目录
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。
<template>
<div class="page-box">
<vxe-toolbar>
</vxe-toolbar>
<el-form ref="form" :model="form" label-width="80px">
<el-row>
<el-col :span="24">
<div class="pagetit">尖锐角修复</div>
</el-col>
</el-row>
<el-row>
<el-col :span="10">
<el-form-item label="角度">
<el-input v-model="forms.angel" placeholder="尖角判定最大角度"></el-input>
</el-form-item>
</el-col>
</el-row>
<el-row>
<el-col :span="10">
<el-form-item label="面积">
<el-input v-model="forms.area" placeholder="尖角部分面积改变大小"></el-input>
</el-form-item>
</el-col>
</el-row>
<el-row>
<el-col :span="18">
<el-form-item label="文件上传">
<el-upload
multiple
ref="mYupload"
:on-change="fileget"
class="upload-demo"
action="111"
:auto-upload="false"
>
<template #trigger>
<el-button type="primary">需要修复的shp文件</el-button>
</template>
<el-button type="primary" @click="clearFiles">
清空
</el-button>
</el-upload>
</el-form-item>
</el-col>
</el-row>
<el-row>
<el-col :span="18">
<el-form-item>
<el-button type="primary" @click="onSubmit">提交数据</el-button>
</el-form-item>
</el-col>
</el-row>
</el-form>
</div>
</template>
<script lang="ts">
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.$refs["mYupload"].clearFiles();
},
onSubmit() {
let api = 'http://192.168.0.179:8000/api/test/';
let fd = new FormData();
//let username= window.username
let name = window.localStorage.getItem('loginForm');
for(var i=0;i<this.fileList.length;i++){
fd.append('file',this.fileList[i]);;
}
//传文件
fd.append('angel',this.forms.angel);//传其他参数
fd.append('area',this.forms.area);
fd.append('name',name);
axios.post(api,fd,{
headers: {'Content-Type': 'multipart/form-data'},
timeout: 200000,
}).then(function(res){
alert('提交成功');
})
this.fileList=[];
this.$refs["mYupload"].clearFiles();
this.forms={
angel:'',
area:'',
};
// return false//屏蔽了action的默认上传
},
},
})
</script>
<style lang="scss" scoped>
.up-load{
width: 50vw;
margin: 50px auto;
>div{
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;}
</style>
（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。
2.后端开发
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
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
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。