Início / coding / Perguntas / 79282405
Accepted
mrroy
Asked: 2024-12-15 21:25:58 +0800 CST

Usando reactivePoll para monitorar e processar alterações de arquivo

  • 772

Estou tentando configurar o seguinte no Shiny:

  1. leia o arquivo de origem usando uma rotina de leitura personalizada
  2. processar dataframe e renderizar
  3. monitorar o arquivo de origem para alterações usando o verificador de alterações de arquivo personalizado: quando o arquivo de origem tiver sido alterado, repita 1 e 2

Como isso pode ser feito?

Com base em várias postagens, tenho tentado a sorte com reactivePoll, pois isso parece ser o mais direto conceitualmente. Mas, dependendo da tentativa exata, estou tendo vários problemas, como checkFuncnão ser encontrado ou seu argumento de entrada não ser reconhecido.

De forma mais geral, ainda estou lutando para compreender as muitas maneiras pelas quais as variáveis ​​podem ser tornadas reativas ( Vantagens de reativo vs. observe vs. observeEvent ) e como tudo isso se aplica à minha situação.

Abaixo, segue um código simplificado que esperamos que forneça a essência:

library(shiny)
library(tidyverse)

#---------create data-----------
#tibble
id=c('p1','p2','p3')
val=c(2,4,6)
my_data=tibble(id,val)

#csv
file_csv='test.csv'
write_csv(my_data,file_csv)


#my "checkFunc" routine (with input argument)
myFileCheck = function(input_path) {
  if (file.exists(input_path))
    file.info(input_path)$mtime[1]
  else
    ""}
#test
tmp_time = myFileCheck(file_csv)
print(tmp_time)


#my read routine (with input argument)
myReadRoutine = function(input_path){
  df = read_csv(input_path, id = 'my_source')
}
#test
tmp_df=myReadRoutine(file_csv)
print(tmp_df)

#----------shiny---------
#ui
ui = fluidPage(tableOutput('my_data'))

#server
server = function(input, output, session) {
  
  #-----this part works---
  #always read data upon launch
  df_shiny=myReadRoutine(file_csv)
  
  #some processing for display
  df_shiny_display = reactive({df_shiny %>%
      mutate(val2=val*10)})
  
  #render
  output$my_data = renderTable(df_shiny_display())
  
  #-----this part doesn't----
  #use custom file check function (with argument): if file has changed, use custom file reader
  df_shiny = reactivePoll(1000, session, checkFunc = myFileCheck(file_csv), myReadRoutine(file_csv))
}

shinyApp(ui = ui,
         server = server)

1 respostas

  1. Best Answer

    o principal problema no seu código é que você atribui df_shiny duas vezes com isto:

    df_shiny=myReadRoutine(file_csv) Isso é redundante porque reactivePoll já verifica a cada segundo se o arquivo existe e foi alterado. Você tem que imaginar reactivePoll como um pescador que joga sua vara de pescar a cada segundo. Reactive, por outro lado, só muda se algo dentro muda e depois atualiza. Então reactive é como uma geladeira que muda se algo dentro dela muda, e é por isso que df_shiny_display muda quando df_shiny é atualizado via reactivePull! Espero que faça sentido. Se você estiver interessado em quando os elementos disparam, você pode imprimir algo no console :)

    Código corrigido:

    library(shiny)
library(tidyverse)

#---------create data-----------
# Create a tibble
id <- c('p1', 'p2', 'p3')
val <- c(2, 4, 6)
my_data <- tibble(id, val)

# Write to a CSV file
file_csv <- 'test.csv'
write_csv(my_data, file_csv)

# Custom file check function
myFileCheck <- function(input_path) {
  if (file.exists(input_path))
    file.info(input_path)$mtime[1]
  else
    Sys.time() # Return current time if the file does not exist
}

# Custom read routine
myReadRoutine <- function(input_path) {
  read_csv(input_path, show_col_types = FALSE)
}

#--------- Shiny App ---------
# UI
ui <- fluidPage(
  tableOutput('my_data')
)

# Server
server <- function(input, output, session) {
  # Monitor the file for changes using reactivePoll
  df_shiny <- reactivePoll(
    intervalMillis = 1000, # Check every second
    session = session,
    checkFunc = function() myFileCheck(file_csv), # Check if the file has changed
    valueFunc = function() myReadRoutine(file_csv) # Read the file
  )
  
  # Process the data for display


 df_shiny_display <- reactive({
        print("updating df_shiny")
        df_shiny() %>%
          mutate(val2 = val * 10)
 })
  
  # Render the table
  output$my_data <- renderTable({
    df_shiny_display()
  })
}

# Run the application
shinyApp(ui = ui, server = server)

    Compreendendo a reatividade

    • Reactive: Cria dependências e recalcula sempre que suas dependências mudam. Use para valores que precisam ser usados ​​em cálculos ou renderização downstream.
    • observe: Executa código para seus efeitos colaterais quando as dependências mudam. Use para ações como impressão, clique em botões, gravação de arquivo, ...
    • observeEvent: Semelhante a observar, mas dispara somente quando um evento específico ocorre.
    • 1

relate perguntas