數據可視化（三）基於 Graphviz 實現程序化繪圖頂原薦

前言

我之前在幾篇文章新一代Ntopng網絡流量監控—可視化和架構分析、數據可視化（一）思維利器 OmniGraffle 繪圖指南 |201601，都曾提到了力導圖，在關於 OmniGraffle 的文章結尾還吐槽了一番自動佈局按鈕的坑。在本文中我力求將這個坑填上。

OmniGraffle 生成自動佈局圖形的基礎是 Graphviz 引擎。Graphviz（Graph Visualization Software）是一個由AT&T實驗室啓動的開源工具包，能夠支持基於 DOT 腳本，文件擴展名通常是 .gv 或 .dot 的描述繪製圖形。DOT 是一種文本圖形描述語言，將生成的圖形轉換成多種輸出格式的命令行工具，其輸出格式包括PostScript，PDF，SVG，PNG，含註解的文本等。DOT 本身非常原始，提供了一種非常簡單的描述圖形的方法，同時意味着可以在命令行終端使用，或者被其它編程語言調用（Graphviz 就可以作爲一個庫使用）。這一點非常關鍵，基於 Graphviz 應用開發者不必掌握佈局的複雜算法，而是可以把精力放在業務方面，將最後的圖對象交給繪圖引擎來處理即可。

有趣的是 Graphviz(Mac 版) 和 OmniGraffle 都曾獲得蘋果設計獎 Apple Design Awards。

在深入掌握 Graphviz 及其相關衍生應用之前，我們有必要了解一些基礎理論 —— 圖論(Graph theory)。

一、背景知識：圖論(Graph theory)

柯尼斯堡七橋問題

東普魯士柯尼斯堡（今日俄羅斯加里寧格勒）市區跨普列戈利亞河兩岸，河中心有兩個小島。小島與河的兩岸有七條橋連接。在所有橋都只能走一遍的前提下，如何才能把這個地方所有的橋都走遍？

許多數學家都嘗試去尋找這類問題的解決方案，後來發展成爲了數學中的圖論。圖論史上第一篇重要文獻是萊昂哈德·歐拉在1736年發表在聖彼得堡科學院的《柯尼斯堡的七橋》。該論文證明了柯尼斯堡七橋問題中，符合條件的走法並不存在，同時提出和解決了一筆畫問題。過橋問題可以抽象簡化爲平面上的點與線組合，每一座橋視爲一條線，橋所連接的地區視爲點。從這個點出發的線有奇數條稱爲奇點，從這個點出發的線有偶數條稱爲偶點。任意一種河──橋圖能否全部走一次的判定法則：如果存在兩個以上（不包括兩個）奇頂點，路線不存在；且有n個奇頂點的圖至少需要n/2筆畫出。

1、經典適用場景

路徑問題（柯尼斯堡七橋問題），最小生成樹問題，斯坦納樹
網絡流與匹配問題：最大流問題，最小割問題，最大流最小割定理，最小費用最大流問題，二分圖及任意圖上的最大匹配，帶權二分圖的最大權匹配
覆蓋問題：最大團、最大獨立集、最小覆蓋集、最小支配集

2、經典算法

戴克斯特拉算法(D.A)
克魯斯卡爾算法(K.A)
普里姆算法(P.A)
拓撲排序算法(TSA)
關鍵路徑算法(CPA)
廣度優先搜索算法(BFS)
深度優先搜索算法(DFS)

二、Graphviz 簡明指南

1、Graphviz 佈局器

總的來說，Graphviz 支持兩類圖：無向圖（graph,用“ - - ”表示節點之間）和有向圖（digraph,用“ ->” 表示節點之間）。頂點和邊都具有各自的屬性，比如形狀，顏色，填充模式，字體，樣式等。主要的佈局器如下：

dot: 默認佈局方式，主要用於有向圖；
neato：基於 sprint model 模型，又稱force-based 或者 energy minimized；
twopi：徑向佈局，放射狀；
circo：圓環佈局；
fdp：無向圖；
dotty：一個用於可視化與修改圖形的圖形用戶界面程序；
lefty：一個可以顯示 DOT 圖形的可編程控件，並允許用戶用鼠標在圖上執行操作。

2、Hello World!

$ brew install graphviz
$ dot -Tpng demo.dot -o demo.png

digraph demo{
  label="兒茶酚胺合成代謝路徑";

  酪氨酸 -> L多巴 -> 多巴胺 -> 去甲腎上腺素 -> 腎上腺素;

  下丘腦 -> 多巴胺;
  交感神經元 -> 去甲腎上腺素;
  腎上腺髓質 -> 去甲腎上腺素,腎上腺素;

  酪氨酸 [label="酪氨酸",color=green];
  多巴胺 [label="多巴胺", color=red];
  腎上腺素 [label="腎上腺素", color=red];

  下丘腦 [shape=box];
  交感神經元 [shape=box];
  腎上腺髓質 [shape=box];
}

3、twopi 徑向佈局

## 缺省爲 dot 佈局
$ dot -Kcirco -Tpng demo.dot -o demo.png

三、應用場景

1、軟件工程領域

軟件工程領域的複雜系統數據結構分析和軟件包依賴關係管理。例如 Linux 內核內部結構非常複雜，從概念上就由五個主要的子系統構成：進程調度器模塊、內存管理模塊、虛擬文件系統、網絡接口模塊和進程間通信模塊。這些模塊之間通過函數調用和共享數據結構進行數據交互，在涉及內核版本、應用程序升級等場景中，弄清楚模塊之間的依賴關係非常重要。

lsmod 命令用於顯示已經加載到內核中的模塊的狀態信息，Used by表示依賴的內容。通過 lsmod 命令獲取依賴信息之後，簡單處理就可以轉化爲圖形，而且圖形生成的全過程可以由程序固化。

$ lsmod
Module          Used by
vboxdrv         vboxnetadp,vboxnetflt,vboxpci
nf_reject_ipv4  ipt_REJECT
ebtables        ebtable_filter
ip6_tables      ip6table_filter
ip6_udp_tunnel  vxlan
udp_tunnel      vxlan
xor             btrfs
raid6_pq        btrfs
nf_nat_masquerade_ipv4       ipt_MASQUERADE
xfrm_algo        xfrm_user
nf_defrag_ipv4        nf_conntrack_ipv4

......

digraph kernel{
        vboxdrv->vboxnetadp,vboxnetflt,vboxpci;
        nf_reject_ipv4->ipt_REJECT;
        ebtables->ebtable_filter;
        ip6_tables->ip6table_filter;
        ip6_udp_tunnel->vxlan;
        udp_tunnel->vxlan;
        xor->btrfs;
        raid6_pq->btrfs;
        nf_nat_masquerade_ipv4->ipt_MASQUERADE;
        xfrm_algo->xfrm_user;
        nf_defrag_ipv4->nf_conntrack_ipv4;

        ......
}

基於 Graphviz 的一個開源項目 PlantUML 支持快速繪製各類 UML 圖形：時序圖、用例圖、類圖、活動圖、組件圖、狀態圖、對象圖等。

@startuml
scale 600 width

[*] -> State1
State1 --> State2 : Succeeded
State1 --> [*] : Aborted
State2 --> State3 : Succeeded
State2 --> [*] : Aborted
state State3 {
  state "Accumulate Enough Data\nLong State Name" as long1
  long1 : Just a test
  [*] --> long1
  long1 --> long1 : New Data
  long1 --> ProcessData : Enough Data
}
State3 --> State3 : Failed
State3 --> [*] : Succeeded / Save Result
State3 --> [*] : Aborted

@enduml

2、通信工程領域

nwdiag 是一個基於 Python 的、支持 Dot 腳本生成網絡圖的庫
結合 GIS 信息追蹤網絡路由

pip install nwdiag
nwdiag simple.diag
nwdiag -Tsvg simple.diag

nwdiag {
  network dmz {
      address = "210.x.x.x/24"

      web01 [address = "210.x.x.1"];
      web02 [address = "210.x.x.2"];
  }
  network internal {
      address = "172.x.x.x/24";

      web01 [address = "172.x.x.1"];
      web02 [address = "172.x.x.2"];
      db01;
      db02;
  }
}

[root@li1437-101 ~]# traceroute www.google.com
traceroute to www.google.com (216.58.216.36), 30 hops max, 60 byte packets
 1  23.92.24.2 (23.92.24.2)  0.704 ms  0.736 ms 23.92.24.3 (23.92.24.3)  0.575 ms
 2  173.230.159.16 (173.230.159.16)  0.910 ms 173.230.159.14 (173.230.159.14)  2.265 ms
 		173.230.159.0 (173.230.159.0)  0.731 ms
 3  as15169.sfmix.org (206.197.187.50)  4.039 ms eqixsj-google-gige.google.com (206.223.116.21)  0.718 ms
 		as15169.sfmix.org (206.197.187.50)  3.944 ms
 4  108.170.242.227 (108.170.242.227)  4.902 ms
 		108.170.242.226 (108.170.242.226)  3.003 ms
 		108.170.243.2 (108.170.243.2)  3.064 ms
 5  216.239.47.37 (216.239.47.37)  4.836 ms 64.233.174.91 (64.233.174.91)  1.476 ms  1.447 ms
 6  216.239.54.22 (216.239.54.22)  12.464 ms  29.292 ms 64.233.174.204 (64.233.174.204)  9.032 ms
 7  209.85.245.172 (209.85.245.172)  10.633 ms
    108.170.230.130 (108.170.230.130)  20.010 ms
 		108.170.230.124 (108.170.230.124)  8.988 ms
10  lax02s22-in-f4.1e100.net (216.58.216.36)  10.358 ms  10.383 ms  10.301 ms

digraph {
    label="Google Trace Sample";
    "23.92.24.2" [label="23.92.24.2 \n Fremont,California \n location:37.5670,-121.9829"] ;
    as15169 [label="as15169.sfmix.org \n San Francisco \n Metropolitan Internet Exchange"];
    "108.170.242.227" [label="108.170.242.227 \n California \n location:37.4192,-122.0574"];
    lax02s22 [label="ax02s22-in-f4.1e100.net \n Los_Angeles,California \n location:46.07305,-100.546"];
    "23.92.24.2" -> as15169 -> "108.170.242.227"  -> lax02s22;
}

3、社會工程領域

決策樹(Decision Tree)：人羣鄙視鏈
複雜人物關係鏈分析（《紅樓夢》、《權力的遊戲》）

注意: 如果需要使用分組（Group）特性，子圖的名稱必須以“cluster”開頭，否則無法識別

digraph family {
  label ="《紅樓夢》人物關係譜·主要角色";

  subgraph cluster_皇族{
      label ="皇族";
      bgcolor="mintcream";
      node [ color="lightyellow", style="filled"];

      北靜王 [label = "北靜王",shape="Mrecord"];
      義忠順王 [label = "義忠順王",shape="Mrecord"];

      賈元春 [label = "賈元春（長女）\n 鳳藻宮尚書·賢德妃",shape="Mrecord"];
  }

  subgraph cluster_寧國公{
      label ="寧國公(西府)";
      bgcolor="mintcream";
      node [ color="green", style="filled"];

      賈演 [label = "賈演 \n 寧國公"];

      賈代化[label = "賈代化 \n 爵位：一等神威將軍 \n 職務（武官）：京營節度使",shape="Mrecord"];
      賈演 -> 賈代化[label = "子"];
      ......
    }
    ......
}

擴展閱讀：數據可視化

更多精彩內容掃碼關注公衆號：RiboseYim's Blog：http://riboseyim.github.io/2017/09/15/Visualization-Graphviz/

數據可視化（三）基於 Graphviz 實現程序化繪圖頂原薦

前言

一、背景知識：圖論(Graph theory)

1、經典適用場景

2、經典算法

二、Graphviz 簡明指南

1、Graphviz 佈局器

2、Hello World!

3、twopi 徑向佈局

三、應用場景

1、軟件工程領域

2、通信工程領域

3、社會工程領域

擴展閱讀：數據可視化

《Python進階》學習筆記

Leetcode 3161. 物塊放置查詢

一個docker容器暴露多個端口

leetcode 60 排列序列

微服務實踐之使用 Visual Studio 2022 調試Dapr 應用程序

wpf附加屬性理解 WPF附加屬性

技術團隊中的作家

Uber Hadoop 文件系統最佳實踐頂原薦

SDN 技術指南（四）：Open vSwitch 頂原薦

Machine Learning:神經網絡基礎頂原薦

嗑藥簡史：咖啡上癮，喝還是不喝？頂原

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結

數據可視化（三）基於 Graphviz 實現程序化繪圖 頂 原 薦

前言

一、背景知識：圖論(Graph theory)

1、經典適用場景

2、經典算法

二、Graphviz 簡明指南

1、Graphviz 佈局器

2、Hello World!

3、twopi 徑向佈局

三、應用場景

1、軟件工程領域

2、通信工程領域

3、社會工程領域

擴展閱讀：數據可視化

數據可視化（三）基於 Graphviz 實現程序化繪圖頂原薦