Observablehq 美國 COVID-19 每日檢測數曲線

Observablehq D3 顯示美國 Covid-19每日檢測數曲線

本線狀圖用于顯示每天美國 COVID-19 的每天測試量的線狀圖曲線我們使用的是線上 JSON 資料，資料是通過 AWS 進行讀取的。

你可以直接通路下面的連結來獲得我們處理上傳的資料。

https://cdn.ossez.com/dataset/json/covid19/covid19-daily-tested-us.json

我們做資料分析的前提是資料來源相對可靠，如果資料來源不可靠，做資料分析也沒有什麼太大的價值。

相對每天的确診總數來說這個更加有意思。因為用美國的檢測量相對比較大，資料的波動也比較劇烈，從上面的曲線就可以看出來了。很多人都說美國疫情比較嚴重，确實是美國的疫情是相對人數非常多的，但是我們需要看到他們的檢測量也是非常高的。從資料分析來看 ，美國 Covid-19 的檢測能力是從 3 月8号 左右開始提升的，最開始的提升并不是非常高，但是到了 5 月份以後可以看到美國的檢測能力是穩步提升的，一直到 5 月11 号左右，在美國的 Covi-19 檢測能力已經接近 40 萬每一天。

從這個曲線也可以看到，美國問題嚴重也是因為他們檢查的數量多，檢測能力比較強。對流行病來說，這種能力不是壞事。

雖然我們每天都會自動上傳一些資料，但是你可能的更新資料每次都不一樣。

我們主要也是希望通過這個平台來學習 D3 圖表的使用。

你可以直接通路下面的連結：

https://observablehq.com/@yuchenghu/us-covid-19-daily-tested-cases-covid-19

對代碼修改後進行編譯，需要注意的是我們資料是上傳到 AWS 的 JSON 資料，資料的來源是從

https://covidtracking.com/api

  下載下傳後處理的。

下載下傳的方式是通過 Spring Batch 建構一個批量處理程式，每天定時獲得最新資料後存儲到本地資料庫中，然後從本地資料庫中導出為 JSON 資料。我也認為這種處理方式過于繁瑣，其實在記憶體中就可以實作了，在獲得原資料的 API 後，你可以直接将源資料轉換為對象。

使用本地資料庫的原因是擔心源 API 不能提供正常的通路服務，其實很多時候這種備援也是沒有太大必要的。更主要的是我們希望通過這個了解 Spring Batch 和 Hibernate JPA 的使用，這個對其他項目是非常有幫助的。

然後利用 gson 将對象轉換為需要的字元串後輸出成 JSON 就可以了。

如果你對 AWS  API 比較了解和熟悉的話，你可以利用 AWS 的API 直接将生成的 json 資料上傳到 S3 上存儲。

針對在一個已經部署比較好的和設計比較優化的技術架構上，上面的資料生成和處理基本上能夠在 4 個小時内完成設計，部署，上傳，分發。

Spring 的微服務對 Java 世界來說，還是起到了非常大的促進作用。

https://www.cwiki.us/pages/viewpage.action?pageId=62619837