graphistry/graph-app-kit-st Docker 镜像 - 轩辕镜像

graph-app-kit


![Uptime Robot status]([] []([] ![*** Follow]([***]

欢迎使用graph-app-kit

15分钟内将您的图数据转换为安全且交互式的可视化图应用！

!截图

为什么选择graph-app-kit

这个开源项目整合了Graphistry团队在众多图项目中复用的模式，帮助团队从代码密集型的Jupyter笔记本实验过渡到部署简化的分析师工具。无论您是首次构建图应用、验证想法，还是需要参考示例，该项目都致力于简化这一过程。它涵盖以下功能：轻松的代码编辑和部署、团队就绪的项目结构、内置身份验证、无需初始自定义JS/CSS、包含数据和库依赖项、快速加载和可视化大型图。

主要版本

• 基础核心版（Minimal core）：精简的仪表板服务器。提供包含PyData生态系统库的StreamLit docker-compose容器，以及从各种系统可视化数据的示例。安装后，只需插入云数据库等Web服务的凭据和免费的Graphistry Hub可视化账户，即可启动。不含GPU ETL和GPU AI库。

• 完整核心版（Full core）：最初针对AWS，完整核心版在docker-compose系统基础上增加：账户管理、用于创作的Jupyter笔记本、同时提供公共和私有区域的StreamLit仪表板服务，以及在同一服务器上本地运行Graphistry/RAPIDS。通过Cloud Formation模板一键启动。

• 完整核心+数据库版（Full core + DB）：特定数据库变体与基础/完整核心版相同，增加了更简单的数据库特定快速启动/连接功能。

快速开始

快速（本地代码）- 完整GPU核心版+第三方连接器

注意：基础镜像包含Nvidia RAPIDS和AI依赖项，因此体积较大，轻量级替代方案见CPU版

注意：如果您的配置需要且出现权限错误，docker-compose命令需使用sudo

bash
# 基础核心版
git clone [***]
cd graph-app-kit/src/docker

# 启用docker buildkit
# ...或通过提供的别名脚本`./dc`运行docker-compose
export DOCKER_BUILDKIT=1
export COMPOSE_DOCKER_CLI_BUILD=1

# 构建
docker-compose build

# 可选：编辑src/docker/.env（API账户）、docker-compose.yml（身份验证、端口等）

# 启动
docker-compose up -d
docker-compose logs -f -t --tail=100

=> 访问 http://localhost:8501/

如需添加视图并重新启动：

bash
# 在src/python/views/<your_custom_view>/__init__.py添加仪表板

docker-compose up -d --force-recreate

快速（本地代码）- 基础CPU核心版+第三方连接器

命令与上述相同，但使用./dc.cpu（别名docker-compose -f docker-compose.yml -f override/cpu.override.yml）：

bash
git clone [***]
cd graph-app-kit/src/docker
./dc.cpu build
...
./dc.cpu up

快速启动器 - 基础/完整核心版

1. 快速启动选项：

完整核心版：![启动堆栈]([***]

• 公共和受保护的Streamlit仪表板、Jupyter笔记本、Graphistry、RAPIDS
• 使用admin/i-instanceid登录Web UI -> 文件上传器、笔记本等
• 仪表板地址：/public/dash 和 /private/dash
• 更多信息

管理员命令：

bash
# 启动日志
tail -f /var/log/cloud-init-output.log -n 1000

# 应用日志
sudo docker ps
sudo docker logs -f -t --tail=1 MY_CONTAINER

# 重启graphistry容器
cd graphistry && sudo docker-compose restart MY_CONTAINER

# 重启caddy（Caddy 1覆盖）
cd graphistry && sudo docker-compose -f docker-compose.gak.graphistry.yml up -d caddy

# 运行streamlit
cd graph-app-kit/public/graph-app-kit && docker-compose -p pub run -d --name streamlit-pub streamlit
cd graph-app-kit/private/graph-app-kit && docker-compose -p priv run -d --name streamlit-priv streamlit

基础核心版：打开Streamlit，通过ssh连接/添加免费Graphistry Hub用户名/密码

特定数据库版：Amazon Neptune、TigerGraph

2. 添加视图

3. 主要配置和扩展：数据库连接器、身份验证、基于笔记本的编辑等

核心组件

核心功能

• 预构建的Python项目结构，随时可用于原型开发

• Streamlit快速自助仪表板

• Graphistry点击式GPU加速可视化图分析

• 数据框：通过Pandas和Apache Arrow进行数据处理，支持CSV、XLS、JSON、Parquet等格式

• 标准Docker和docker-compose跨平台部署

GPU加速（可选）- 完整核心版

对于非基础安装，如果存在GPU，graph-app-kit可利用GPU云加速：

• GPU分析：RAPIDS和CUDA已设置好，若使用Nvidia docker运行时即可使用 - cudf GPU数据框、BlazingSQL GPU SQL、cuGraph GPU图算法、cuML库等

• GPU可视化：连接外部Graphistry服务器，或更快地在同一GPU服务器上运行

预建集成与使用示例

graph-app-kit与Python数据生态系统（pandas、cudf、PySpark、SQL等）兼容良好，我们正在扩展内置功能和使用示例：

• 图数据库

  • AWS Neptune：快速启动和手动启动

  • TinkerPop Gremlin：查询演示

  • TigerGraph：设置指南

  • 欢迎协作！

• Jupyter笔记本：使用快速启动器或集成指南，通过在Jupyter和Streamlit之间共享卷挂载，实现基于Web的仪表板实时编辑

• Caddy：反向代理，用于自定义URL、自动LetsEncrypt TLS证书、同一域上的多个站点、可插拔身份验证（见集成指南）

贡献

我们欢迎各种形式的帮助！

• 部署：Docker、云运行环境等
• 依赖项：常见图包
• 连接器：常见数据库的示例及大量数据提取方法
• 演示！

更多贡献信息见develop.md