H2O-3 的 Flow 网页客户端：源码构建、环境配置与启动指南

机器学习深度学习AutoML大数据后端【免费下载链接】h2o-3H2O is an Open Source, Distributed, Fast Scalable Machine Learning Platform: Deep Learning, Gradient Boosting (GBM) XGBoost, Random Forest, Generalized Linear Modeling (GLM with Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML), etc.项目地址https://gitcode.com/gh_mirrors/h2/h2o-3点击查看免费下载Flow 是 H2O 机器学习平台h2o-3内置的 Web UI将代码执行、文本、数学、绘图与富媒体融合在单个浏览器文档中。本文以仓库中的 h2o-web/README.md 为骨架结合 h2o-web/build.gradle、h2o-core/src/main/java/water/H2O.java 等源码完整讲解在 OS X、Linux、Windows 上如何安装 Node.js 环境、通过顶层 Gradle 构建并启动 Flow以及它的构建原理与访问入口。读完后你将能够独立完成 H2O-3 源码构建、Flow 客户端打包与本地启动的全过程。Flow 是什么H2O 的浏览器端机器学习工作台Flow是 H2O 的 Web 客户端也是 H2O-3 默认随发行包分发的交互式工作台。它基于浏览器运行支持以“单元格cell”为单位组织工作流每个单元格可以存放命令、定义函数、调用其他函数或访问页面上的其他单元格与对象执行单元格后输出以图形化对象呈现可进一步检查细节。用户既能像命令行一样在单元格中输入命令也能完全使用图形界面点选操作无需编写任何代码即可完成导入文件、解析数据、构建模型、评分预测、共享工作流等全流程。在 H2O-3 仓库中Flow 客户端被组织为独立的 Gradle 子模块 h2o-web并在 settings.gradle 中通过include h2o-web纳入顶层构建。它不是一个独立运行的程序而是最终被嵌入 H2O 服务器 JAR 的静态 Web 资源——启动 H2O 后浏览器访问内置的 Jetty 服务即可使用 Flow。构建前置条件Node.js 与 npmFlow 前端资源的构建依赖 JavaScript 生态工具链首要前提是安装Node.js自带 npm。不同操作系统的安装方式如下OS X使用 Homebrew 安装brew install nodeLinux按照系统对应的包管理器安装 Node.js例如 Debian/Ubuntu 可通过apt-get install nodejs npmRHEL/CentOS 可通过yum install nodejs npm完成安装具体步骤可参考官方 Node.js 安装指引。Windows使用官方安装包安装 Node.js。安装完成后node.exe与npm.cmd位于\Program Files\node\并应已加入系统的PATH环境变量若未加入请手动将该目录添加到PATH。在构建工程侧h2o-web/build.gradle 中定义了checkClientPrerequisites任务构建时会依次执行node -vWindows 上为cmd /c node -v来探测 Node.js 是否可用在 macOS 上还会额外检查/usr/local/bin/node一旦检测失败构建会以明确的错误信息中止并提示对应的 Node.js 安装方式。这意味着即使跳过全部测试只要本机缺少 Node.js构建也会失败因此请务必在首次构建前完成安装。提示Node.js 版本建议使用当前 LTS 版本。仓库 h2o-web/package.json 中的 devDependencies如bower、coffeescript、puppeteer等均为较早期版本如遇兼容性问题可优先检查 Node/npm 版本后再重试。三步启动构建、运行与浏览器访问无论哪种操作系统构建与启动 Flow 的核心步骤一致cd /h2o-dev # 进入仓库根目录按实际路径修改 ./gradlew build -x test java -jar build/h2o.jar然后打开浏览器访问http://localhost:54321./gradlew build -x test调用仓库根目录下的 Gradle Wrapper 执行完整构建-x test跳过测试以加速构建。构建过程中会并行触发 Flow 前端资源的下载、编译与资源拷贝详见下文“构建原理”。Windows 环境请使用gradlew.bat build -x test。java -jar build/h2o.jar启动 H2O 服务器。默认端口 54321 在源码中定义于 h2o-core/src/main/java/water/H2O.javapublic static final int H2O_DEFAULT_PORT 54321;。访问http://localhost:54321浏览器请求被 H2O 内置的 Jetty Web 服务器处理返回嵌入 JAR 的 Flow 静态页面随即进入 Flow 工作台界面。关于构建参数的补充说明来自仓库顶层 README.md若遇到npm missing一类错误安装 npm 后重新执行构建即可OS X 上对应brew install npm。构建机器需具备JDK 1.8且建议内存充足build/h2o.jar由顶层 build.gradle 的 assembly 流程组装其中 h2o-assemblies/main/build.gradle、h2o-assemblies/minimal/build.gradle、h2o-assemblies/steam/build.gradle 均通过api project(:h2o-web)将 Web 客户端打入不同发行版 JAR。各平台命令速查平台安装 Node.js构建命令启动命令OS Xbrew install node./gradlew build -x testjava -jar build/h2o.jarLinux系统包管理器安装如apt/yum./gradlew build -x testjava -jar build/h2o.jarWindows官方安装包注意PATH配置gradlew.bat build -x testjava -jar build/h2o.jar启动后所有平台均在浏览器访问http://localhost:54321Windows 也可加尾斜杠http://localhost:54321/。构建原理h2o-web 模块如何把 Flow 塞进 H2O JAR./gradlew build并不是简单地编译 Java而是通过 h2o-web/build.gradle 中一串有依赖关系的任务链将 Flow 前端静态资源下载、编译并拷贝进 Web 根目录。整个链条如下checkClientPrerequisites └─ installNpmPackagesnpm install安装 node_modules 依赖 └─ installBowerPackagesbower install安装 h2o-flow 到 lib/ └─ copyFlowToWebRootlib/h2o-flow/build - src/main/resources/www/flow随后processResources阶段依次触发以下任务把产物并入 JAR 资源copyFlowToWebRoot将 Bower 下载的h2o-flow包构建产物拷贝到src/main/resources/www/flow这是 Flow 页面的静态资源目录copyExampleFlows将 h2o-docs/src/product/flow 目录下的示例 Flowpacks拷贝到src/main/resources/www/flow/packscompileHelpFiles通过 CoffeeScript 脚本 make-help.coffee 将 h2o-docs/src/product/flow/README.md 编译为www/flow/help目录下的 HTML 帮助页与catalog.json目录索引供 Flow 侧边栏在线帮助使用copyHelpImages将 Flow 帮助文档图片拷贝至www/flow/help/imagescopyGenModelJarToWebRoot将 h2o-genmodel JAR 以h2o-genmodel.jar命名放入www/${h2oRESTApiVersion}/供页面下载 POJO 所需依赖。另外compileAndInstallDocFiles任务会调用 CoffeeScript 脚本 rest-api-reference.coffee从运行中的 H2O 通过 HTTP GET 拉取schemas.json与routes.json渲染生成 REST API 在线参考文档写入h2o-docs/web/rest-api-reference.html——这正是 Flow 侧边栏中Routes / Schemas帮助页面的来源。Bower 依赖定义在 h2o-web/bower.json 中核心依赖为h2o-flow: 0.14.6即 Flow 前端本体由 Bower 包h2o-flow提供。构建任务链中还有若干细节值得注意installBowerPackages在非 Windows 环境下若 Gradle 属性包含h2o.web.allow.root则会追加--allow-root参数便于在 root 用户/容器环境下安装clean任务会联动deleteFlowFromWebRoot、deleteGenModelJarFromWebRoot、deleteDocFiles等确保清理时同步删除拷贝出的资源避免残留旧产物。从源码结构可以推断这种“构建期下载前端包 编译期并入 JAR”的设计使得发行版 H2O 是一个自包含的 JAR无需单独部署 Web 服务启动即同时提供 REST API 与 Flow UI。启动参数与 Flow 相关的配置除默认端口外H2O 还提供若干与 Flow 直接相关的启动选项定义于 h2o-core/src/main/java/water/H2O.java 的命令行帮助文本参数说明-port port指定 Web 服务器端口默认 54321-port指定端口的同时port1也会被占用-flow_dir 目录指定保存 Flow 的服务器端目录或 HDFS 目录-context_path path指定 Jetty 的 context path例如部署在反向代理后需要前缀时使用-notify_local 文件路径节点启动后写入一行“IP:port”信息例如192.168.1.100:54321便于脚本探测其中-flow_dir的行为在 H2O.java 中有明确定义本地非 Hadoop模式下默认值为$HOME/h2oflows在 Hadoop 发行版-ga_hadoop_ver生效上默认使用 HDFS 家目录下的h2oflows子目录若无法确定默认目录则提示“默认无无法保存 Flow”显式指定-flow_dir时优先使用用户指定值。该目录由NodePersistentStorage见 H2O.java管理用于持久化保存用户在 Flow 中编写的 notebooksflows与 clips。进入 Flow界面与常用资源入口构建并启动成功后Flow 提供一组开箱即用的资源帮助快速上手键盘快捷键在任意单元格输入h即可弹出快捷键列表也可通过Help菜单 →Keyboard Shortcuts查看。Assist Me 助手点击菜单下方的Assist Me!按钮或在空白单元格输入assist并按CtrlEnter会列出常用任务的命令列表如importFiles、getFrames、buildModel等。示例 FlowExample Flows通过 Help 侧边栏的view example Flows链接或Packs部分 →Browse installed packs...→examples文件夹加载预置示例。这些示例包即由构建任务copyExampleFlows从 h2o-docs/src/product/flow 打入发行包。REST API 文档Help 侧边栏中可选择Routes或Schemas查看在线 REST API 参考页面内容即由rest-api-reference.coffee生成。Flow 的典型工作流为导入数据importFiles→ 解析Parse→ 查看任务getJobs→ 构建模型buildModel支持 K-Means、GLM、DRF、Naïve Bayes、PCA、GBM、Deep Learning 等算法→ 预测Predict→ 查看帧与结果getFrameSummary、getModels。所有这些操作既可通过菜单点选完成也可在 CS 模式的单元格中输入对应命令并执行两种方式等价。常见问题与排查建议现象原因与处理构建报错提示无法检测到 Node.js未安装 Node.js或未加入PATH按上文对应平台安装后重试。macOS 会额外检查/usr/local/bin/node浏览器访问localhost:54321无响应H2O 尚未启动或端口被占用确认java -jar build/h2o.jar正常运行可改用-port指定其他端口页面提示无法保存 Flow-flow_dir无法确定默认目录常见于 Hadoop 部署通过-flow_dir显式指定服务器端目录构建期间网络错误npm/bower 下载失败构建需联网下载 npm 包与h2o-flowBower 包检查网络或配置镜像源后重试清理后重新构建仍出现旧页面执行./gradlew clean会联动删除拷贝到 Web 根目录的 Flow 资源h2o-web/build.gradle再做全新构建总结Flow 是 H2O-3 的浏览器端交互界面构建它的关键在于“Node.js 环境 Gradle 顶层构建 内嵌 Jetty 提供访问”。本文完整还原了 h2o-web/README.md 的跨平台构建与启动流程并结合 h2o-web/build.gradle 的任务链、h2o-core/src/main/java/water/H2O.java 的端口与-flow_dir实现说明了 Flow 资源如何被编译进发行 JAR、以及如何通过启动参数定制 Flow 的保存与访问方式。按照本文步骤即可从源码构建出一个自带 Flow Web UI 的 H2O 实例并在http://localhost:54321上开始你的机器学习工作流。赞分享机器学习深度学习AutoML大数据后端【免费下载链接】h2o-3H2O is an Open Source, Distributed, Fast Scalable Machine Learning Platform: Deep Learning, Gradient Boosting (GBM) XGBoost, Random Forest, Generalized Linear Modeling (GLM with Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML), etc.项目地址https://gitcode.com/gh_mirrors/h2/h2o-3点击查看免费下载相关推荐H2O-3 启用 LDAP 认证Flow、R 与 Python 客户端的连接与登录完整指南H2O 3 启用 LDAP 认证Flow、R 与 Python 客户端的连接与登录完整指南 本篇技术指南以仓库文档 h2o docs/src/product/机器学习深度学习AutoML大数据后端H2O-3 Docker 部署实战从 Dockerfile 构建到 Flow 与 Python/R 客户端接入H2O 3 Docker 部署实战从 Dockerfile 构建到 Flow 与 Python/R 客户端接入 这篇技术指南以 h2o 3 仓库的官方用户文档机器学习深度学习AutoML大数据后端H2O-3 客户端全解析Flow Web UI、R/Python 客户端与 sklearn 集成H2O 3 客户端全解析Flow Web UI、R/Python 客户端与 sklearn 集成 H2O 3 是一个开源的分布式机器学习平台其核心引擎以 J机器学习深度学习AutoML大数据后端上一篇Omni无障碍键盘焦点顺序符合逻辑的Tab键导航流程下一篇如何高效使用Wayback Machine下载器专业用户的完整实战指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考