gRPC-GNN

为本人本科论文设计的核心代码，主要解决gcn的热度预测问题。

从原始数据出发，到数据处理，模型设计，最终可视化在web端展示，并做生产环境的部署。

主要使用php和python，利用grpc做双端的通信。

快速开始

如果运行全部项目，你需要安装全部的依赖

pip install -r requirements.txt

如果你只想运行grpc的服务端：server_py。可以只安装server_py该文件夹下的依赖txt

--> 打开main.ipynb可看到全部思路和源码

--> 地图绘制和html生成使用pyecharts库，请多关注官方文档

gRPC文件说明

主要对数据进行一个gcn的处理，得到返回的数据。

把图数据和模型参数封装为请求数据。

返回数据中的html为string类型，返回html过大可能超时，目前还未解决数据过多，超时问题。并且该后端部署在国外服务器上，延迟堪忧。

php和python的grpc实现的更多细节可以参考我的博客

php客户端

作用：

• 从数据库读取数据
• 原始数据处理(build_graph.php)为图结构数据，并封装为grpc可用的格式
• 从grpc服务端接受数据，并展示网页，通过map.php

注意点：

• 首先要根据目标部署服务器的php版本安装相应的grpc拓展，可以编译好静态的grpc.so文件，在php.ini中添加该拓展。composer安装的grpc依赖底层还是调用该拓展。

• 需要进行composer安装必要依赖，进而生成vendor文件夹

  composer init
  composer install
  

• 如果你手动生成grpc文件，可能需要修改生成的GCNServiceClient.php文件，删除上面的namespace一行。

• map.php是客户端入口,需要手动添加数据库名称和密码，用于访问数据库

py服务端

作用：

• 建立grpc服务，处理接受到的数据
• 定义gnn模型，处理图数据，并返回预测结果
• 根据历史数据和预测结果绘制html，并保存到指定位置

我只实现了gcn的模型，使用pytorch，更多模型可用性尚未实现。

注意：

• 如果你手动生成grpc文件，可能需要对gcn_pb2_grpc.py文件的相对导入做修改，具体为：from . import gcn_pb2 as gcn__pb2
• 需要将outputHTML.py文件中的china.json的读取和map.html生成的路径地址改为你自己的位置
• 应该将该文件夹独立出去，单独部署，便于依赖维护。
• gcn_server.py是程序入口。

文件夹说明

• client_php : grpc客户端，使用php
• server_py : grpc服务端，使用python，需要安装文件夹下的依赖
• data: 存放必要的数据文件，其中GeoMapData.zip为地图文件，来源于：GeoMapData_CN
• sample-pyecharts: pyecharts的演示文件，因为html的绘制和地图可视化均依赖该库，需要多查看官方文档，以实现更好的自定义效果。
• main.ipynb ： jupyter笔记本，实现热度预测和可视化的全部代码。
• model.py: gnn相关模型代码，未使用，仅作为参考