在Streamlit中动态渲染Diagrams项目架构图
2025-05-02 11:22:10作者:羿妍玫Ivan
Diagrams是一个优秀的Python图表库,它允许开发者使用代码来绘制云架构图。最近有开发者提出了一个有趣的需求:如何在Streamlit应用中动态渲染Diagrams生成的架构图。这个功能对于构建交互式架构设计工具非常有价值。
Diagrams与Streamlit的集成原理
Diagrams库生成的图表本质上是通过Graphviz渲染的图形对象。当我们在Streamlit应用中需要实时展示这些图表时,可以利用图表对象的_repr_png_()方法获取PNG格式的图像数据。
核心实现思路是:
- 创建一个返回Diagram对象的函数
- 在Streamlit中调用该函数获取图表对象
- 使用
st.image()方法配合_repr_png_()渲染图像
具体实现示例
以下是一个完整的实现示例,展示了如何在Streamlit应用中创建一个AWS基础设施图:
from diagrams import Diagram, Cluster
from diagrams.aws.compute import Lambda
from diagrams.aws.database import RDS
from diagrams.aws.integration import SQS
from diagrams.aws.network import APIGateway
import streamlit as st
def create_infra_diagram():
with Diagram("Infra Diagram", show=False) as diag:
with Cluster("VPC"):
api_gateway = APIGateway("API Server")
lambda_function = Lambda("Image Processor")
sqs_queue = SQS("Image Queue")
rds_instance = RDS("Image Meta-data")
api_gateway >> lambda_function >> sqs_queue
lambda_function >> rds_instance
return diag
# 在Streamlit中渲染图表
st.title("AWS架构设计工具")
diagram = create_infra_diagram()
st.image(diagram._repr_png_())
高级应用场景
这种集成方式可以扩展出许多有用的应用场景:
-
交互式架构设计:结合Streamlit的输入组件,让用户可以动态修改架构参数并实时查看效果
-
架构文档生成器:自动生成架构图并导出为文档
-
教学演示工具:逐步展示复杂架构的构建过程
-
架构评审系统:团队成员可以共同查看和讨论架构设计
性能优化建议
当处理大型复杂架构图时,可以考虑以下优化措施:
- 使用
show=False参数避免生成临时文件 - 对图表生成函数添加缓存装饰器
@st.cache - 对于特别复杂的图表,可以考虑异步生成
- 设置合理的Graphviz渲染参数以提高性能
总结
Diagrams与Streamlit的结合为云架构可视化提供了新的可能性。通过简单的代码集成,开发者可以构建出功能强大的交互式架构设计工具。这种方法不仅提高了架构设计的效率,也使得架构评审和知识共享变得更加直观和便捷。
登录后查看全文
热门项目推荐
相关项目推荐
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
Ascend Extension for PyTorch
Python
222
245
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
暂无简介
Dart
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217