Oz: Clojure与ClojureScript的数据可视化工具箱
Oz是一个基于Clojure构建的数据可视化与科学文档处理库,它围绕Vega-Lite和Vega设计。本教程旨在引导您了解如何设置、配置以及启动Oz项目,帮助您高效利用其强大的数据可视化功能。
1. 项目目录结构及介绍
Oz项目采用了典型的Clojure/ClojureScript项目布局,其核心结构如下:
- src: 包含项目的主要源代码。
src/oz: 主要业务逻辑和API实现。
- example-projects: 示例项目目录,提供快速上手的案例。
- deps.edn: 项目的依赖配置文件,列出所有必要的外部库。
- project.clj: Leiningen项目配置文件,定义了项目的元数据、依赖关系和构建指令。
- -shadow-cljs.edn: Shadow CLJS配置文件,用于ClojureScript编译和开发配置。
- README.md: 项目说明文档,提供了快速入门指导和详细特性描述。
- LICENSE: 许可证文件,声明了EPL-1.0许可证。
2. 项目的启动文件介绍
在Oz中,没有特定标记为“启动文件”的单个文件,但有一个关键入口点通常从dev/user.cljs或类似的开发配置文件开始。这个文件包含了设置REPL环境、启动服务器等初始化脚本。通过执行类似以下命令的代码块来启动服务:
(require '[oz.core :as oz])
(oz/start-server)
这将启动一个包含WebSocket连接的服务,允许数据可视化图表与客户端浏览器进行通信。
3. 项目的配置文件介绍
3.1 deps.edn
作为Clojure项目的依赖管理文件,deps.edn列出了项目依赖的所有外部库,包括Clojure本身、ClojureScript编译器以及像Vega和Vega-Lite这样的可视化库。它还可能包含指定版本号、仓库信息和自定义编译选项。
示例结构大致如下:
{:deps {com.raphtory/raphtory {:mvn/version "version-number"}}
:paths ["src"]
...}
3.2 project.clj
虽然Oz项目可能不直接强调project.clj(如果完全使用Shadow CLJS),但在其他Clojure项目中,该文件负责项目设置,包括名称、版本、作者信息、依赖项、测试和构建指令。对于那些使用Leiningen构建的Clojure部分,它至关重要。
(defproject my-oz-project "0.1.0-SNAPSHOT"
:description "My custom Oz-based visualization app"
:dependencies [[org.clojure/clojure "1.x.y"]
[metasoarous/oz "latest-version"]]
:repl-options {:init-ns my-namespace}
...)
3.3 Shadow CLJS配置 (shadow-cljs.edn)
用于ClojureScript的编译和开发设置,包含编译目标、源码路径和重载配置。这对于确保Oz的JavaScript部分能够正确编译和部署至浏览器是必不可少的。
{:builds
[{:id "app"
:target :browser
:source-paths ["srccljs"]
:output-to "public/js/main.js"
:asset-path "js"
...}]}
总结而言,Oz项目的使用始于理解这些基础文件的角色,并按照示例和文档中的指导操作。通过编辑dev/user.cljs或对应的ClojureScript源码来启动服务和实验可视化组件,结合deps.edn和shadow-cljs.edn配置以适应您的开发需求。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00