spring boot 做的网站访问隔几秒会慢一次，想不出来是啥问题

Posted 2023-04-23

参考技术A 让电脑变卡、变慢的原因有很多：
1、电脑内存不够，一直不清理电脑的缓存，就会让垃圾文件越来越多，这样就会导致电脑很卡，解决的办法很简单，用腾讯电脑管家进行清理下。
2、网络太慢，如果宽带太小了，就会很慢很卡。升级宽带就好了。
3、电脑中病毒了。电脑一旦中毒了之后就会影响系统的运行速度，让电脑变很卡，所以不定时要用电脑管家对电脑进行杀毒。
4、软件不兼容，卸载掉不兼容的软件。
5、上网慢首先检查自己的宽带，升级宽带可以让网速变更快。足够大的宽带网速慢就可以检查有没有被蹭网。本回答被提问者采纳

在 jupyter 中 [每隔几秒] 更新 plotly 图形

【中文标题】在 jupyter 中 [每隔几秒] 更新 plotly 图形

【英文标题】：updating plotly figure [every several seconds] in jupyter

【发布时间】：2021-10-14 06:29:06

【问题描述】：

我是 plotly python 包的新手，遇到过这样的问题： 有一个 pandas 数据框正在循环更新，我必须使用 plotly 从中绘制数据。 一开始所有df.response 值都是None，然后它开始填充它。这是一个例子：at the beginningafter it starts to fill 我想巧妙地对这些变化做出反应，但我不知道如何以最“规范”和简单的方式来做到这一点。 （如果数据更新循环和情节更新能够同时工作，那就太好了，但如果情节每隔几秒钟就会做出反应，那也很好）。我发现了一些功能，但并不完全了解它们的工作原理：

import plotly.graph_objects as go
import cufflinks as cf
from plotly.offline import init_notebook_mode

init_notebook_mode(connected=True)
cf.go_offline()

fig = go.Figure(data=go.Heatmap(z=df.response,
                                x=df.currents,
                                y=df.frequencies))

fig.update_layout(datarevision=???) # This one

...

【参考方案1】：

如果您想在数据到达时进行更新，您需要一种事件/中断处理方法 此示例使用时间作为事件/中断，

dash

Interval

通过将其他数据连接到数据帧来模拟更多数据，然后更新

回调

中的

figure

import plotly.graph_objects as go
import numpy as np
import pandas as pd
from jupyter_dash import JupyterDash
import dash_core_components as dcc
import dash_html_components as html
from dash.dependencies import Input, Output, State

# initialise dataframe and figure
df = pd.DataFrame("response":[], "currents":[], "frequencies":[])
fig = go.Figure(data=go.Heatmap(z=df.response,
                                x=df.currents,
                                y=df.frequencies))



# Build App
app = JupyterDash(__name__)
app.layout = html.Div(
    [
        dcc.Graph(id="heatmap", figure=fig),
        dcc.Interval(id="animateInterval", interval=400, n_intervals=0),
    ],
)

@app.callback(
    Output("heatmap", "figure"),
    Input("animateInterval", "n_intervals"),
    State("heatmap", "figure")
)
def doUpdate(i, fig):
    global df
    df = pd.concat([df, pd.DataFrame("response":np.random.uniform(1,5,100), "currents":np.random.randint(1,20,100), "frequencies":np.random.randint(1,50,100))])

    return go.Figure(fig).update_traces(go.Heatmap(z=df.response,
                                x=df.currents,
                                y=df.frequencies))


# Run app and display result inline in the notebook
app.run_server(mode="inline")

【讨论】：

谢谢！这对我帮助很大！