[파이썬] bokeh 그래프의 성능 및 스케일 이슈

07 Sep 2023

bokeh

Bokeh은 Python으로 개발된 대화형 시각화 라이브러리입니다. Bokeh은 웹 브라우저에서 상호작용하는 그래프를 생성할 수 있으며, 데이터 시각화에 널리 사용됩니다. 하지만 Bokeh 그래프를 사용하여 대용량 데이터를 처리하거나 고성능 시각화를 구현할 때 발생할 수 있는 성능 및 스케일 이슈가 있을 수 있습니다. 이번 포스트에서는 Bokeh 그래프의 성능 및 스케일 이슈에 대해 알아보고 해결 방법을 살펴보겠습니다.

1. 데이터 양의 증가로 인한 성능 저하

Bokeh으로 생성하는 그래프는 웹 브라우저에서 렌더링되므로, 그래프에 표시되는 데이터 양이 많을수록 성능이 저하될 수 있습니다. 이 경우, 데이터 양을 줄이거나 그래프를 최적화할 필요가 있습니다.

예를 들어, 데이터 양이 많은 경우에는 데이터를 샘플링하여 그래프에 표시할 수 있습니다. 이렇게 하면 전체 데이터를 처리하지 않고도 그래프를 생성할 수 있어 성능 향상을 기대할 수 있습니다.

import numpy as np
from bokeh.plotting import figure, show

# 원본 데이터 생성
x = np.linspace(0, 10, 100000)
y = np.sin(x)

# 데이터 샘플링
sampled_x = x[::100]
sampled_y = y[::100]

# Bokeh 그래프 생성
p = figure()
p.line(sampled_x, sampled_y)

show(p)

위의 예제는 원본 데이터를 생성한 후, 100배 간격으로 데이터를 샘플링하여 Bokeh 그래프를 생성하는 예제입니다. 이렇게 하면 원본 데이터의 일부만 그래프에 표시되므로 성능이 향상될 수 있습니다.

2. 데이터 업데이트의 빈도와 성능

Bokeh 그래프를 실시간으로 업데이트해야 하는 경우, 업데이트의 빈도에 따라 성능이 영향을 받을 수 있습니다. 매우 높은 빈도로 그래프를 업데이트해야 하는 경우, Bokeh는 이를 처리하는데 어려움을 겪을 수 있습니다.

이 경우, Bokeh의 ColumnDataSource 클래스를 사용하여 데이터 업데이트 속도를 향상시킬 수 있습니다. ColumnDataSource는 그래프에 사용되는 데이터를 자체적으로 관리하는 클래스로, 데이터 업데이트가 빈번하게 발생해도 성능 저하가 상대적으로 적습니다.

from bokeh.models import ColumnDataSource
from bokeh.layouts import row
from bokeh.models import CustomJS, Slider

# 초기 데이터 생성
x = np.linspace(0, 10, 1000)
y = np.sin(x)

# ColumnDataSource 생성 및 초기 데이터 설정
source = ColumnDataSource(data=dict(x=x, y=y))

# Bokeh 그래프 생성
p = figure()
p.line('x', 'y', source=source)

# Slider 생성
slider = Slider(start=0, end=10, value=1, step=0.1, title="Frequency")

# 데이터 업데이트 콜백 정의
callback = CustomJS(args=dict(source=source, slider=slider), code="""
    const data = source.data;
    const freq = slider.value;
    const x = data['x'];
    const y = data['y'];
    const amp = Math.random();

    for (let i = 0; i < x.length; i++) {
        y[i] = Math.sin(freq * x[i]) * amp;
    }

    source.change.emit();
""")

# Slider 콜백 등록
slider.js_on_change('value', callback)

show(row(p, slider))

위의 예제는 ColumnDataSource를 사용하여 그래프의 데이터를 관리하고, Slider를 통해 그래프를 업데이트하는 예제입니다. Slider의 값을 변경할 때마다 콜백이 호출되어 그래프 데이터가 업데이트되며, 그래프를 실시간으로 업데이트할 수 있습니다.

3. 서버 기반 그래프 생성

Bokeh 그래프의 성능과 스케일 이슈를 해결하기 위해, 그래프를 서버에서 생성하고 웹 브라우저에 전달하는 방법을 사용할 수 있습니다. 이 방법은 데이터 크기나 그래프 처리 시간에 제약을 받지 않으며, 대용량 데이터 처리나 고성능 그래프 구현에 적합합니다.

Bokeh 서버를 사용하여 그래프를 생성하는 방법은 다음과 같습니다.

Bokeh 서버 실행하기:
```
bokeh serve --show your_script.py
```
your_script.py에서 그래프 생성 및 서버 기능 구현하기.

이렇게 하면 Bokeh 서버가 웹 브라우저에 그래프를 전달하므로, 성능 및 스케일 이슈를 대부분 해결할 수 있습니다.

결론

Bokeh은 대화형 시각화 라이브러리로서 많은 기능을 제공하지만, 데이터 양의 증가나 실시간 업데이트 등에 따른 성능과 스케일 이슈가 발생할 수 있습니다. 이러한 이슈를 해결하기 위해 데이터 샘플링, ColumnDataSource 사용, 서버 기반 그래프 생성 등의 방법을 사용할 수 있습니다. 이로써 Bokeh를 사용하여 대용량 데이터를 처리하거나 고성능 시각화를 구현하는 데 도움이 될 것입니다.