DataEase数据可视化平台联动功能优化:固定取消按钮提升用户体验
在数据可视化分析领域,DataEase作为一款优秀的开源工具,其联动功能允许用户在不同图表间建立关联关系,实现数据的交叉分析。然而在实际使用中,我们发现当用户触发图表联动后,取消操作的便捷性存在优化空间。
问题背景
当前版本中,当用户点击某个图表触发联动效果后,系统会在页面顶部显示"取消联动"按钮。但在实际分析场景中,用户经常需要滚动页面查看不同位置的图表数据,此时若要取消联动,必须手动滚动回页面顶部才能找到操作按钮。这种设计打断了用户的分析流程,降低了操作效率。
技术实现方案
DataEase开发团队在v2.10.7版本中对该功能进行了优化,采用了前端固定定位(Fixed Positioning)技术解决方案:
-
CSS定位调整:将取消联动按钮的CSS定位属性从默认的静态布局改为固定定位(position: fixed),使其脱离常规文档流
-
位置优化:将按钮固定在视口(viewport)的右上角区域,通常设置为距离顶部20px,右侧20px的位置
-
z-index层级控制:确保按钮始终显示在其他页面元素之上,避免被图表或其他组件遮挡
-
响应式适配:考虑不同屏幕尺寸下的显示效果,确保按钮在各种分辨率下都能清晰可见且不影响主要内容
用户体验提升
这一看似简单的改动带来了显著的用户体验改善:
-
操作连续性:用户在任何滚动位置都能快速取消联动,无需中断当前浏览位置
-
分析效率提升:减少了不必要的页面滚动操作,使数据分析流程更加流畅
-
一致性体验:固定位置的操作按钮符合现代Web应用的设计惯例,降低用户学习成本
-
移动端友好:在小屏幕设备上,固定按钮的设计尤其重要,解决了移动端操作不便的问题
技术思考
这种优化体现了以用户为中心的前端设计理念。在数据可视化平台中,保持核心操作控件的即时可访问性至关重要。类似的设计原则也可以应用于其他常用功能,如:
- 全局筛选器固定
- 常用工具按钮常驻
- 重要状态提示信息固定显示
DataEase的这次优化虽然改动不大,但充分体现了开发团队对细节的关注和对用户体验的重视,这也是开源项目持续进步的重要动力。
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