之前三周分別針對Berkeley Earth，AQICN和Earth Nullschool三個網站的前端技術做了總結,分別簡稱為BAE，今天我們拋開技術，和大家聊兩點：
-
三個網站的對比
-
數據可視化的認識
三個網站的對比
如果做一個比喻，我的感覺是B像一個事業有成的中年，A像一個充滿活力的青年，而E則是一位不拘一格的藝術家。如下是三個網站在中國區域的AQI可視化效果，看到這個對比圖后，你的第一印象是什么？中間京東618廣告？聽的我一口血吐到屏幕上。
首先，Berkeley有大量的原始數據，對數據管理上有很高的要求，比如歷史數據的對比，同時采用netcdf的數據存儲形式，供用戶下載。作為一個科研機構，他的重心是研究，可視化上更側重反映數據的統計和分析，比如全球氣溫，中國的污染等，因此，基於數據的自身需求兩方面，更側重服務端開發，對前端要求很小，所以，B站很適合當作數據服務提供者。
其次，從AQICN投放廣告的行為，不難理解，這是一個應用為主的網站，本身並不側重於數據的維護，而側重於給用戶展現實時實用的數據，我們很容易從A站找到當前的氣溫，AQI等數據，48小時內的情況，未來兩周的趨勢等，但數據在時間維度上僅支持較短區間。本質上來看，數據管理並不是自己的分內事，如何將這么多種類，雜亂的數據，以一種規范，高效，安全的方式傳輸，是他的核心，所以代碼的更大一部分是在數據的請求，解析，而在前端展現上，風格就是四個字：簡單易用。這和B站有很鮮明的對比，前者數據單一，但專業性很強，比如近60多年的全球氣溫，最近半年每天的PM數據，而后者數據類型應有盡有，但更大眾化，比如多數用戶不關心去年今天的氣溫，但想知道明天的天氣預報。
最后是我最欣賞的E站，很好的可視化效果，同時也沒有喪失實用性。不知道我了解的是否真實：作者是一位跳傘愛好者，同時也是微軟的一名開發人員，每次跳傘都要了解當前的天氣，特別是風，正是基於自己的這個需求，同時也有開發能力，所以搭建了這個網站，來方便全球跳傘愛好者，逐步擴展和豐富。這里有不少出彩點：統一的傳輸格式epak，數據解析和傳輸上都有較好的保證；合理使用D3等第三方庫，代碼很輕；在實用和可視化效果上都很出色，技術和藝術上都很棒。說了這么多，無非是想告訴廣大女性，如果有幸認識了一位優秀的程序員，這是上天賜予你的機會，千萬不要錯過。當然，這里的重點是優秀這一稀缺性。
數據可視化
既然是數據可視化，數據則是其中的核心，BAE三個網站，同一類型的數據，以自己不同的理解和定位，各自找到了其稀缺性。好的可視化是一種表達數據的方式，能夠幫助你發現那些盲點。所以，當我們面對問題時，不要急於解決問題，而是要抓住問題的本質。
數據可視化是一個很大的范疇，如上是FlowingData網站的一個簡單分類，把一份數據從處理，統計，傳輸到最后的設計，渲染，這是一個很長的環節，技術上可以只攻克其中一個點，但真的做事情，則要把這條線貫通。
目前可視化的工具和庫也很多，比如D3，Echart等，也有很多開放的數據，都是值得我們研究和學習的對象，一份數據，可以多個維度的展現其不一樣的價值。如下圖，是最近十年的全球氣溫變化，以地球為載體體現氣溫變化，以統計圖現實具體的數據變化，同時輔以時間軸和播放速度，豐富交互體驗。
喜歡如上范例的，在公眾號中回復“planet”，獲取示例代碼
另外，如果在數據的前面加上一個大，就變得更有意思了，如何保證數據傳輸和解析性能，如何實現大數據的渲染，傳統的json已經無法勝任，相比而言，arraybuffer和webgl是大數據下Web傳輸和渲染的必然趨勢。如下，左側是WebGL渲染，右側是Canvas2D方式，仔細看綠色區域的過渡效果，前者平滑，后者略有跳幀，留給大家一個問題，你覺得跳幀最可能的原因是什么？自認為這是一個好問題，因為Canvas2D是可以做到平滑的，只是...要清楚為什么。
我並沒有在數據可視化方面有過多的學習和研究，如果對這方面有興趣，想要深造，推薦這個網站（flowingdata.com）和它推薦的書。所謂的創新，不是憑空的想象，而是日積月累的知識，不經意的碰撞所迸發出的火花。我們不能預測某個引爆點，但唯有不斷充實自我，方能為這個奇點的到來做好准備。
If there is a light, don't let it go out. 有生之年一定要去一次的演唱會