Question

我目前在闪亮的应用程序中的工作流程是定期运行R脚本作为cron作业，以从多个数据库中提取各种表，以及从某些API下载数据。然后将它们另存为.Rdata文件，保存在名为data的文件夹中。

在我的global.R文件中，我使用load("data/workingdata.Rdata")加载数据。这导致所有数据帧（约30个）加载到环境中。我知道我可以使用reactiveFileReader()函数来刷新数据，但是显然由于与该函数相关的会话，因此必须在server.R文件中使用它。另外，我不确定load中的readFunc是否被接受为reactiveFileReader()。在此情况下，最佳方案应该是什么？

Answer 1

对您的工作流程的几点思考：

最后，在使用RData方法时，您将与数据库/ API并行设置另一个数据源。

使用文件时，总会有一些内部管理开销（例如，.RData文件在读取时是否完成？）。在我看来，这（部分）是DBMS的目的-照顾好内务处理。他们中的大多数人都拥有完善的解决方案，以确保您快速获得查询内容。那为什么要重新发明轮子呢？

您可以直接使用ReactivePoll直接查询数据库中的更改，而不用使用reactFileReader（）函数来连续创建.RData文件和轮询数据（请参见this 以使用sqlite为例）。如果您的查询长期运行（我猜这是造成您的工作流的原因），则可以在将来包装它们并异步运行（请参阅post 以获得一些灵感）。另外，许多DBMS提供诸如物化视图之类的东西，以避免长时间的等待（根据假定的用户特权）。

当然，所有这些都是基于假设的，原因是我不了解您的生态系统，但以我的经验，减少接口意味着减少错误源。

Answer 2

此示例将reactiveVal对象与observe和invalidateLater结合使用。数据会每2秒加载到一个新环境中并分配给reactVal。

library(shiny)

ui <- fluidPage(
  actionButton("generate", "Click to generate an Rdata file"),
  tableOutput("table")
)

server <- shinyServer(function(input, output, session) {

  ## Use reactiveVal with observe/invalidateLater to load Rdata
  data <- reactiveVal(value = NULL)
  observe({
    invalidateLater(2000, session)
    n <- new.env()
    print("load data")
    env <- load("workingdata.Rdata", envir = n)
    data(n[[names(n)]])
  })


  ## Click the button to generate a new random data frame and write to file
  observeEvent(input$generate, {
    sample_dataframe <- iris[sample(1:nrow(iris), 10, F),]
    save(sample_dataframe, file="workingdata.Rdata")
    rm(sample_dataframe)
  })

  ## Table output
  output$table <- renderTable({
    req(data())
    data()
  })
})


shinyApp(ui = ui, server = server)

Answer 3

您可以在服务器顶部使用load("data/workingdata.Rdata")。然后，无论何时任何人开始新的Shiny会话，数据都是最新的。可能的缺点是：

如果在新的Shiny会话正在加载数据的同时写入数据，则可能会打如果在新数据可用之前和之后打开会话，则
数据将是陈旧的。

我想第一个可能出现的问题不会引起太大的问题。第二种可能的问题更有可能发生，但是除非您处于超紧急情况下，否则我认为这不是一个足以担心的实质性问题。

对您有用吗？

.RData中

3 个答案: