数据可视化展示的方法、装置、电子设备及存储介质

技术领域

本发明涉及大数据处理技术领域，尤其是一种基于大数据与模型渲染的数据可视化展示的方法、装置、电子设备及存储介质。

背景技术

随着云时代的来临，大数据(Big data)也吸引了越来越多的关注。分析师团队认为，大数据(Big data)通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。

现有的对大数据的可视化展示方式重要包括基于vue、datav、Echart等框架的数据展示，通过vue组件实现数据渲染。部分图表使用DataV自带组件展示数据，现有技术对于大数据的体现缺少直观感受，不能体现部分数据的特殊性、震撼性与数据特点，难以体现地域差别，画面陈旧，缺少新意。

因此，现有技术需要改进。

发明内容

本发明实施例所要解决的一个技术问题是：提供一种数据可视化展示的方法、装置、电子设备及存储介质，以解决现有技术存在的问题。

在本申请的实施例中，所述数据可视化展示的方法包括：

获取需要展示的大数据文件；

依据所述需要展示的大数据文件，生成数据可视化展示算法识别的数据格式；

依据生成的数据可视化算法识别的数据格式，将生成的数据可视化算法识别的数据输入到三维图像模型，使用三维图像模型渲染出最终数据可视化展示效果。

在另一个实施例中，所述依据所述需要展示的大数据文件，生成数据可视化展示算法识别的数据格式，包括：

获取次世代光线追踪三维引擎的数据格式；

依据所述次世代光线追踪三维引擎的数据格式，将所述需要展示的大数据文件引入所述次世代光线追踪三维引擎中；

所述次世代光线追踪三维引擎对所述需要展示的大数据文件进行处理，获取所述需要展示的大数据文件转换为数据可视化展示算法的数据格式。

在另一个实施例中，所述依据生成的数据可视化算法识别的数据格式，将生成的数据可视化算法识别的数据输入到三维图像模型，使用三维图像模型渲染出最终数据可视化展示效果，包括：

获取3DMAX中建造的三维图形模型；

依据所述三维图形模型，获取所述三维图形模型导入到次世代光线追踪三维游戏引擎中生成的三维图形模型的数据格式；

依据所述三维图形模型的数据格式，将所述数据可视化算法识别的数据分步调用到所述三维模型中，按照所述三维模型的数据格式分别渲染所述数据可视化算法识别的数据，获取所述需要展示的大数据文件的三维图形；

依据获取的所述需要展示的大数据文件的三维图形，对需要展示的大数据文件的三维图形进行HLSL材质算法渲染颜色，获取最终数据可视化展示效果。

在另一个实施例中，所述依据所述三维图形模型的数据格式，将所述数据可视化算法识别的数据分步调用到所述三维模型中，按照所述三维模型的数据格式分别渲染所述数据可视化算法识别的数据，获取所述需要展示的大数据文件的三维图形，包括：

依据所述三维图形模型的位置图形，将所述数据可视化算法识别数据中的位置数据调用到所述三维模型中，按照所述三维模型的数据格式渲染所述数据可视化算法识别的位置数据，获取需要展示的大数据文件的位置图形；

依据所述三维图形模型的形状图形，将所述数据可视化算法识别数据中的形状数据调用到所述三维模型中，按照所述三维模型的数据格式渲染所述数据可视化算法识别的形状数据，获取需要展示的大数据文件的形状图形；

依据所述三维图形模型的数量图形，将所述数据可视化算法识别数据中的数量数据调用到所述三维模型中，按照所述三维模型的数据格式渲染所述数据可视化算法识别的数量数据，获取需要展示的大数据文件的数量图形；

融合所述需要展示的大数据的位置图形、形状图形、数量图形，获取所述需要展示的大数据文件的三维图形。

在另一个实施例中，所述依据对需要展示的大数据文件的三维图形进行HLSL材质算法渲染颜色，包括：

通过材质编辑器编辑HLSL材质算法的材质表达式和网络；

编辑HLSL材质算法的颜色；

编辑HLSL材质算法的纹理贴图；

获取需要展示的大数据文件的三维图形数据作为HLSL材质算法的材质输入数据，通过编辑后的HLSL材质算法对所述需要展示的大数据文件的三维图形数据进行渲染颜色。

基于本发明实施例的另一个方面，公开一种数据可视化展示的装置，所述装置包括：

获取模块，用于获取需要展示的大数据文件；

转换模块，用于依据所述需要展示的大数据文件，生成数据可视化展示算法识别的数据格式；

生成模块，用于依据生成的数据可视化算法识别的数据格式，将生成的数据可视化算法识别的数据输入到三维图像模型，使用三维图像模型渲染出最终数据可视化展示效果。

基于本发明实施例的又一个方面，公开一种电子设备，所述电子设备包括一个或者多个处理器和存储器，存储器，用于存储一个或多个程序；当所述一个或多个程序被所述处理器执行时，使得所述处理器实现本发明各实施例提供的数据可视化展示的方法。

基于本发明实施例的又一个方面，公开一种存储有计算机程序的计算机可读存储介质，该计算机程序被执行时实现本发明各实施例提供的数据可视化展示的方法。

与现有技术相比，本发明具有以下优点：

本申请的数据可视化展示的方法、装置、电子设备及存储介质通过获取需要展示的大数据文件，将需要展示的大数据文件生成数据可视化展示算法识别的数据格式，通过将生成的数据可视化算法识别的数据输入到三维图像模型，使用三维图像模型渲染出最终数据可视化展示效果。本申请能够将传统的图表展示换成了三维模型的呈现，将数据按照类别用不同的三维模型代替，通过三维模型的大小，颜色，与稀疏度多个层面展示数据特点，从而增加了数据的可读性，提高了数据的展示效率，加深观看者的印象。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：

图1为一个实施例中数据可视化展示的方法的应用场景图；

图2为本发明一个实施例中数据可视化展示的方法的流程图；

图3为本发明一个实施例中数据可视化展示的装置的结构框图；

图4为一个实施例中电子设备的内部结构图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本申请提供的数据可视化展示的方法，可以应用于如图1所示的应用环境中。该数据可视化展示的方法应用于数据可视化展示的装置中。该数据可视化展示的装置可以配置在终端102或者服务器104，或者部分配置在终端102，部分配置在服务器104中，由终端102与服务器104交互完成数据可视化展示的方法。

其中，终端102与服务器104可以通过网络进行通信。

其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，终端102需具有获取FPGA与多路网口的配置信息和CPU的千兆网卡控制器与所述FPGA的连接信息,将所述多路网口的MAC地址汇总到所述CPU的千兆网卡控制器上信息的功能，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种数据可视化展示的方法，本实施例主要以该方法应用于图1中的终端102来举例说明。

步骤201，获取需要展示的大数据文件。

具体的，本申请的实施例主要用于大数据领域，对于“大数据”(Big data)研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理(MPP)数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

获取的大数据文件就是从大数据的平台中获取需要图形化展示的数据文件。

步骤202，依据所述需要展示的大数据文件，生成数据可视化展示算法识别的数据格式。

具体的，由于大数据文件并不一定适合数据可视化展示算法识别，因此，需要首先对需要展示的大数据文件生成为数据可视化展示算法能够识别的数据格式，这样将大数据文件的数据输入到数据可视化展示算法以后才能根据输入的大数据文件数据，生成相应的图形。

具体的，在本申请的一个实施例中，所述依据所述需要展示的大数据文件，生成数据可视化展示算法识别的数据格式，包括：

获取次世代光线追踪三维引擎的数据格式。

具体的，所述次世代光线追踪三维引擎是基于光线追踪的一种三维图像照明技术，光线追踪可以模拟真实世界中的光线照射方式，在本申请的实施例中，使用UE4游戏引擎，所述次世代光线追踪三维引擎被广泛用于为广告和电影创建超逼真的渲染效果，但是在这些应用中，即使利用当今功能非常强大的计算服务器，生成每一帧数据仍需花费数小时。在三维游戏中，场景由各种物体组成，当这些物体组合在一起时，就会形成数百万个三角形。光线追踪最基本的功能就是发射出一条光线，然后沿着它在三维场景中的路径来定位它所到达的第一个物体，进而确定应该如何对该物体进行照明。然而，用场景中的每个物体去测试一条光线以确定它们是否相交，这样的做法效率太低、计算成本太高，完全无法实时进行。这可以通过建立光线追踪加速结构来实现，为了做到这一点，需要围绕整个游戏场景绘制一个方框，然后将其划分为多个较小的方框，再将这些小方框细分为更小的方框，按这种方式不断将方框进行细分，直到小方框中的三角形数量达到便于管理的程度为止。这种方式被称之为场景层次结构，该技术使现有的图形处理器可以有效地进行处理。在游戏场景中发射光线时，可以根据场景层次结构逐层进行检查。首先，我们要检查光线到底有没有射入最大的方框(即场景)。如果有，继续检查下一层的小方框。在这个阶段，发现光线射入了一些方框，但没有射入另一些方框。接下来，可以不断将光线未射入的方框排除在外，只重点关注光线射入的那些方框，直至找到光线与三角形相交的地方。这种层次结构使我们能够找到光线和三角形最近的交点，而不必测试场景中的每个三角形。这极大地简化了问题，因此可以更快地完成处理过程。在几何处理阶段(该阶段硬件会完成物体的动画处理工作)之后，将那些三角形置入一个称为场景层次生成器的专用硬件中，该生成器可以生成上面所述的加速结构。添加一些专门的光线/方框/三角形测试器，它们是专用的固定功能硬件，用于通过加速结构进行光线追踪，并确定光线与三角形的交点。与使用软件可编程管线相比，在专用硬件中完成所有这些操作要快得多，而且更节省面积和功耗。

依据所述次世代光线追踪三维引擎的数据格式，将所述需要展示的大数据文件引入所述次世代光线追踪三维引擎中；

具体的，通过次世代光线追踪三维引擎的处理，可以使需要展示的大数据文件按照所述次世代光线追踪三维引擎的处理方式形成层次性的结构场景。

所述次世代光线追踪三维引擎对所述需要展示的大数据文件进行处理，获取所述需要展示的大数据文件转换为数据可视化展示算法的数据格式。

步骤203，依据生成的数据可视化算法识别的数据格式，将生成的数据可视化算法识别的数据输入到三维图像模型，使用三维图像模型渲染出最终数据可视化展示效果。

具体的，在本申请的一个实施例中，所述依据所述三维图形模型的数据格式，将所述数据可视化算法识别的数据分步调用到所述三维模型中，按照所述三维模型的数据格式分别渲染所述数据可视化算法识别的数据，获取所述需要展示的大数据文件的三维图形，包括：

依据所述三维图形模型的位置图形，将所述数据可视化算法识别数据中的位置数据调用到所述三维模型中，按照所述三维模型的数据格式渲染所述数据可视化算法识别的位置数据，获取需要展示的大数据文件的位置图形；

依据所述三维图形模型的形状图形，将所述数据可视化算法识别数据中的形状数据调用到所述三维模型中，按照所述三维模型的数据格式渲染所述数据可视化算法识别的形状数据，获取需要展示的大数据文件的形状图形；

依据所述三维图形模型的数量图形，将所述数据可视化算法识别数据中的数量数据调用到所述三维模型中，按照所述三维模型的数据格式渲染所述数据可视化算法识别的数量数据，获取需要展示的大数据文件的数量图形；

融合所述需要展示的大数据的位置图形、形状图形、数量图形，获取所述需要展示的大数据文件的三维图形。

具体的，在一个具体的实施例中，比如获取某一程使的建筑物高度的数据展示，首先通过3dmax建造用于表示建筑的长方体块代替房子引入引擎。然后引入各区域的建筑物数据，将数据处理为数据可视化展示算法识别的数据格式，然后根据转换后的建筑物数据就可以生成代表建筑数据的“建筑物”模型。在图中可以快速地阅读出城市建筑物的位置，稀疏度，高度信息。在此场景中，接收的建筑物高度的数据中包括数据点类型、位置、高度。

具体的，在本申请的另一个实施例中，所述依据对需要展示的大数据文件的三维图形进行HLSL材质算法渲染颜色，包括：

通过材质编辑器编辑HLSL材质算法的材质表达式和网络；

具体的，当穿过场景的光照接触到表面后，材质被用来计算该光照如何与该表面进行互动，比如在通过三维图形模型的处理以后输出三维图形，通过材质可以计算三维图形在不同位置的显示颜色等。由于每一个位置的输入数据不同，因此，它能够通过不同的颜色方式来表达。在本申请的实施例中，材质并非通过代码实现，而是通过材质编辑器中的可视脚本节点，称为材质表达式所组成的网络来构建。每一个节点都包含HLSL代码片段，并用于执行特定的任务。这意味着在构建材质时，是在通过可视化脚本编程来创建HLSL代码。

编辑HLSL材质算法的颜色；

具体的，颜色在数字成像方面，由4个主通道构成。它们是：R：红色；G：绿色；B：蓝色；A：阿尔法。对所有数字图像中的每一个像素而言，其中任何通道的值都可以由一个数字表示。关于材质的许多工作无非是根据一系列的情况和数学表达式来处理这些数字。

UE4游戏引擎中的材质使用浮点值来储存颜色信息。这通常意味着每个通道的值范围都是0.0到1.0，而不像是某些图像编辑应用程序那样使用0到255。需要注意的是，在任何时候都可以使用超过此范围的值，这在某些情况下会产生特殊的行为。例如，将颜色发送到材质的“自发光”(Emissive)输入时，这将使材质发光，大于1.0的值会增加发光强度。

UE4游戏引擎中考虑材质时，许多表达式的运作与各个颜色通道无关。例如，对于每个通道，“加法”(Add)节点使用两个输入并将它们相加。如果将两个RGB颜色3通道矢量值相加，那么输出颜色将是：红色1+红色2,绿色1+绿色2,蓝色1+蓝色2。表达式为：红色1+红色2＝红色3；绿色1+绿色2＝绿色3；蓝色1+蓝色2＝蓝色3。执行单通道操作的节点一般需要具有相同通道数目的输入。例如，可以将一个RGB颜色与另一个RGB颜色相加，但不能将RGBA的4通道颜色与RGB的3通道颜色相加，这是因为RGB颜色没有阿尔法通道。这会产生错误，并导致材质无法编译。此规则有一个例外情况，即，其中一个输入是单通道值。在这种情况下，该单通道值将直接应用于所有其他通道。例如将RGB值：0.35,0.28,0.77与单通道值1.0相加，那么结果将是：0.35+1.0＝1.35；0.28+1.0＝1.28；0.77+1.0＝1.77。

编辑HLSL材质算法的纹理贴图；

具体的，纹理贴图是在材质中使用的图像，它们被映射到应用材质的表面，它只是用于提供某种基于像素的数据的图像。这些数据可能是对象的颜色、光泽度、透明度以及各种其他方面。虽然创建纹理的过程很关键，但应该将纹理看作材质的“元件”，而不是将它们本身视为最终成品。一个单一材质有可能用到几个不同的纹理贴图作为不同的目的效果。比如，一个简单的材质可能会有一个基础颜色的纹理贴图，一个高光纹理，一个法线贴图。除此以外，还有可能有保存在透明通道中的自发光贴图以及粗造度贴图。可以发现，虽然这些可能都同时存在于一个贴图的布局中，但纹理贴图中的不同的颜色被用于不同的目的。获取需要展示的大数据文件的三维图形数据作为HLSL材质算法的材质输入数据，通过编辑后的HLSL材质算法对所述需要展示的大数据文件的三维图形数据进行渲染颜色。纹理一旦创建并导入虚幻引擎，就会通过特殊的材质表达式节点引入到材质中。

本申请的数据可视化展示的方法、装置、电子设备及存储介质通过获取需要展示的大数据文件，将需要展示的大数据文件生成数据可视化展示算法识别的数据格式，通过将生成的数据可视化算法识别的数据输入到三维图像模型，使用三维图像模型渲染出最终数据可视化展示效果。能够将传统的图表展示换成了三维模型的呈现，将数据按照类别用不同的三维模型代替，通过三维模型的大小，颜色，与稀疏度多个层面展示数据特点，从而增加了数据的可读性，提高了数据的展示效率，加深观看者的印象。

应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图3所示，提供了一种数据可视化展示的装置，包括：获取模块、转换模块、生成模块。

获取模块，用于获取需要展示的大数据文件；

转换模块，用于依据所述需要展示的大数据文件，生成数据可视化展示算法识别的数据格式；

生成模块，用于依据生成的数据可视化算法识别的数据格式，将生成的数据可视化算法识别的数据输入到三维图像模型，使用三维图像模型渲染出最终数据可视化展示效果。

具体的，在本申请的另一个实施例中，所述转换模块用于获取次世代光线追踪三维引擎的数据格式；依据所述次世代光线追踪三维引擎的数据格式，将所述需要展示的大数据文件引入所述次世代光线追踪三维引擎中；所述次世代光线追踪三维引擎对所述需要展示的大数据文件进行处理，获取所述需要展示的大数据文件转换为数据可视化展示算法的数据格式。

具体的，在本申请的另一个实施例中，所述生成模块用于获取3DMAX中建造的三维图形模型；依据所述三维图形模型，获取所述三维图形模型导入到次世代光线追踪三维游戏引擎中生成的三维图形模型的数据格式；依据所述三维图形模型的数据格式，将所述数据可视化算法识别的数据分步调用到所述三维模型中，按照所述三维模型的数据格式分别渲染所述数据可视化算法识别的数据，获取所述需要展示的大数据文件的三维图形；依据获取的所述需要展示的大数据文件的三维图形，对需要展示的大数据文件的三维图形进行HLSL材质算法渲染颜色，获取最终数据可视化展示效果。

具体的，在本申请的另一个实施例中，所述生成模块用于依据所述三维图形模型的位置图形，将所述数据可视化算法识别数据中的位置数据调用到所述三维模型中，按照所述三维模型的数据格式渲染所述数据可视化算法识别的位置数据，获取需要展示的大数据文件的位置图形；依据所述三维图形模型的形状图形，将所述数据可视化算法识别数据中的形状数据调用到所述三维模型中，按照所述三维模型的数据格式渲染所述数据可视化算法识别的形状数据，获取需要展示的大数据文件的形状图形；依据所述三维图形模型的数量图形，将所述数据可视化算法识别数据中的数量数据调用到所述三维模型中，按照所述三维模型的数据格式渲染所述数据可视化算法识别的数量数据，获取需要展示的大数据文件的数量图形；融合所述需要展示的大数据的位置图形、形状图形、数量图形，获取所述需要展示的大数据文件的三维图形。

具体的，在本申请的另一个实施例中，所述生成模块用于通过材质编辑器编辑HLSL材质算法的材质表达式和网络；编辑HLSL材质算法的颜色；编辑HLSL材质算法的纹理贴图；获取需要展示的大数据文件的三维图形数据作为HLSL材质算法的材质输入数据，通过编辑后的HLSL材质算法对所述需要展示的大数据文件的三维图形数据进行渲染颜色。

本申请通过获取模块获取需要展示的大数据文件，通过转换模块将需要展示的大数据文件生成数据可视化展示算法识别的数据格式，通过生成模块将生成的数据可视化算法识别的数据输入到三维图像模型，使用三维图像模型渲染出最终数据可视化展示效果。能够将传统的图表展示换成了三维模型的呈现，将数据按照类别用不同的三维模型代替，通过三维模型的大小，颜色，与稀疏度多个层面展示数据特点，从而增加了数据的可读性，提高了数据的展示效率，加深观看者的印象。

关于数据可视化展示的装置的具体限定可以参见上文中对于数据可视化展示的方法的限定，在此不再赘述。上述数据可视化展示的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种电子设备，该电子设备可以是终端，其内部结构图可以如图4所示。该电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该计算机程序被处理器执行时以实现一种数据可视化展示的方法。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的数据可视化展示的装置可以实现为一种计算机程序的形式，计算机程序可在如图4所示的电子设备上运行。电子设备的存储器中可存储组成该基于数据可视化展示的装置的各个程序模块，比如，图3所示的获取模块、转换模块、生成模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的数据可视化展示的方法中的步骤。

例如，图4所示的电子设备可以通过图3所示的数据可视化展示的装置的获取模块获取需要展示的大数据文件；通过转换模块依据所述需要展示的大数据文件，生成数据可视化展示算法识别的数据格式；通过生成模块依据生成的数据可视化算法识别的数据格式，将生成的数据可视化算法识别的数据输入到三维图像模型，使用三维图像模型渲染出最终数据可视化展示效果。

在一个实施例中，处理器执行计算机程序时，实现以下步骤：获取次世代光线追踪三维引擎的数据格式；依据所述次世代光线追踪三维引擎的数据格式，将所述需要展示的大数据文件引入所述次世代光线追踪三维引擎中；所述次世代光线追踪三维引擎对所述需要展示的大数据文件进行处理，获取所述需要展示的大数据文件转换为数据可视化展示算法的数据格式。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取3DMAX中建造的三维图形模型；依据所述三维图形模型，获取所述三维图形模型导入到次世代光线追踪三维游戏引擎中生成的三维图形模型的数据格式；依据所述三维图形模型的数据格式，将所述数据可视化算法识别的数据分步调用到所述三维模型中，按照所述三维模型的数据格式分别渲染所述数据可视化算法识别的数据，获取所述需要展示的大数据文件的三维图形；依据获取的所述需要展示的大数据文件的三维图形，对需要展示的大数据文件的三维图形进行HLSL材质算法渲染颜色，获取最终数据可视化展示效果。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：依据所述三维图形模型的位置图形，将所述数据可视化算法识别数据中的位置数据调用到所述三维模型中，按照所述三维模型的数据格式渲染所述数据可视化算法识别的位置数据，获取需要展示的大数据文件的位置图形；依据所述三维图形模型的形状图形，将所述数据可视化算法识别数据中的形状数据调用到所述三维模型中，按照所述三维模型的数据格式渲染所述数据可视化算法识别的形状数据，获取需要展示的大数据文件的形状图形；依据所述三维图形模型的数量图形，将所述数据可视化算法识别数据中的数量数据调用到所述三维模型中，按照所述三维模型的数据格式渲染所述数据可视化算法识别的数量数据，获取需要展示的大数据文件的数量图形；融合所述需要展示的大数据的位置图形、形状图形、数量图形，获取所述需要展示的大数据文件的三维图形。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过材质编辑器编辑HLSL材质算法的材质表达式和网络；编辑HLSL材质算法的颜色；编辑HLSL材质算法的纹理贴图；获取需要展示的大数据文件的三维图形数据作为HLSL材质算法的材质输入数据，通过编辑后的HLSL材质算法对所述需要展示的大数据文件的三维图形数据进行渲染颜色。

本申请计算机程序被处理器执行时，通过获取需要展示的大数据文件，将需要展示的大数据文件生成数据可视化展示算法识别的数据格式，通过将生成的数据可视化算法识别的数据输入到三维图像模型，使用三维图像模型渲染出最终数据可视化展示效果。能够将传统的图表展示换成了三维模型的呈现，将数据按照类别用不同的三维模型代替，通过三维模型的大小，颜色，与稀疏度多个层面展示数据特点，从而增加了数据的可读性，提高了数据的展示效率，加深观看者的印象。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，比如静态随机存取存储器(Static Random Access Memory，SRAM)和动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。