Pengantar
Di lingkungan Ubuntu, antarmuka baris perintah (CLI) bawaan Bokeh menyediakan fleksibilitas tinggi bagi para teknisi data dan pengembang sistem. Tutorial ini mengulas secara mendalam cara memanfaatkan perintah CLI Bokeh, mulai dari merender berkas HTML statis dan mengekspor skema data JSON, hingga meluncurkan server web visualisasi interaktif secara langsung dari terminal.
1. Instalasi Paket dan Pengecekan Lingkungan (bokeh info)
Langkah awal dimulai dengan menyinkronkan repositori APT dan memasang dependensi Python yang dibutuhkan untuk ekosistem Bokeh.
Menjalankan perintah bokeh info sangat dianjurkan untuk memeriksa kesiapan sistem, termasuk nomor versi pustaka, runtime Python aktif, serta konfigurasi backend rendering.
⚙️ [Parameter & Subperintah Esensial]
info : Menginspeksi metadata instalasi Bokeh, daftar pustaka pendukung, serta variabel lingkungan sistem.serve : Menginisiasi daemon Bokeh server untuk menyajikan aplikasi visualisasi berbasis web secara dinamis.html : Mengompilasi berkas skrip Python menjadi dokumen HTML mandiri yang siap dibuka di browser web.json : Mengonversi komponen plot dan dataset menjadi struktur data JSON terenkapsulasi.secret : Membuat token kriptografi rahasia guna mengamankan sesi pertukaran data pada Bokeh server.
2. Membangun Berkas HTML Statis Siap Pakai (bokeh html)
Siapkan direktori kerja khusus guna menata proyek pengujian dengan rapi menggunakan instruksi mkdir -p ~/bokeh-demo && cd ~/bokeh-demo.
Selanjutnya, susun skrip Python sederhana bernama plot_sample.py yang mendefinisikan grafik sebaran titik (scatter plot) untuk validasi pembuatan berkas HTML.
Perintah bokeh html plot_sample.py memproses berkas Python tersebut dan secara otomatis merangkum seluruh dependensi visual ke dalam dokumen HTML mandiri yang portabel.
Pastikan dokumen hasil kompilasi berhasil dibuat serta periksa ukuran berkasnya menggunakan utilitas ls -lh plot_sample.html.
3. Ekstraksi Model dan Data Grafik ke Format JSON (bokeh json)
Instruksi bokeh json plot_sample.py > plot_output.json menguraikan seluruh elemen grafik, tata letak, dan atribut data ke dalam representasi JSON standar.
Pendekatan ini sangat efektif ketika Anda perlu mengintegrasikan model visualisasi dengan sistem luar atau komponen front-end modern berbasis pustaka BokehJS.
Tinjau validitas skema berkas serialisasi tersebut dengan mencetak 20 baris pertama melalui perintah head -n 20 plot_output.json.
Langkah verifikasi ini memastikan bahwa pengenal model dasar (root model ID), definisi layer renderer, dan struktur sumber data telah terdata secara presisi.
4. Menghosting Dashboard Interaktif Real-Time (bokeh serve)
Untuk skenario pelaporan dinamis, kita dapat membangun server aplikasi web interaktif. Buat skrip bernama server_app.py yang menyematkan grafik garis ke dokumen aktif melalui fungsi curdoc().add_root().
Jalankan perintah timeout 5s bokeh serve server_app.py --port 5006 --allow-websocket-origin="*" untuk meluncurkan server lokal dengan durasi terukur.
Opsi --port 5006 menetapkan port jaringan yang mendengarkan permintaan masuk, sedangkan parameter --allow-websocket-origin="*" membuka akses koneksi WebSocket dua arah dari klien eksternal tanpa kendala CORS.
Melalui integrasi perintah CLI Bokeh ini, proses otomasi pembuatan grafik di server Ubuntu menjadi jauh lebih efisien. Silakan kombinasikan opsi-opsi baris perintah tersebut sesuai kebutuhan alur kerja pemrosesan data dan deployment dasbor Anda.