【亲测免费】 Node-RED Dashboard 2.0 安装与配置指南
1. 项目基础介绍
Node-RED Dashboard 2.0 是一个用于 Node-RED 的开源项目,旨在帮助用户快速创建数据驱动的仪表盘和数据可视化界面。该项目提供了一组易于使用的节点,使用户能够轻松构建自定义的用户界面和数据可视化。Node-RED Dashboard 2.0 是 Node-RED Dashboard 1.0 的升级版,基于现代技术栈重新构建,提供了更好的性能和更多的功能。
主要编程语言
- JavaScript
- HTML
- CSS
2. 项目使用的关键技术和框架
- Node-RED: 一个基于流的编程工具,用于连接硬件设备、API 和在线服务。
- Vue.js: 用于构建用户界面的渐进式 JavaScript 框架。
- Cypress: 用于前端测试的现代工具。
- Markdown & Mermaid: 用于创建富文本和动态图表的工具。
3. 项目安装和配置的准备工作和详细步骤
准备工作
- 安装 Node.js: 确保你的系统上已经安装了 Node.js(版本 12 或更高)。你可以从 Node.js 官网 下载并安装。
- 安装 Node-RED: 如果你还没有安装 Node-RED,可以通过以下命令安装:
npm install -g node-red
安装步骤
-
启动 Node-RED: 打开终端并运行以下命令启动 Node-RED:
node-red这将启动 Node-RED 并在默认浏览器中打开 Node-RED 编辑器。
-
安装 Node-RED Dashboard 2.0: 在 Node-RED 编辑器中,点击右上角的菜单按钮,选择“管理面板”(Manage Palette)。
-
切换到“安装”选项卡: 在“管理面板”中,切换到“安装”选项卡。
-
搜索并安装 Node-RED Dashboard 2.0: 在搜索框中输入
@flowfuse/node-red-dashboard,然后点击“安装”按钮。 -
等待安装完成: 安装过程可能需要几分钟时间,请耐心等待。
-
验证安装: 安装完成后,你可以在 Node-RED 编辑器的左侧节点面板中看到新的 Dashboard 节点。
配置步骤
-
创建一个新的 Dashboard 页面: 在 Node-RED 编辑器中,拖动一个
ui_dashboard节点到工作区,并将其连接到你的数据流。 -
配置 Dashboard 节点: 双击
ui_dashboard节点,配置页面的标题、布局和其他属性。 -
添加其他 Dashboard 组件: 你可以添加其他 Dashboard 组件,如
ui_chart、ui_gauge等,以构建你的数据可视化界面。 -
部署更改: 完成配置后,点击右上角的“部署”按钮,保存并应用你的更改。
-
访问 Dashboard: 打开浏览器,访问
http://localhost:1880/ui,你将看到你刚刚创建的 Dashboard 页面。
总结
通过以上步骤,你已经成功安装并配置了 Node-RED Dashboard 2.0。现在你可以开始构建自己的数据驱动仪表盘和数据可视化界面了。如果你有任何问题或需要进一步的帮助,可以参考项目的 GitHub 仓库 或访问 Node-RED 官方文档。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00