news 2026/4/3 3:59:40

Aella Science Dataset Explorer 部署教程笔记

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Aella Science Dataset Explorer 部署教程笔记

简述

Aella Science Dataset Explorer 是一个科学论文数据集的交互式可视化探索工具,基于 React + FastAPI + SQLite 技术栈。项目由 Inference.net 和 LAION 合作开发。

环境要求

必需工具

  1. Python 3.11+​ - 后端运行环境

  2. uv​ - Python 包管理器

  3. bun​ - JavaScript 运行时和包管理器

  4. Task​ - 任务运行器

工具安装验证

# 验证安装 python --version # 应该显示 3.11.x 或更高 uv --version # 应该显示版本号 bun --version # 应该显示版本号 task --version # 应该显示版本号

完整部署流程

1. 克隆项目

git clone https://gitcode.com/2301_76444133/aella.git cd aella

2. 安装工具(如未安装)

安装 uv
pip install uv
安装 bun(Windows)
# 方法1:使用 PowerShell powershell -c "irm bun.sh/install.ps1 | iex" # 方法2:如果 PATH 未自动添加,手动添加 # 将 C:\Users\用户名\.bun\bin 添加到系统 PATH 环境变量
安装 Task(Windows)
# 方法1:手动下载 # 访问 https://github.com/go-task/task/releases # 下载 task_windows_amd64.zip,解压得到 task.exe # 将 task.exe 放入系统 PATH 或项目根目录 # 方法2:使用 bun 安装 bun add -g @go-task/cli

3. 安装项目依赖

task setup

这个命令会:

  • 安装后端 Python 依赖(通过 uv)

  • 安装前端 JavaScript 依赖(通过 bun)

4. 下载数据库

task db:setup

如果失败,手动下载:

mkdir backend\data curl -L -o backend\data\db.sqlite "https://laion-data-assets.inference.net/db.sqlite"

5. 启动后端服务器

task backend:dev

如果失败,手动启动:

创建本地服务器文件​ (backend/server.py):

# 在 backend 目录中创建完整服务器 import uvicorn from fastapi import FastAPI, HTTPException, Query from fastapi.middleware.cors import CORSMiddleware import sqlite3 import json import logging from pathlib import Path from typing import Optional, List, Dict, Any from datetime import datetime # 配置日志 logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s') logger = logging.getLogger(__name__) # 创建 FastAPI 应用 app = FastAPI( title="Aella Science Dataset Explorer API", description="API for exploring scientific papers with embeddings and clusters", version="1.0.0" ) # 启用 CORS app.add_middleware( CORSMiddleware, allow_origins=["*"], allow_credentials=True, allow_methods=["*"], allow_headers=["*"], ) # 数据库路径 DB_PATH = Path("data/db.sqlite") logger.info(f"Database: {DB_PATH.resolve()} (exists: {DB_PATH.exists()})") # 预定义的聚类颜色 CLUSTER_COLORS = [ "#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", "#9467bd", "#8c564b", "#e377c2", "#7f7f7f", "#bcbd22", "#17becf", "#aec7e8", "#ffbb78", "#98df8a", "#ff9896", "#c5b0d5", "#c49c94", "#f7b6d2", "#c7c7c7", "#dbdb8d", "#9edae5" ] def get_cluster_color(cluster_id: int) -> str: """获取聚类颜色""" if cluster_id < 0: return "#E8E8E8" return CLUSTER_COLORS[cluster_id % len(CLUSTER_COLORS)] @app.get("/") async def root(): return { "message": "Aella Science Dataset Explorer API", "version": "1.0.0", "docs": "/docs" } @app.get("/api/papers") async def get_papers( cluster_id: Optional[int] = Query(None, description="Filter by cluster ID"), limit: Optional[int] = Query(1000, description="Limit number of results"), sample_size: Optional[int] = Query(None, description="Sample N papers per cluster") ): """获取论文数据""" try: logger.info(f"Fetching papers: cluster_id={cluster_id}, limit={limit}, sample_size={sample_size}") with sqlite3.connect(str(DB_PATH)) as conn: conn.row_factory = sqlite3.Row if sample_size is not None and cluster_id is None: # 抽样每个聚类的论文 all_rows = conn.execute(""" SELECT id, title, x, y, z, cluster_id, COALESCE(claude_label, cluster_label) as cluster_label, field_subfield, publication_year, classification FROM papers WHERE x IS NOT NULL AND y IS NOT NULL AND cluster_id IS NOT NULL ORDER BY cluster_id, publication_year DESC LIMIT ? """, (sample_size * 50,)).fetchall() # 抽样逻辑 cluster_samples = {} for row in all_rows: cid = row["cluster_id"] if cid not in cluster_samples: cluster_samples[cid] = [] if len(cluster_samples[cid]) < sample_size: cluster_samples[cid].append(dict(row)) rows = [] for cid in sorted(cluster_samples.keys()): rows.extend(cluster_samples[cid]) else: # 普通查询 query = """ SELECT id, title, x, y, z, cluster_id, COALESCE(claude_label, cluster_label) as cluster_label, field_subfield, publication_year, classification FROM papers WHERE x IS NOT NULL AND y IS NOT NULL """ params = [] if cluster_id is not None: query += " AND cluster_id = ?" params.append(cluster_id) query += " ORDER BY id" if limit is not None: query += " LIMIT ?" params.append(limit) rows = [dict(row) for row in conn.execute(query, params).fetchall()] logger.info(f"Returning {len(rows)} papers") return {"papers": rows} except Exception as e: logger.error(f"Database error: {e}") raise HTTPException(status_code=500, detail=str(e)) @app.get("/api/clusters") async def get_clusters(): """获取聚类信息""" try: logger.info("Fetching clusters") with sqlite3.connect(str(DB_PATH)) as conn: conn.row_factory = sqlite3.Row rows = conn.execute(""" SELECT cluster_id, COALESCE(claude_label, cluster_label) as cluster_label, COUNT(*) as count FROM papers WHERE cluster_id IS NOT NULL GROUP BY cluster_id, cluster_label ORDER BY cluster_id """).fetchall() clusters = [] for row in rows: cluster = dict(row) cluster["color"] = get_cluster_color(row["cluster_id"]) clusters.append(cluster) logger.info(f"Returning {len(clusters)} clusters") return {"clusters": clusters} except Exception as e: logger.error(f"Database error: {e}") raise HTTPException(status_code=500, detail=str(e)) @app.get("/api/temporal-data") async def get_temporal_data( min_year: int = Query(1990, description="Minimum publication year"), max_year: int = Query(2025, description="Maximum publication year") ): """获取时间序列数据(按年份和聚类的论文数量)""" try: logger.info(f"Fetching temporal data: {min_year}-{max_year}") with sqlite3.connect(str(DB_PATH)) as conn: conn.row_factory = sqlite3.Row rows = conn.execute(""" SELECT cluster_id, COALESCE(claude_label, cluster_label) as cluster_label, publication_year, COUNT(*) as count FROM papers WHERE cluster_id IS NOT NULL AND publication_year IS NOT NULL AND publication_year >= ? AND publication_year <= ? GROUP BY cluster_id, cluster_label, publication_year ORDER BY cluster_id, publication_year """, (min_year, max_year)).fetchall() # 按聚类组织数据 cluster_data = {} for row in rows: cluster_id = row["cluster_id"] if cluster_id not in cluster_data: cluster_data[cluster_id] = { "cluster_id": cluster_id, "cluster_label": row["cluster_label"], "color": get_cluster_color(cluster_id), "temporal_data": [] } cluster_data[cluster_id]["temporal_data"].append({ "year": row["publication_year"], "count": row["count"] }) # 转换为列表 result = list(cluster_data.values()) logger.info(f"Returning temporal data for {len(result)} clusters") return {"clusters": result} except Exception as e: logger.error(f"Database error: {e}") raise HTTPException(status_code=500, detail=str(e)) @app.get("/api/search") async def search_papers( q: str = Query(..., description="Search query"), limit: int = Query(100, description="Maximum results") ): """搜索论文""" try: logger.info(f"Searching for: {q}") with sqlite3.connect(str(DB_PATH)) as conn: conn.row_factory = sqlite3.Row rows = conn.execute(""" SELECT id, title, x, y, z, cluster_id, COALESCE(claude_label, cluster_label) as cluster_label, field_subfield, publication_year, classification FROM papers WHERE x IS NOT NULL AND y IS NOT NULL AND (title LIKE ? OR field_subfield LIKE ?) ORDER BY id LIMIT ? """, (f"%{q}%", f"%{q}%", limit)).fetchall() logger.info(f"Found {len(rows)} papers for search: {q}") return {"papers": [dict(row) for row in rows]} except Exception as e: logger.error(f"Search error: {e}") raise HTTPException(status_code=500, detail=str(e)) @app.get("/api/stats") async def get_stats(): """获取统计数据""" try: logger.info("Fetching stats") with sqlite3.connect(str(DB_PATH)) as conn: cursor = conn.cursor() cursor.execute("SELECT COUNT(*) FROM papers") total = cursor.fetchone()[0] cursor.execute("SELECT COUNT(*) FROM papers WHERE x IS NOT NULL AND y IS NOT NULL") with_coords = cursor.fetchone()[0] cursor.execute("SELECT COUNT(DISTINCT cluster_id) FROM papers WHERE cluster_id IS NOT NULL") num_clusters = cursor.fetchone()[0] return { "total_papers": total, "papers_with_coordinates": with_coords, "num_clusters": num_clusters } except Exception as e: logger.error(f"Database error: {e}") raise HTTPException(status_code=500, detail=str(e)) @app.get("/health") async def health(): return {"status": "ok"} if __name__ == "__main__": print("=" * 60) print("Aella Science Dataset Explorer - Complete Backend Server") print("=" * 60) print(f"Database: {DB_PATH.resolve()}") print(f"API URL: http://localhost:8787") print(f"API Docs: http://localhost:8787/docs") print(f"Frontend: http://localhost:5173") print("=" * 60) uvicorn.run( app, host="0.0.0.0", port=8787, reload=False, log_level="info" ) EOF

启动服务器

cd backend uv run python server.py

6. 启动前端服务器

打开新的命令行窗口:

cd frontend bun run dev

7. 访问应用

  • 前端界面:http://localhost:5173

  • 后端 API:http://localhost:8787

  • API 文档:http://localhost:8787/docs

关键问题与解决方案

问题1:bun 安装后命令未找到

症状bun --version返回 "'bun' 不是内部或外部命令"

解决方案

  1. 检查安装路径:C:\Users\用户名\.bun\bin\bun.exe

  2. 手动添加到 PATH 环境变量

  3. 重新启动命令行窗口

问题2:Task 命令未找到

症状task --version返回命令未找到

解决方案

  1. 将 task.exe 放入系统 PATH 目录

  2. 或在项目根目录使用.\task.exe(如果 task.exe 在项目目录中)

问题3:后端 Cloudflare Workers 依赖错误

症状ModuleNotFoundError: No module named 'workers'

解决方案

  1. 创建本地 FastAPI 服务器,避免 Cloudflare Workers 特定依赖

  2. 使用标准的 SQLite 数据库连接

问题4:前端代理错误

症状:前端控制台显示代理连接错误

解决方案

  1. 确保后端服务器在 8787 端口运行

  2. 检查后端 API 接口是否完整实现

  3. 修改前端代理配置(如有必要)

问题5:数据库下载失败

症状task db:setup执行失败

解决方案

  1. 手动创建目录:mkdir backend\data

  2. 手动下载数据库文件

  3. 检查网络连接和防火墙设置

部署验证清单

后端验证

  • [ ] 服务器启动成功(端口 8787)

  • [ ]/接口返回 200 OK

  • [ ]/api/papers返回论文数据

  • [ ]/api/clusters返回聚类信息

  • [ ] 数据库连接正常

前端验证

  • [ ] 开发服务器启动成功(端口 5173)

  • [ ] 界面正常加载

  • [ ] 能够显示论文数据点

  • [ ] 聚类筛选功能正常

完整功能验证

  • [ ] 论文数据可视化显示

  • [ ] 聚类颜色区分

  • [ ] 交互功能正常(缩放、拖拽)

  • [ ] 搜索功能(如实现)

故障排除指南

快速诊断命令

# 检查后端状态 curl http://localhost:8787/api/papers?limit=1 # 检查前端状态 curl http://localhost:5173 # 检查数据库 python -c "import sqlite3; conn=sqlite3.connect('backend/data/db.sqlite'); print('Tables:', conn.execute('SELECT name FROM sqlite_master WHERE type=\"table\"').fetchall())"

常见错误日志分析

  1. 端口占用:修改端口号或关闭占用程序

  2. 文件权限:以管理员身份运行命令行

  3. 依赖冲突:重新安装依赖或使用虚拟环境

  4. 网络问题:检查代理设置和防火墙

生产环境部署建议

后端优化

  1. 使用 Gunicorn 或 Uvicorn 工作进程

  2. 配置反向代理(Nginx)

  3. 启用 Gzip 压缩

  4. 设置合适的 CORS 策略

前端优化

  1. 构建生产版本:bun run build

  2. 配置静态文件服务

  3. 启用缓存策略

  4. 设置 CDN 加速

项目结构说明

aella/ ├── backend/ # FastAPI 后端 │ ├── data/ # 数据库文件 │ ├── src/ # 源代码 │ └── server.py # 本地服务器入口 ├── frontend/ # React 前端 │ ├── src/ # 前端源代码 │ └── package.json # 前端依赖 └── Taskfile.yml # 任务配置

总结

Aella Science Dataset Explorer 的部署过程相对直接,主要挑战在于环境配置和工具安装。通过本笔记的步骤,可以系统性地完成从零到生产的部署。关键成功因素包括正确的工具版本、完整的依赖安装和适当的本地服务器配置。

部署完成后,用户可以通过直观的可视化界面探索科学论文数据集,支持按聚类筛选、时间序列分析等功能,为科研数据探索提供了强大的工具支持。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/3/26 15:56:18

算法学习记录17——力扣“股票系列题型”

不涉及题目讲解&#xff0c;只介绍题目中容易踩的坑&#xff01;&#xff01;&#xff01; 1、dp[j][0]和dp[j][1]的更新顺序为什么没要求&#xff1f; 2、为什么最多 k 次交易的股票 DP 不需要对 k 倒序遍历&#xff1f;一、先明确 DP 的定义&#xff08;这是一切的前提&#…

作者头像 李华
网站建设 2026/4/3 1:51:17

高通AI效率神器QAIRT Visualizer(1):入门与核心优势介绍

摘要&#xff1a;还在为模型在骁龙平台上性能不佳却无从下手而头疼&#xff1f;本文带你深入认识Qualcomm AI Runtime Visualizer&#xff0c;看它如何用可视化“透视”模型在硬件上的运行&#xff0c;成为你性能调优的“火眼金睛”。 一、引言&#xff1a;端侧AI部署的“黑盒…

作者头像 李华
网站建设 2026/3/31 15:55:51

EasyMR之MinIO多模态数据统一存储之道

MinIO 作为一个高性能的对象存储系统&#xff0c;正在突破传统的存储角色&#xff0c;积极拥抱多模态数据处理的新范式&#xff0c;致力于为生成式AI提供统一的数据基础。它通过创新的技术手段&#xff0c;试图解决AI在处理结构化和非结构化混合数据时面临的固有挑战。Minio特性…

作者头像 李华
网站建设 2026/3/31 14:15:52

AI创意应用 - 起飞吧,气球!

0、下载 csdn资源绑定 阿里云&#xff1a;https://www.alipan.com/s/6vxrK5ZG8dP 1、功能说明 &#xff08;1&#xff09;、此网页应用为人机合体开发的&#xff0c;使用浏览器打开index.html即可。 &#xff08;2&#xff09;、按Enter健切换自动生成气球还是手动按键生成…

作者头像 李华
网站建设 2026/4/2 17:01:09

免费音效大全只能听个响?这个合集的音质堪称业界良心

你是否也下载过那些号称“免费音效大全”的压缩包&#xff0c;解压后发现声音要么充满底噪、频段单薄&#xff0c;要么音量不一&#xff0c;用到片子里瞬间拉低整体质感&#xff1f;这种经历让很多创作者形成了“免费无好货”的刻板印象。然而&#xff0c;《2025年全球数字音频…

作者头像 李华
网站建设 2026/3/25 7:55:31

怎么搞定在线GIF制作?新手快速上手gif在线制作教程

平时做新媒体配图、社交平台素材&#xff0c;总需要用到GIF动图&#xff0c;但专业软件操作复杂&#xff0c;新手望而却步&#xff0c;简易工具又常出现画质模糊、导出带水印的问题。其实有款实用gif在线制作工具能解决这些困扰&#xff0c;无需安装、不用技术基础&#xff0c;…

作者头像 李华