xwl_bi 的安装和配置教程
2025-05-28 22:40:41作者:苗圣禹Peter
1. 项目基础介绍
xwl_bi 是一个开源的用户行为分析系统,旨在帮助开发者分析用户的行为事件。该系统提供了事件分析、漏斗分析、留存分析、智能路径分析以及报表和面板管理等功能。
2. 项目主要编程语言
该项目的开发主要使用以下编程语言:
- 前端:Vue.js
- 后端:Go
3. 项目使用的关键技术和框架
在技术选型上,xwl_bi 使用了以下关键技术和框架:
- 前端框架:Vue.js、Element UI、Ant Design Vue
- 后端框架:Go标准库
- 数据库:MySQL、Redis、ClickHouse
- 消息队列:Kafka
4. 项目安装和配置的准备工作
在开始安装 xwl_bi 之前,请确保您的系统已经安装以下依赖:
- Git
- Go语言环境
- Vue.js环境(包括Node.js和npm)
- MySQL
- Redis
- Kafka
- ClickHouse
5. 详细安装步骤
以下为 xwl_bi 的详细安装步骤:
步骤 1:克隆项目
首先,从GitHub上克隆项目到本地:
git clone https://github.com/1340691923/xwl_bi.git
cd xwl_bi
步骤 2:安装依赖
安装后端Go依赖:
go mod tidy
安装前端依赖:
npm install
步骤 3:配置数据库
根据项目需求,配置MySQL和ClickHouse数据库,创建对应的数据库和表结构。
步骤 4:配置Redis
设置Redis的相关参数,如端口、密码等。
步骤 5:配置Kafka
确保Kafka服务运行正常,并配置好主题和消费者。
步骤 6:编译项目
编译后端Go代码:
go build -o xwl_bi cmd/xwl_bi/main.go
编译前端Vue代码:
npm run build
步骤 7:启动服务
启动后端服务:
./xwl_bi
启动前端服务:
npm run serve
步骤 8:访问系统
在浏览器中输入 http://localhost:8080 访问系统前端页面,使用默认的用户名和密码(test / test123456)登录系统。
完成以上步骤后,您应该能够成功运行 xwl_bi 并开始使用它进行用户行为分析。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
407
3.14 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
673
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
658
React Native鸿蒙化仓库
JavaScript
262
326
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868