且直观。

2.5 更多嵌入选项

为了在嵌入式分析中获得更大的灵活性和定制性，可以探索签名嵌入选项。签名嵌入允许将私有Looks、可视化图表、探索和仪表盘直接集成到应用程序中，用户通过自己的应用程序进行身份验证，这与私有嵌入不同，私有嵌入需要用户使用Looker登录、Google OAuth等进行身份验证。例如，https://atomfashion.io/ 是一个使用签名嵌入构建的网站示例，点击应用右下角的“Code”按钮可查看其构建方式。要启用签名嵌入，必须使用Looker的嵌入版本，更多信息可参考https://cloud.google.com/looker/docs/signed-embedding 。

Looker嵌入还有一些高级功能：
- 使用JavaScript让页面响应嵌入内容的变化，甚至修改嵌入内容。
- 跟踪嵌入内容的使用情况。
- 将Looker内容嵌入到Salesforce等系统中。
更多高级嵌入信息可参考https://developers.looker.com/embed/advanced-embedding 。

3. 探索Looker扩展框架

Looker扩展就像是内置在Looker中的可定制应用程序，旨在增强其功能，为用户提供定制化体验。它们就像小型应用程序，能无缝集成到Looker中，扩展其功能以满足特定需求。例如，LookML Diagram和Data Dictionary就是Looker扩展的示例。

Looker扩展框架是一个结构和工具包，使开发人员能够在Looker中创建自定义扩展。它允许第三方JavaScript在Looker中运行，并提供对Looker API的上下文和特权访问。

3.1 准备工作

开发Looker扩展需要满足以下条件：
- 拥有Looker实例的LookML开发权限。
- 启用扩展框架功能（通过“Admin->Platform->Extension Framework”）。
- 熟悉JavaScript。

3.2 创建Looker扩展步骤
  1. 从模板创建新的起始扩展
    • 配置Looker以支持扩展，创建一个与Git连接的LookML项目，并包含一些模型和项目清单文件。
    • 通过命令行工具在应用服务器上安装开源包管理器Yarn。
    • 使用Yarn安装 create-looker-extension 实用程序，它包含基本Looker扩展所需的所有元素。
    • 在Yarn开发服务器中，通过修改 src 目录开始扩展开发。扩展的源代码位于 src 目录中，要更改扩展的功能，可编辑该目录中的文件。例如，在一个React/JavaScript的Hello World扩展中，可修改 HelloWorld.js 文件。
    • 将Yarn服务器上的 manifest.lkml 文件内容复制到LookML项目中的 manifest.lkml 文件，然后依次进行“Validate LookML -> Commit Changes & Push -> Deploy to Production”操作。
    • 新扩展将出现在Looker实例的“Applications”面板中。更多从模板创建扩展的详细信息可参考https://cloud.google.com/looker/docs/extension-intro-to-building 。
  2. 定制扩展
    • 添加代码以实现所需的功能。可参考https://cloud.google.com/looker/docs/extension-framework-react-and-js-code-examples 获取常见功能的代码示例。
  3. 设置权限
    • 为扩展用户提供必要的权限，包括：
      • 开发扩展：在Looker中拥有LookML开发权限。
      • 安装扩展：在Looker中拥有开发、管理模型和部署扩展模型的权限。
      • 使用扩展：在Looker中拥有探索或开发权限，模型集访问设置为“All”。
        更多设置权限的详细信息可参考https://cloud.google.com/looker/docs/setting-permissions-for-extensions 。
3.3 更多资源

访问Looker扩展框架示例仓库https://github.com/looker-open-source/extension-examples ，可以获取丰富的可定制和高级模板，这些模板可轻松克隆和重新用于项目开发。

4. 探索组件

基于React的Looker组件能将Looker的设计和功能无缝融入自定义数据应用程序和扩展中。你可以使用Looker预先制作的React组件，如表单、按钮、图表、表格等，就像使用一套Looker构建块一样。这些组件可与Looker扩展框架和Looker的嵌入SDK一起使用，Looker的可视化组件也是将Looker内容嵌入应用程序的一种方式。

4.1 关键概念
  • Looker组件发布到JavaScript包管理器NPM。
  • NPM可帮助将Looker组件添加到前端JavaScript或TypeScript应用程序中。
  • NPM提供UI、过滤器和可视化组件的包，可从@looker/components NPM仓库下载。
  • 也可以使用前面提到的Yarn来安装Looker组件。
4.2 使用Looker组件步骤
  1. 获取要在应用程序中使用的Looker元素的信息，例如，对于Explore，可能需要从URL中获取Explore ID。
  2. 创建一个JS应用程序（注意，Looker组件可直接在Looker扩展中使用，无需构建单独的JavaScript应用程序，更多信息可参考https://cloud.google.com/looker/docs/extension-intro-to-building ）。在应用程序中执行以下操作：
    • 安装所有必要的Looker组件包。
    • 配置环境变量。
    • 初始化SDK。
    • 将Looker组件嵌入应用程序。
    • 构建后端辅助服务，以接收前端的调用。
  3. 在“Admin”的“Platform”面板的“Embed”中，可能需要将应用程序URL添加到“Embedded Domain Allowlist”。
  4. 启动服务器和React应用程序。
5. 探索Looker市场

你可以为Looker市场做出贡献，例如使用前面介绍的扩展框架的强大功能构建自定义应用程序，并通过市场与Looker社区共享。还可以开发自己的数据块和自定义可视化图表，添加到市场中与他人分享。

5.1 开发Looker数据块

Looker数据块是为常见分析模式和数据源预先构建的数据模型，能为Looker中的数据分析提供快速起点。开发Looker数据块并发布到市场的步骤如下：
1. 将Looker连接到要为其构建数据块的数据源，并记录数据源架构的要求，以便其他用户使用。
2. 创建一个LookML项目，包含以下文件：清单、视图、模型、探索、LookML仪表盘、marketplace.json、LICENSE和README文件。用户从市场安装数据块时，将包含这些文件和自动生成的文件。
3. 将数据块托管在公开可访问的Git仓库中，使其对所有用户可用。
4. 提交数据块进行审核。
更多开发Looker数据块的信息可参考https://cloud.google.com/looker/docs/marketplace-develop-custom-blocks 。

5.2 创建Looker自定义可视化图表

开发Looker自定义可视化图表并发布到市场的步骤如下：
1. 使用Looker可视化API在JavaScript环境中构建自定义可视化图表。
2. 创建一个LookML项目，包含以下文件：LICENSE、README、.js、manifest.lkml和marketplace.json。
3. 将项目推送到公开可访问的GitHub仓库。
4. 测试自定义可视化图表的功能。
5. 提交可视化图表进行审核。
更多开发Looker自定义可视化图表的信息可参考https://cloud.google.com/looker/docs/marketplace-develop-visualization 。

5.3 更多工具

可以使用在线交互式Looker自定义可视化图表构建器https://looker-open-source.github.io/custom-viz-builder/ 来帮助构建和调试自定义可视化图表。

总结

通过以上对Looker应用开发各个方面的详细介绍，我们了解了从开发准备资源、嵌入Looker、探索扩展框架、使用组件到为Looker市场做贡献等一系列内容。这些功能和工具为开发人员提供了丰富的选择，能够满足不同场景下的数据可视化和分析需求。无论是将Looker功能集成到外部应用，还是开发自定义的扩展和可视化图表，都能在Looker的生态系统中找到合适的解决方案。希望这些信息能帮助你在Looker开发的道路上取得更好的成果。

Looker应用开发全攻略：从嵌入到组件与市场拓展

6. 开发流程总结与对比

为了更清晰地展示Looker不同开发方向的流程，下面通过表格进行对比总结：
|开发方向|准备条件|主要步骤|参考文档|
| ---- | ---- | ---- | ---- |
|嵌入Looker|打开Looker仪表盘，创建免费网站|1. 获取嵌入URL；2. 嵌入到网站；3. 必要时调整显示效果|https://cloud.google.com/looker/docs/embed-overview 等|
|探索Looker扩展框架|LookML开发权限，启用扩展框架，熟悉JavaScript|1. 从模板创建扩展；2. 定制扩展；3. 设置权限|https://cloud.google.com/looker/docs/extension-intro-to-building 等|
|探索组件|了解Looker元素信息|1. 创建JS应用；2. 安装组件包；3. 配置环境；4. 嵌入组件；5. 构建后端服务；6. 添加应用URL到白名单；7. 启动服务器和应用|https://cloud.google.com/looker/docs/components-overview 等|
|探索Looker市场（开发数据块）|连接数据源|1. 创建LookML项目；2. 托管到Git仓库；3. 提交审核|https://cloud.google.com/looker/docs/marketplace-develop-custom-blocks |
|探索Looker市场（创建自定义可视化图表）|JavaScript环境|1. 构建可视化图表；2. 创建LookML项目；3. 推送到GitHub仓库；4. 测试功能；5. 提交审核|https://cloud.google.com/looker/docs/marketplace-develop-visualization |

下面是一个mermaid格式的流程图，展示了整体的Looker开发流程： 

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px;
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    classDef decision fill:#FFF6CC,stroke:#FFBC52,stroke-width:2px;

    A([开始开发]):::startend --> B{选择开发方向}:::decision
    B -->|嵌入Looker| C(准备仪表盘和网站):::process
    C --> D(获取嵌入URL):::process
    D --> E(嵌入到网站):::process
    E --> F(调整显示效果):::process
    B -->|开发扩展| G(满足准备条件):::process
    G --> H(从模板创建扩展):::process
    H --> I(定制扩展):::process
    I --> J(设置权限):::process
    B -->|使用组件| K(获取元素信息):::process
    K --> L(创建JS应用):::process
    L --> M(安装组件包):::process
    M --> N(配置环境):::process
    N --> O(嵌入组件):::process
    O --> P(构建后端服务):::process
    P --> Q(添加URL到白名单):::process
    Q --> R(启动服务器和应用):::process
    B -->|开发数据块| S(连接数据源):::process
    S --> T(创建LookML项目):::process
    T --> U(托管到Git仓库):::process
    U --> V(提交审核):::process
    B -->|创建可视化图表| W(准备JavaScript环境):::process
    W --> X(构建可视化图表):::process
    X --> Y(创建LookML项目):::process
    Y --> Z(推送到GitHub仓库):::process
    Z --> AA(测试功能):::process
    AA --> AB(提交审核):::process
    F --> AC([完成开发]):::startend
    J --> AC
    R --> AC
    V --> AC
    AB --> AC
7. 常见问题与解决方法

在Looker开发过程中，可能会遇到一些常见问题，下面为你提供相应的解决方法：
- 嵌入内容显示异常
- 问题描述 ：嵌入的Looker仪表盘或可视化图表在网站上显示不完整或样式错乱。
- 解决方法 ：首先检查嵌入URL是否正确，然后尝试在Looker界面中调整仪表盘的布局和样式。如果问题仍然存在，可以选择“Embed code”并添加合适的iframe参数，如调整宽度和高度。示例代码如下： 

<iframe
    src="(add your Embed URL here)"
    width="800"
    height="4000"
    frameborder="0">
</iframe>
  • 扩展开发权限问题
    • 问题描述 ：在开发或使用扩展时，遇到权限不足的提示。
    • 解决方法 ：确保为扩展用户提供了必要的权限，包括LookML开发权限、安装扩展所需的权限以及使用扩展的权限。具体权限设置可参考https://cloud.google.com/looker/docs/setting-permissions-for-extensions 。
  • 组件安装失败
    • 问题描述 ：在使用NPM或Yarn安装Looker组件包时，出现安装失败的错误。
    • 解决方法 ：检查网络连接是否正常，确保NPM或Yarn的版本是最新的。可以尝试清除缓存并重新安装，命令如下： 
# 清除NPM缓存
npm cache clean --force
# 重新安装组件包
npm install @looker/components
8. 未来发展趋势与建议

随着数据分析和可视化需求的不断增长，Looker的功能和应用场景也将不断拓展。以下是一些未来发展趋势和相应的建议：
- 增强集成能力 ：未来Looker可能会与更多的第三方系统进行深度集成，如与更多的云服务提供商、企业级应用程序等。建议开发者关注Looker官方的集成文档和更新，及时掌握新的集成方法和技巧。
- 智能化分析 ：借助人工智能和机器学习技术，Looker可能会提供更智能的数据分析和可视化功能，如自动生成分析报告、智能推荐可视化图表等。开发者可以学习相关的AI和ML知识，以便更好地利用这些新功能。
- 移动端支持 ：随着移动设备的普及，对Looker在移动端的使用需求也会增加。开发者可以注重开发响应式的嵌入和扩展，确保在移动设备上有良好的用户体验。

总之，Looker为开发者提供了一个强大而灵活的平台，通过不断学习和实践，开发者可以充分发挥Looker的优势，为企业和用户提供更优质的数据分析和可视化解决方案。希望以上内容能帮助你在Looker开发的道路上不断前进，取得更好的成果。

AI应用架构师指南：智能营销平台的实验平台架构
Python编程之道的博客
09-22 1064
在这个“变化比计划快”的时代，营销决策的风险越来越高——一个错误的策略，可能导致百万级的损失。而实验平台，就是智能营销系统中的“定海神针”——它能帮你“用科学的方法，做正确的决策”。作为AI应用架构师，设计一个“高效、灵活、智能”的实验平台，不仅是你的技术职责，更是你推动企业“从经验营销到科学营销”转型的核心贡献。“好的实验平台，不是‘技术复杂’的，而是‘让用户用起来舒服’的”。希望这篇指南能帮你设计出一个“好用”的实验平台，让营销决策更科学，让企业增长更可持续。
AI应用架构师如何保障AI模型监控与告警的准确性
SuperAGI2025
09-08 758
在AI应用规模化落地的今天，模型监控与告警系统已成为保障业务连续性的"生命线"。然而，虚假告警、漏报误报等问题常导致运维效率低下，甚至引发业务损失。本文从架构设计技术选型流程优化三个维度，结合第一性原理与实践案例，系统阐述AI应用架构师如何构建高准确性的模型监控与告警体系。监控目标的精准定义（从业务到技术的对齐）；数据与模型指标的结构化设计；异常检测算法的选择与优化；可扩展架构的设计（支持多模型、多租户）；告警运营流程的闭环优化。
大数据领域数据可视化：打造直观易懂的数据展示
大数据洞察的博客
07-18 1150
在大数据时代，数据可视化是连接数据与人类认知的关键桥梁：它将高维、异构、海量的数据转化为直观的视觉符号，帮助用户快速提取洞见。本文以“打造直观易懂的数据展示”为核心目标，系统阐述大数据可视化的理论底层逻辑（视觉感知、信息论）、架构设计方法（分层系统、组件交互）、实现技术细节（算法优化、交互设计）及实际应用策略（场景适配、部署管理）。结合教学元素（概念桥接、思维模型、案例研究）与高级考量。
提示系统日志分析平台：提示工程架构师的高效工作秘诀
专注搜索引擎技术
08-03 372
在大模型（LLM）主导的AI时代，提示工程（Prompt Engineering）是连接人类意图与模型能力的核心桥梁。然而，Prompt设计本质是「意图表达→模型响应→效果反馈」的循环试错过程——而提示系统日志是这一循环中唯一可量化的反馈载体。本文将从第一性原理如何用日志定位Prompt的「意图歧义」？如何通过版本对比量化Prompt的「效果增益」？如何用因果推断找出Prompt中的「隐形瓶颈」？如何让日志分析平台成为Prompt策略优化的「智能副驾」？
现代数据栈中的消费层
m0_73257876的博客
09-17 974
在完成了基础架构，产品体验，自助式分析的有效管控几方面的基础夯实之后，企业的数据分析成熟度自然就会开始逐渐上升，从现状分析，到原因诊断，再到未来预测，最终到达辅助决策智能的处方建议。尤其是后面两点，需要深度结合 AI 能力来进行赋能，实现数据驱动的高质量决策。分析成熟度从另一个角度看，迈向决策智能也不仅仅是分析能力的提升，还有一个重要的考量是要解决“最后一公里”问题，实现由数据驱动的业务流程。
Looker市场内容开发指南：可视化效果扩展与错误处理
- LICENSE：这是Looker市场内容的许可文件，详细说明了用户在使用该可视化效果时需要遵循的法律条款。 - manifest.lkml：这是一个配置文件，用于定义Looker平台上的可视化对象需要的外部依赖项。这些依赖项可能...
精选资源
组件：Looker的UI组件，设计基础结构等
02-18
如果要查找在自己的应用程序中使用Looker UI组件的文档，则可以在我们的网站上在线查看文档。 错误和功能要求 请在上提交 内容 配置 安装纱 这是利用和的monorepo。 它由一组软件包组成。 如果尚未安装 ，请查看并...
looker-spoke-dev:Looker发言人项目的开发资源库
04-01
"looker-spoke-dev"看起来是一个专门为Looker项目开发的资源库，可能包含了开发Looker自定义扩展或者集成所需的各种工具、代码样本和文档。"Looker发言人项目"可能是该项目的一个特定分支或组件，旨在为Looker用户...
15、Looker使用指南：用户管理、系统分析与应用开发
linux的博客
09-02 62
本文详细介绍了Looker的多个核心功能，包括精细管理用户权限、分析系统活动、高级设置配置以及Looker应用程序的开发。内容涵盖了从用户权限设置、系统活动报告的生成，到Looker API的使用、嵌入功能实现、扩展框架开发等多个方面，为数据分析师和开发者提供了全面的操作指南和实践技巧，帮助用户充分利用Looker进行数据驱动的决策和创新。
深度学习 项目介绍 Python实现基于SO-BiTCN-BiGRU-Attention蛇群优化算法（SO）优化双向时间卷积门控循环单元融合注意力机制进行多变量回归预测的详细项目实例（含模型描述及
最新发布
11-27
内容概要：本文详细介绍了一个基于蛇群优化算法（SO）优化双向时间卷积门控循环单元融合注意力机制（BiTCN-BiGRU-Attention）的多变量回归预测模型。该模型结合BiTCN和BiGRU的双向特征提取能力，利用注意力机制增强关键时序特征的关注度，并通过蛇群优化算法自动调优网络结构与超参数，提升预测精度与泛化能力。文章涵盖项目背景、模型架构、挑战与解决方案、代码实现及可视化分析，展示了从数据预处理到模型训练、优化与可解释性输出的完整流程。; 适合人群：具备一定深度学习与Python编程基础，熟悉时间序列预测及相关神经网络模型的研究人员或工程师，尤其适合从事智能预测系统开发的技术人员； 使用场景及目标：①应用于金融、能源、医疗、交通等领域的多变量时间序列预测任务；②解决高噪声、非线性、强耦合变量下的建模难题；③实现模型自动调参与结构优化，提升训练效率与预测准确性； 阅读建议：此资源融合了深度学习与群体智能优化算法，建议读者结合代码实践，重点理解BiTCN、BiGRU与Attention的融合机制以及SO算法在超参数优化中的实现方式，同时关注注意力权重的可视化分析以提升模型可解释性。
51单片机c源码-数码秒表设计
11-27
51单片机c源码-数码秒表设计
SpringBoot+Vue微服务架构在线教育平台完整源码与实现方案
11-27
本项目构建了一个基于Spring Boot与Vue框架的在线教育视频平台，采用B2C商业模式及微服务架构体系，实现了前后端分离的开发模式。系统划分为前台用户界面与后台管理模块两大部分。 前台功能模块涵盖：首页内容展示、课程分类浏览与详细信息呈现、课程购买支付流程、在线视频播放服务、微信账号登录集成以及微信支付接口调用。 技术架构方面，前端采用Node.js结合Vue.js框架，配合Element-UI组件库与NUXT服务端渲染方案；后端基于SpringBoot和SpringCloud微服务框架，集成Redis缓存系统、Nginx服务器、MySQL数据库及Maven项目管理工具。系统还融合了Redis中间件、阿里云对象存储服务及视频点播解决方案。 本资源主要面向计算机相关专业进行毕业设计的学生群体，以及需要实际项目练习的Java开发学习者。同时适用于课程作业与期末项目实践，提供完整的源代码、数据库初始化脚本及详细项目文档，可直接作为毕业设计成果提交，也可供技术研究参考使用。 重要提示：本资源将通过官方平台持续更新维护，建议通过正规渠道获取最新版本。通过非官方渠道获取的资源无法保证完整性，且不提供任何形式的技术支持服务。 资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
基于SessionAnalytics的用户路径数据分析挖掘框架.zip
11-27
基于SessionAnalytics的用户路径数据分析挖掘框架.zip
北四河下游平原.zip
11-27
三级水系流域矢量数据，数据格式shp格式，坐标系wgs84，真实可靠可打开，放心使用
STM8单片机开发环境搭建与标准库工程创建
11-27
本文档旨在帮助开发者搭建STM8单片机的开发环境，并创建基于标准库的工程项目。通过本文档，您将了解如何配置开发环境、下载标准库、创建工程以及进行基本的工程配置。 1. 开发环境搭建 1.1 软件准备 IAR Embedded Workbench for STM8: 这是一个集成开发环境，具有高度优化的C/C++编译器和全面的C-SPY调试器。它为STM8系列微控制器提供全面支持。 STM8标准库: 可以从STM官网下载最新的标准库文件。 1.2 安装步骤 安装IAR: 从官网下载并安装IAR Embedded Workbench for STM8。安装过程简单，按照提示点击“下一步”即可完成。 注册IAR: 注册过程稍微繁琐，但为了免费使用，需要耐心完成。 下载STM8标准库: 在STM官网搜索并下载最新的标准库文件。 2. 创建标准库工程 2.1 工程目录结构 创建工作目录: 在自己的工作目录下创建一个工程目录，用于存放IAR生成的文件。 拷贝标准库文件: 将下载的标准库文件拷贝到工作目录中。 2.2 工程创建步骤 启动IAR: 打开IAR Embedded Workbench for STM8。 新建工程: 在IAR中创建一个新的工程，并将其保存在之前创建的工程目录下。 添加Group: 在工程中添加几个Group，分别用于存放库文件、自己的C文件和其他模块的C文件。 导入C文件: 右键Group，导入所需的C文件。 2.3 工程配置 配置芯片型号: 在工程选项中配置自己的芯片型号。 添加头文件路径: 添加标准库的头文件路径到工程中。 定义芯片宏: 在工程中定义芯片相关的宏。 3. 常见问题与解决方案 3.1 编译错误 错误1: 保存工程时报错“ewp could not be written”。 解决方案: 尝试重新创建工程，不要在原路径下删除工程文件再创建。 错误
故障诊断pytorch基于CNN-LSTM故障分类的轴承故障诊断研究[西储大学数据]（Python代码实现）
11-27
【故障诊断】【pytorch】基于CNN-LSTM故障分类的轴承故障诊断研究[西储大学数据]（Python代码实现）内容概要：本文介绍了基于CNN-LSTM混合神经网络模型的轴承故障诊断方法研究，使用西储大学公开的轴承故障数据集进行实验验证。该方法结合卷积神经网络（CNN）强大的特征提取能力和长短期记忆网络（LSTM）对时序数据的建模优势，实现对轴承不同故障类型和严重程度的自动分类。文中详细阐述了数据预处理、模型构建、训练流程及分类结果评估过程，并通过Python代码实现了完整的故障诊断系统，具有较强的可复现性和实际应用价值。; 适合人群：具备一定Python编程基础和深度学习理论知识的高校研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标：①应用于旋转机械设备的状态监测与早期故障预警；②作为深度学习在工业大数据分析中的典型案例，服务于智能制造、 predictive maintenance等领域；③帮助读者掌握CNN-LSTM融合模型的设计思路与PyTorch框架的实际开发技能。; 阅读建议：建议读者结合提供的代码与西储大学数据集动手实践，重点关注数据时序特征的处理方式、模型结构设计原理及训练过程中的超参数调优策略，以深入理解深度学习在故障诊断任务中的具体应用。
山东半岛及沿海诸河系.zip
11-27
水系流域矢量数据，坐标系wgs84，是流域范围，数据格式shp格式
基于SSM框架的学生信息管理系统设计与实现
11-27
《基于SSM架构的学籍数据管理平台技术解析》 在当代数字化教育背景下，数据管理平台已成为教育机构运营的核心支撑。本系统以SSM技术组合为基础架构，构建了一套完整的学籍信息处理体系，通过系统化的技术方案实现教育数据的规范化管理与智能分析。以下从架构设计、技术实现与功能模块三个维度展开说明。 一、系统架构设计 该平台采用分层式架构设计，充分体现模块化与可维护性特征。Spring框架作为核心容器，通过依赖注入机制实现组件解耦；SpringMVC架构负责前端请求的路由与响应处理；MyBatis数据层框架则封装了数据库交互过程，通过映射配置简化SQL操作。三层架构协同工作，形成高内聚低耦合的技术体系。 二、技术实现要点 1. Spring容器：基于控制反转原则管理业务对象生命周期，结合面向切面编程实现事务控制与日志管理 2. SpringMVC模块：采用模型-视图-控制器设计范式，规范Web层开发流程，支持RESTful接口设计 3. MyBatis组件：通过XML配置实现对象关系映射，提供动态SQL生成机制，显著减少冗余编码 三、核心功能模块 1. 学籍信息维护：实现学员基本资料的增删改查操作，涵盖学籍编号、个人信息、所属院系等关键字段 2. 学业成绩管理：支持课程分数录入与批量处理，提供多维度统计分析功能 3. 教学组织管理：建立班级体系与学员关联关系，实现分级数据管理 4. 权限控制机制：基于角色访问控制模型，划分管理员、教职工、学员三级操作权限 5. 系统审计功能：完整记录用户操作轨迹，构建安全追踪体系 四、系统开发方法论 在项目生命周期中，采用结构化开发流程。前期通过需求调研确定系统边界，中期完成数据库范式设计与接口规范制定，后期采用迭代开发模式配合自动化测试，确保系统交付质量。 五、技术演进展望 当前系统虽未集成智能算法，但为未来升级预留了扩展接口。可预见的技术演进方向包括：基于学习行为数据的智能预警、个性化学习路径推荐等深度应用场景。 综上所述，该平台通过SSM技术体系实现了教育管理数据的标准化处理，既展示了现代软件开发范式的实践价值，也为教育信息化建设提供了可复用的技术方案。这种系统化的问题解决思路，充分体现了软件工程方法在教育领域的应用潜力。 资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
金融合规领域XML数据结构解析：道琼斯观察名单数据元素与字段定义技术规范
11-27
内容概要：本文档为《Dow Jones Watchlist XML 用户指南》，主要介绍道琼斯通缉名单XML数据源的结构与元素定义。文档详细说明了XML根元素PFA及其包含的多个主列表容器，如国家列表（CountryList）、职业列表（OccupationList）、关系列表（RelationshipList）、制裁参考列表（SanctionsReferencesList）以及多个描述性分类列表（Description1List、Description2List等）。每个XML元素均定义了属性、数据类型、出现次数及示例代码，确保用户能正确解析和集成数据。系统建议每日获取增量更新，并至少每月执行一次全量刷新以保持数据完整性。 适合人群：从事金融合规、反洗钱（AML）、风险控制等相关工作的技术人员或数据集成工程师，具备基本XML知识和数据处理经验。 使用场景及目标：①帮助机构集成道琼斯通缉名单数据到内部合规系统；②实现对政治敏感人物（PEP）、关联人、实体及制裁名单的自动化筛查；③确保企业符合国际监管要求，提升风控能力。 阅读建议：使用时应结合实际XML数据文件对照本指南中的结构与字段说明，重点关注各主列表的代码值（code）、状态（status）及分类标识（如Description2Id），并注意定期同步主数据变更。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值