| 如何利用FME 创建自己的功能软件 | 您所在的位置：网站首页 › Django路由分发踩坑 › 如何利用FME 创建自己的功能软件 |
如何利用FME 创建自己的功能软件
|
目录 前言 一、概述 二、开发思路 1.前端开发 （1）登录页面 （1）功能页面 （1）下载页面 2.后端开发 二、发布上线 总结 前言经过几个月修炼，之前更新的一篇利用django和fme实现模板继承的研究现在终于开花结果，今天悟空就来分享一下利用fme作为后台计算模型搭建数据分析web应用，创建自己的功能软件，让用户彻底脱离fme环境，创建属于自己的ui操作界面。 一、概述1、编程语言：JavaScript，python 2、开发框架：前端VUE3 ,后端django 3、数据库：数据表PostgreSql，进程管理数据库redis 4、开发工具：webstorm，pycharm 5、计算模型api：fme模板 二、开发思路 1.前端开发本次开发主要采用前端后端分离式开发，前端使用vue3+element-plus搭建web应用页面，主要页面为登录页面、功能页面、成果下载页面。 （1）登录页面
这个没啥好说的，主要注意的是要做一个导航守卫，登录成果后让系统从后台api拿到token值，根据是否有token值来判断页面是否跳转，如果没拿到token值则用户不能进入主页面。这部分比较通用，几乎任何应用都类似。 export default defineComponent({ setup() { const loginForm={ username:'', password:'', }; let router=useRouter(); let store=useStore(); return { router, store, loginForm, }; }, mounted() { let loginForm = JSON.parse(localStorage.getItem("loginForm")); if (loginForm) { this.loginForm = loginForm; } }, methods: { onSubmit() { let api = 'http://192.168.0.179:8000/lg/login/' let router=this.router window.localStorage.setItem("loginForm",this.loginForm.username); axios.post(api,this.loginForm,{ timeout: 2000, }).then(function(res:any){ alert('登录成功'); window.localStorage.setItem("token",res.data.token); router.push({path:"/"}); //重新触发路由 location.reload() （2）功能页面
功能页面简洁大方为主，目前上线了3个功能集，都是以自定义表单的形式提交参数到后台，并得到成果，后续上线其他功能只需要简单新增子路由即可。
以下是其中一个子页面代码，需要注意的如果是某些大文件传输，需要将文件二进制流打散，然后后端接受组合成完整文件，后期会考虑增加断点续传等功能。 尖锐角修复 需要修复的shp文件 清空 提交数据 import { defineComponent, ref } from "vue"; import axios from "axios"; export default defineComponent({ setup() { var fileList=[]; var file= {}; var dialogImageUrl= ''; var dialogVisible= false; const forms=ref({ angel:'', area:'', }); return { file:{}, fileList:[], forms, }; }, methods: { fileget(file){ this.fileList.push(file.raw) console.log(this.fileList) }, clearFiles() { this.$refs["mYupload"].clearFiles(); }, onSubmit() { let api = 'http://192.168.0.179:8000/api/test/'; let fd = new FormData(); //let username= window.username let name = window.localStorage.getItem('loginForm'); for(var i=0;idiv{ margin-top: 20px; } .up-title{ text-align: center; font-size: 30px; font-weight: 600; } .up-one{ height: 70px; overflow: hidden; } .property{ padding: 0 50px; text-align: center; >div{ padding: 10px; font-weight: 600; } } } /deep/.vxe-button--content{color: #fff;} /deep/.vxe-button.type--button:hover,.vxe-button.type--button.active{background: #2D94FC !important; border-color: #2D94FC!important;} （3）下载页面我们所有表单提交都采用ajax异步请求，请求完成后，后端接收前端数据，储存数据库，触发fme计算模型。fme模板运行完毕后会和后端交互，自动生成下载链接，并渲染到前端。 表单提交后会立即生成任务，后台计算完成后会自动更新任务状态。
fme模板执行成功后自动渲染下载链接
fme模板运行失败,也会更新任务状态让用户从新检查自己的提交参数
点击下载链接，成功下载计算后成果。
点击删除按钮则自动删除该任务在数据库的位置，以及对应的下载文件。
后端开发采用django和django的扩展库drf来快速生成接口，采用redis和celery来管理fme进程以便于应付高并发任务队列情况。 值得一提的是celery这个python库，能实现百万级的进程管理，成功的让我们的后台模板有序高效的执行。经过测试，celery在处理高请求量且较为复杂的fme模板甚至有媲美fmeserver的效率。
当然唯一的缺陷也非常明显，就是fmedesktop最多只支持8进程同时运行，不过要克服这一难题也不是没有办法，可以组建分布式celery，让多台机器为一个django提供计算服务。要组建分布式的话，所涉及的技术也更加的难，要考虑资源分配，任务调度，以及多台机器的连接稳定。redis和数据库以及本地磁盘都得建立多台机内网共享。 后端还需要攻克的一点则是 输出成果的渲染，因为我们的用户的多个，他们执行的任务是不同的，后端需要写逻辑，根据前端的反馈的用户名信息，从数据库调用该用户的任务来反馈给前端，不然就会导致任务共享，用户则不知道自己执行的任务是哪一个。 以下是部分后端代码。 from rest_framework.views import APIView from rest_framework.response import Response from books.models import Books from books.serializer import BooksSerializer from rest_framework import status import os import uuid import shutil class BooksViewSet(APIView): def get(self,request): name=request.GET['name'] path_list = Books.objects.filter(name=name) path_list1=BooksSerializer(instance=path_list,many=True) return Response(path_list1.data) def post(self, request): """添加一条数据""" uid=uuid.uuid1() # 接收客户端提交的数据 name=request.data['name'] type='尖锐角修复' an=request.data['angel'] area=request.data['area'] url='计算中...' import time now = time.localtime() time = str(time.strftime("%Y-%m-%d %H:%M:%S", now)) Books.objects.create( name=name, path=url, type=type, uid=uid, date=time ) myfile = request.FILES.getlist("file", None) #print(myfile) path = os.makedirs(r'G:\\temp' + './{}'.format(uid)) aaA = str('G:\\temp' + '\\{}'.format(uid)) for ff in myfile: road = os.path.join(aaA, ff.name) f = open(road, 'wb+') for chunk in ff.chunks(): f.write(chunk) f.close() from celery_tasks.api.tasks import angel try: angel.delay(road,an,area,uid,name) except: aa=Books.objects.filter(uid=uid) aa.update(path='计算失败，请查看提交数据是否规范') pass return Response(status=status.HTTP_201_CREATED) class reViewSet(APIView): def post(self, request): data = request.data['removeRecords'][0] pk=data['id'] uid=data['uid'] course = Books.objects.get(pk=pk) course.delete() shutil.rmtree(r'G:\django1\media\{}'.format(uid)) return Response(status=status.HTTP_201_CREATED) class gdViewSet(APIView): def post(self, request): """添加一条数据""" uid=uuid.uuid1() # 接收客户端提交的数据 name=request.data['name'] type='耕地质量分类' xzq=request.data['xzq'] url='计算中...' import time now = time.localtime() time = str(time.strftime("%Y-%m-%d %H:%M:%S", now)) Books.objects.create( name=name, path=url, type=type, uid=uid, date=time ) myfile = request.FILES.getlist("file", None) os.makedirs(r'G:\\temp' + './{}'.format(uid)) aaA = str('G:\\temp' + '\\{}'.format(uid)) for ff in myfile: road = os.path.join(aaA, ff.name) f = open(road, 'wb+') for chunk in ff.chunks(): f.write(chunk) f.close() from celery_tasks.api.zippp import upzip from celery_tasks.api.tasks import gd path = 'G:\\temp\\{}'.format(uid) for i in os.listdir(path): file_name, file_extension = os.path.splitext(i) if file_extension == '.zip': upzip(dirpath=str(path + '\\' + i), outpath=path) gdbroad = str(path + '\\' + file_name) if file_extension == '.shp': xzqroad = str(path + '\\' + i) try: gd.delay(xzqroad,xzq,gdbroad,uid,name) except: aa=Books.objects.filter(uid=uid) aa.update(path='计算失败，请查看提交数据是否规范') pass return Response(status=status.HTTP_201_CREATED) 3.FME模板调用调用模板采用python触发dos指令来传递前端参数，并调用fme模板，需要注意传统os调用会出问题，因为传统os调用是异步携程执行。这样会和celery出现冲突，我们需要subprocess库来调用模板，同步执行。 二、发布上线采用iis服务器发布django任务，具体可以参考该博主的博客。Django--4 Django项目在Win10 + IIS服务器部署上线运行_liuning2008的博客-CSDN博客_django项目部署到服务器 windowsz 整体项目框架就是这样，temp存放临时缓存文件，fmw存放模板文件。我设置了windos用户计划，定期清空临时文件防止磁盘爆满。 总结 爆肝多个月终于是将全套功能实现了，看似简单的功能，简单的逻辑，其实涉及了庞大的技术量，中途踩的坑那是一个比一个多，尤其是vue的生命周期和路由分发，耗费了我大量时间才勉强实现效果。有兴趣的小伙伴可以先从前端js，html5，css3开始学起，再掌握一门后端框架，推荐django和flask。最终的成果是让我非常满意的，同时也感谢我的前端大佬小洋人，给我恶补了不少vue的知识点。该研究最大的特点就是可以让用户脱离fme环境，脱离配置各种python库的烦恼，脱离电脑设备跟不上的困境，只需要一个浏览器，就可以完成大量复杂且耗费人工的工作，后期我会陆续上线功能集，并准备把我之前的搞深度学习涉及的不少模板也上线了。 |
Django--4 Django项目在Win10 + IIS服务器部署上线运行_liuning2008的博客-CSDN博客_django项目部署到服务器 windows【本文地址】