आभासी घन - OLAP के बजाय

जब आप विपरीत करते हैं और समान प्राप्त करते हैं ...

विश्लेषणात्मक (कम्प्यूटेशनल / एग्रीगेटिंग) डेटा प्रोसेसिंग का कार्य करने के बाद, आपको जवाबदेही, गति और सुविधा के बीच समझौता करना होगा।

कुछ सिस्टम अच्छी तरह से अनुक्रमित और पाए जाते हैं, अन्य डेटा को जल्दी से गणना और एकत्र कर सकते हैं, जबकि अन्य सरल हैं। कहीं-कहीं, सभी परिचर कठिनाइयों के साथ डेटा के प्रीलोडिंग और इंडेक्सिंग को व्यवस्थित करना आवश्यक है, और कहीं न कहीं, उपयोगकर्ता गणना के दौरान उपयोग किए गए अंतर्निहित या बाहरी भौतिक भंडारण और डेटाबेस के शीर्ष पर अपने स्रोत के मॉडल और एकत्रित डेटा के एक अमूर्त के साथ प्रदान किया जाता है। किसी भी स्थिति में, प्रोग्रामर से लेकर एनालिस्ट तक, उपयोगकर्ता को अपेक्षाकृत बड़ा काम करना होता है, जिसमें कच्चे डेटा तैयार करना और प्रश्नों का संकलन करना, मॉडलों की गणना करना, विगेट्स पर परिणाम की कल्पना के साथ समाप्त होता है, निश्चित रूप से, "सेक्सी" - सुंदर, उत्तरदायी और समझने योग्य - अन्यथा किए गए सभी काम नाली के नीचे चले जाएंगे। और अक्सर, जैसा कि भाग्य होता है, एक समाधान चुनने के माध्यम से जा रहा है, हम देखते हैं कि पहली नज़र में एक सरल और समझने योग्य कार्य एक खौफनाक राक्षस में कैसे बढ़ता है, जो उपलब्ध साधनों से लड़ने के लिए बेकार है, और हमें तत्काल कुछ का आविष्कार करने की आवश्यकता है - एक बाइक "लाठी और वेश्या के साथ"। ©। हमारी बाइक चली गई, यहां तक ​​कि यह बहुत अच्छी तरह से धक्कों के आसपास चला जाता है और उन बाधाओं से मुकाबला करता है जो केवल पहले के बारे में अनुमान लगा सकते हैं।

नीचे काल्पनिक "रूबिकस क्यूब" के मूल आंतरिक उपकरण के एक तरफ का वर्णन किया जाएगा - इंटरएक्टिव इंटरएक्टिव विज़ुअलाइज़ेशन के लिए कम्प्यूटेशनल प्रसंस्करण।

एक सरल कार्य को बस हल किया जाना चाहिए, और एक कठिन भी सरल होना चाहिए, लेकिन अब ...

छोटी ताकतों के साथ एक प्रणाली बनाना शुरू करना, हम सरल से जटिल तक गए। एक निर्माता का निर्माण करते हुए, हम आंतरिक रूप से आश्वस्त थे कि हम सिस्टम के उद्देश्य को अच्छी तरह से समझते हैं, एक साथ बहुत ज्यादा नहीं करने की इच्छा के साथ लड़ रहे हैं और सब कुछ और सब कुछ स्वचालित करने की विपरीत इच्छा, सब कुछ के लिए एक रूपरेखा तैयार कर रहे हैं। इसके अलावा, हमारे अद्भुत ढांचे में से एक तैयार था और यहां तक ​​कि उत्पादन में भी परीक्षण किया गया - jsBeans। इसलिए, हमने अगली डेटा प्रोसेसिंग प्रणाली विकसित करना शुरू कर दिया, जो अब बढ़ी है और अब एक ही समय में एक आत्मनिर्भर उत्पाद - एक डिजाइनर और डेटा प्रोसेसिंग सिस्टम की एक पूरी कक्षा विकसित करने के लिए एक मंच है। सशर्त रूप से, लेख में हम इसे "रूबिक क्यूब" कहेंगे, ताकि विज्ञापन के बिना किया जा सके, लेकिन दिलचस्प वर्णन करने के लिए, हमारी राय में, समाधान।

घन, टुकड़ा, माप

मुख्य कार्य - विषम डेटा के डेटाबेस और फ़ाइलों सहित विषम डेटा के सेट, स्रोत डेटा के परस्पर तत्वों से बहुआयामी मॉडल बनाने के लिए और गतिशील डैशबोर्ड और इंटरकनेक्ट किए गए विजेट पर विज़ुअलाइज़ेशन के लिए उनके विश्लेषणात्मक प्रसंस्करण के परिणाम हैं।

उदाहरण के लिए, क्लिक करने योग्य डैशबोर्ड के रूप में:

हमारे सिस्टम में इस तरह के एक बहुआयामी डेटा मॉडल को "क्यूब" कहा जाता है और शाब्दिक रूप से "स्लाइस" नामक उत्परिवर्तित डेटा सेटों के एक सार संग्रह का प्रतिनिधित्व करता है, जो सामान्य आउटपुट (प्रदर्शित) फ़ील्ड / कॉलम या आंतरिक फ़ील्ड द्वारा "आयाम" कहलाता है और फ़िल्टर करने के लिए उपयोग किया जाता है स्लाइस को एक दूसरे से जोड़ना।

एक स्लाइस को एक वर्चुअल टेबल या व्यू ( CTE ) के रूप में मापदंडों और एक चर अनुरोध बॉडी के रूप में दर्शाया जा सकता है, जो फ़िल्टरिंग की स्थिति पर निर्भर करता है। मुख्य बात यह है कि आउटपुट डेटा परिवर्तन, संदर्भ खोज स्थितियों (विजेट के अंदर) और वैश्विक फिल्टर पर निर्भर करता है, जो विजेट पर मूल्यों का चयन करके और बुनियादी तर्क कार्यों (और / या / नहीं) और संयोजनों का उपयोग करके बनाया गया है।

वैश्विक फ़िल्टर आपको वीडियो में "रूबिक क्यूब को घुमाने" की अनुमति देता है:

यदि किसी स्लाइस का आउटपुट फ़ील्ड उसी समय किसी अन्य स्लाइस में माप के समान होता है, उसका नाम समान होता है, तो इस फ़ील्ड के मानों को सिस्टम द्वारा "तथ्यों" (यदि हम OLAP के बारे में बात कर रहे थे) के रूप में माना जाता है, एक वैश्विक फ़िल्टर के रूप में सेट किया जाता है जो गणना और एकत्रीकरण के दौरान मूल डेटा सेट को बदलता है। । नतीजतन, विगेट्स की एक गतिशील बातचीत होती है, जिसमें प्रदर्शित संकेतकों के मूल्य चयनित तत्वों और फिल्टर पर निर्भर करते हैं।

एक स्लाइस डेटा का एक सेट है जिसे "माप द्वारा" बदला जा सकता है - विश्लेषणात्मक या विश्लेषणात्मक गणना के परिणाम; आउटपुट फ़ील्ड्स / कॉलम की विशेषता, समर्थित मापों की एक सूची और डिफ़ॉल्ट मानों के साथ मापदंडों का एक सेट; एक दृश्य संपादक में अपेक्षाकृत सुरुचिपूर्ण क्वेरी द्वारा वर्णित है जो फ़िल्टरिंग, सॉर्टिंग, ग्रुपिंग / एग्रीगेशन, चौराहों (जोइन), यूनियनों (यूनिअन), रिकर्सन और अन्य जोड़तोड़ का समर्थन करता है।

स्रोत के रूप में एक दूसरे का उपयोग करने वाले स्लाइस उदाहरण के लिए, घन की आंतरिक संरचना का वर्णन करते हैं:

संपादक में स्लाइसर उदाहरण:

एक स्लाइस आउटपुट फ़ील्ड में स्पष्ट रूप से निर्दिष्ट दोनों मापों का समर्थन करता है और क्वेरी स्रोतों से माप प्राप्त करता है - इसका मतलब है कि स्लाइस के आउटपुट को अन्य स्लाइस-स्रोतों में बदलाव के परिणामस्वरूप भी बदला जा सकता है। दूसरे शब्दों में, स्लाइस के परिणामों को न केवल आउटपुट फ़ील्ड द्वारा, बल्कि स्रोतों के आंतरिक फ़ील्ड-माप द्वारा भी फ़िल्टर किया जा सकता है, कहीं क्वेरी की गहराई में, प्राथमिक डेटाबेस तालिकाओं तक।

क्यूब मॉडल, घोषित माप और स्लाइस के अनुसार क्वेरी को गहराई से खींचते हुए मौजूदा वैश्विक फिल्टर और इनपुट मापदंडों के आधार पर, क्वेरी संरचना को स्वचालित रूप से निष्पादन के समय सिस्टम द्वारा स्वचालित रूप से विस्तारित और बदल दिया जाता है।

एक साधारण वैश्विक फ़िल्टर का एक उदाहरण, शाब्दिक रूप से, जब उपयोगकर्ता ने कई विजेट पर मान या चयनित मान रखे हैं:

वैश्विक फ़िल्टर JSON अनुरोध में संग्रहीत है:

अनुरोध प्राथमिक स्रोत (डेटाबेस के लिए) पहले से तैयार रूप में आता है, कई मुख्य चरणों से गुजरा है:

• असेंबली स्लाइस के चयन और एम्बेडिंग सहित विधानसभा का अनुरोध करें, वर्तमान वैश्विक फ़िल्टर को ध्यान में रखते हुए (जब फ़िल्टर अनुपस्थित या सरल है, आप सरल / त्वरित स्लाइस का चयन कर सकते हैं; जब फ़िल्टर जटिल होता है - एक जटिल संरचना और अतिरिक्त माप के साथ स्लाइस);
• एक वैश्विक फ़िल्टर एम्बेड करना और प्रश्नों और उपश्रेणियों के निकायों में फ़िल्टर जोड़ना;
• एम्बेडिंग मैक्रोज़ और टेम्प्लेट क्वेरी भाव;
• अप्रयुक्त क्षेत्रों और अभिव्यक्तियों को हटाने सहित क्वेरी अनुकूलन;
• प्राथमिक डेटाबेस की बारीकियों के लिए क्वेरी के साथ अतिरिक्त संचालन (उदाहरण के लिए, यदि हम SQL के बारे में बात कर रहे हैं और डेटाबेस में शामिल नहीं है, तो नामित क्वेरी एम्बेडेड हैं)।

और अंतिम चरण प्राथमिक स्रोत के प्रारूप के अनुरोध का अनुवाद है, उदाहरण के लिए, SQL में:

जब स्रोत अलग हैं

एक नियम के रूप में, सब कुछ सरल और स्पष्ट है जब आपको एकल डेटा वेयरहाउस के साथ काम करना होगा। लेकिन, जब उनमें से कई होते हैं और वे मौलिक रूप से भिन्न होते हैं - आपको प्रत्येक विशिष्ट कार्य के लिए अलग-अलग तरकीबें लागू करनी होंगी। और आप हमेशा एक सार्वभौमिक समाधान रखना चाहते हैं जो हमेशा उपयुक्त होगा, अधिमानतः बॉक्स से बाहर, अधिकतम मामूली संशोधनों के साथ। ऐसा करने के लिए, एक और अमूर्त यह भीख माँगता है: डेटा वेयरहाउस पर, सबसे पहले, क्वेरी स्वरूपों और भाषाओं के सामंजस्य को लागू करना, और दूसरी बात, डेटा अंतरनिर्भरता सुनिश्चित करना, कम से कम एक से दूसरे स्रोत के लिए क्वेरी में अतिरिक्त फ़िल्टरिंग स्थितियों के स्तर पर।

ऐसा करने के लिए, हमने एक सार्वभौमिक क्वेरी भाषा विकसित की है, जो क्यूब डेटा के एक आभासी मॉडल का प्रतिनिधित्व करने और वांछित प्रारूप और भाषा में अनुरोध का अनुवाद करके सशर्त रूप से मनमाने भंडारण के साथ काम करने के लिए उपयुक्त है। एक भाग्यशाली संयोग से, क्वेरी भाषा, जो मूल रूप से विभिन्न स्रोतों से डेटा के सरल मानचित्रण और फ़िल्टरिंग के लिए अभिप्रेत है, आसानी से एक पूर्ण डेटा खोज और प्रसंस्करण भाषा में विकसित हुई है जो किसी को सरलतम से सबसे जटिल से कई पृष्ठों में और कई उप-वर्ग के साथ कम्प्यूटेशनल निर्माण करने की अनुमति देती है।

सूत्रों को तीन प्रकारों में विभाजित किया जा सकता है:

1. सिस्टम में डाउनलोड करने के लिए आवश्यक डेटा फाइलें;
2. पूर्ण डेटा प्रोसेसिंग और अन्य संचालन का समर्थन करने वाले डेटाबेस;
3. विभिन्न प्रकार की बाहरी सेवाओं सहित फ़िल्टरिंग के बिना या बिना डेटा निष्कर्षण का समर्थन करने वाले स्टोरेज।

पहले प्रकार के साथ सब कुछ अस्पष्ट है - आयात मॉड्यूल सिस्टम में एकीकृत है, जो विभिन्न इनपुट प्रारूपों को पार्स करता है और रिपॉजिटरी में परिणामों को विसर्जित करता है। आयात के लिए, एक विशेष निर्माता भी विकसित किया गया है, जिस पर अलग से चर्चा की जानी चाहिए।

दूसरा प्रकार स्व-निहित डेटाबेस है, जिसके लिए आपको केवल मूल अनुरोध को वांछित प्रारूप और अनुरोध की भाषा, बोली में अनुवाद करना होगा।

तीसरे प्रकार के लिए कम से कम पोस्ट-प्रोसेसिंग डेटा की आवश्यकता होती है। और एक ही समय में सभी प्रकार के बाद के प्रसंस्करण की भी आवश्यकता हो सकती है - चौराहों, यूनियनों, एकत्रीकरण और अंतिम गणना। ऐसा तब होता है जब एक डेटाबेस में डेटा प्रोसेसिंग को दूसरे बाहरी में फ़िल्टरिंग परिणामों को ध्यान में रखते हुए प्रदर्शन करने की आवश्यकता होती है।

सबसे सरल उदाहरण तब होता है जब एक डेटाबेस में फ़ज़ी सर्च किया जाता है, और आउटपुट पर किसी अन्य सर्वर पर किसी अन्य डेटाबेस में संग्रहीत संकेतकों का एकत्रीकरण प्राप्त करना आवश्यक होता है, खोज परिणामों को ध्यान में रखते हुए।

ऐसी योजना के काम को लागू करने के लिए, हमारे सिस्टम में एक सरल एल्गोरिथ्म लागू किया गया है - प्रारंभिक अनुरोध एक साथ कई दुभाषियों द्वारा तैयार किया गया है, जिनमें से प्रत्येक असंगत होने पर अनुरोध को निष्पादित करने से इनकार कर सकता है, या डेटा के साथ एक पुनरावृत्ति वापस कर सकता है, या अनुरोध को परिवर्तित कर सकता है या अगले दुभाषिए द्वारा अगले अनुरोध तैयारी श्रृंखला के काम को शुरू कर सकता है। । परिणामस्वरूप, एकल अनुरोध के लिए, हम एक से कई आलसी पुनरावृत्तियों को प्राप्त करते हैं जो समान परिणाम बनाते हैं, लेकिन विभिन्न तरीकों से, जिसमें से सबसे अच्छा एक का चयन किया जाता है (कॉन्फ़िगरेशन में डेवलपर द्वारा परिभाषित विभिन्न मानदंडों के अनुसार)।

इटरेटर चयन रणनीति कॉन्फ़िगरेशन या क्वेरी मापदंडों में निर्दिष्ट है। वर्तमान में, कई प्रमुख रणनीतियों का समर्थन किया जाता है:

• पहला, कोई भी, आखिरी;
• डेटाबेस के प्राथमिकता प्रकार द्वारा;
• चैनल्स की प्राथमिकता के आधार पर जो चलने वालों का गठन करते हैं;
• "अनुरोध वजन" के वजन समारोह द्वारा;
• पहले परिणाम के अनुसार - सभी पुनरावृत्तियों को समानांतर में लॉन्च किया जाता है और पहले परिणाम की उम्मीद की जाती है, परिणामस्वरूप, सबसे तेज़ चलने वाले का उपयोग किया जाता है, बाकी बंद हो जाते हैं।

एक इनपुट अनुरोध के लिए इस तरह के संयोजन के परिणामस्वरूप, हमें इसके निष्पादन के लिए कई विकल्प मिलते हैं, दोनों विभिन्न स्रोतों का उपयोग करते हुए और विभिन्न निष्पादन रणनीतियों के साथ - मुख्य / लक्ष्य डेटाबेस का चयन करते हैं जिसमें अनुरोध का मुख्य भाग निष्पादित किया जाएगा और परिणामों की अंतिम विधानसभा।

यदि लक्ष्य DBMS बाहरी स्रोतों के कनेक्शन का समर्थन करता है, तो एक रिवर्स सर्किट बनाना संभव हो जाता है जिसमें DBMS सिस्टम API से जुड़ा होता है ताकि सिस्टम से डेटा की छोटी मात्रा प्राप्त हो सके, उदाहरण के लिए, "बड़ी मात्रा में" फ़िल्टर करने के लिए। ऐसा एकीकरण अंतिम उपयोगकर्ता और विश्लेषक के लिए पारदर्शी है - घन मॉडल नहीं बदलता है, और सभी ऑपरेशन सिस्टम द्वारा स्वचालित रूप से किए जाते हैं।

अधिक जटिल मामलों के लिए, सिस्टम उल्लेखनीय H2 एंबेडेड डेटाबेस इंजन पर एक आंतरिक इन-मेमोरी क्वेरी दुभाषिया को लागू करता है, जो किसी भी समर्थित डेटाबेस को बॉक्स से बाहर करने की अनुमति देता है। शाब्दिक रूप से, यह इस तरह से काम करता है - अनुरोध को स्रोतों के समूहों द्वारा टुकड़ों में विभाजित किया जाता है, निष्पादन के लिए भेजा जाता है, जिसके बाद परिणामों की विधानसभा और अंतिम प्रसंस्करण स्मृति में, H2 में किया जाता है।

पहली नज़र में, आंतरिक दुभाषिया स्तर पर ऐसी डेटा एकीकरण योजना "मुश्किल" लगती है, और यह सच है अगर आपको इनपुट डेटा के बड़े संस्करणों और बाहरी स्रोतों से सेट के चौराहों और संघों के बाद गणना करने की आवश्यकता है। वास्तव में, इस परिस्थिति को आंशिक रूप से समतल किया जाता है - एक ही समय में, अनुरोध को विभिन्न संस्करणों में कई हैंडलर द्वारा निष्पादित किया जाता है, इसलिए, बॉक्स के बाहर एक सार्वभौमिक समाधान के रूप में, दुभाषिया का उपयोग केवल सबसे चरम मामलों में किया जाता है। अंततः, किसी भी एकीकरण को तैयार करने, नेटवर्क पर संचारित करने और डेटा प्राप्त करने की विशिष्ट परिवहन लागतों तक सीमित है, और यह पूरी तरह से अलग कार्य है।

तकनीकी पक्ष

तकनीकी पक्ष से, जिसे आप संभवतः इस विषय पर स्पर्श किए बिना नहीं कर सकते हैं, इस प्रणाली को सिद्धांत के अनुसार भी बनाया गया है - और अधिक करने के लिए, लेकिन जितना संभव हो सब कुछ सरल करें।

अतिरिक्त मॉड्यूल और विशिष्ट असेंबली प्रोजेक्ट के सेट के रूप में jsBeans क्लाइंट-सर्वर फ्रेमवर्क के शीर्ष पर डेटा प्रोसेसिंग सिस्टम लागू किया गया है। jsBeans, बदले में, जावा में कार्यान्वित किया जाता है, एक एप्लिकेशन सर्वर के रूप में काम करता है, राइनो, जेट्टी और अक्का का एक समूह है, और इसमें हमारी टीम द्वारा विकसित क्लाइंट-सर्वर बीन तकनीक भी शामिल है, और कई वर्षों के सफल अनुप्रयोग से अधिक घटकों का एक समृद्ध पुस्तकालय है।

रुबिक का क्यूब कई js-bins (* .jsb फ़ाइलों) के रूप में जावास्क्रिप्ट में पूरी तरह से लागू होता है, जिनमें से कुछ केवल सर्वर पर काम करते हैं। अन्य भाग क्लाइंट पर है, और बाकी एक घटक घटक हैं, एक वितरित पूरे के रूप में कार्य करते हैं, जिनमें से हिस्से एक दूसरे के साथ बातचीत करते हैं, डेवलपर के लिए पारदर्शी, लेकिन उसके नियंत्रण में। Js-bins में अलग-अलग जीवन रणनीतियां हो सकती हैं, उदाहरण के लिए, उपयोगकर्ता सत्र के साथ या इसके बिना, और भी बहुत कुछ। बीन isomorphic है, यह क्लाइंट और सर्वर दोनों को एक नियमित वर्ग के आभासी उदाहरण के रूप में इसके साथ काम करने की अनुमति देता है। बिन को एक एकल फ़ाइल द्वारा वर्णित किया गया है और इसमें तीन खंड शामिल हैं - क्लाइंट के लिए फ़ील्ड्स और विधियों के लिए, सर्वर फ़ील्ड्स के लिए, साथ ही साथ सामान्य सिंक्रनाइज़ फ़ील्ड्स का एक अनुभाग।

चूंकि लेख पहले से ही क्रियात्मक हो गया है, इसलिए पाठकों को बोर नहीं करना है, यह पूरा करने के लिए आगे बढ़ने का समय है, जल्द ही विवरणों का वर्णन करने और JBBeans के कार्यान्वयन में सबसे दिलचस्प वास्तुशिल्प समाधान और इसके आधार पर हमारी परियोजनाएं - निर्मित विज़ुअलाइज़ेशन सबसिस्टम, विश्लेषणात्मक प्रक्रियाओं, विषय क्षेत्रों की भाषाविज्ञानी डिजाइनर। प्रश्न, डेटा आयात और कुछ और ...

ऐसा क्यों?

ऐसा पहले कभी नहीं हुआ, और यहाँ फिर से ...

प्रारंभ में, कुछ प्राथमिक डेटा सेट थे। विषय क्षेत्र और कार्य पूरी तरह से निर्दिष्ट थे। ऐसा प्रतीत होता है, ऐसी पीड़ा क्यों? कार्य सरल लग रहा था, हर कोई तुरंत परिणाम प्राप्त करना चाहता था - खासकर जब त्वरित समाधान सतह पर पड़ा, और सही एक को दृढ़ता और संतुलित निर्णय की आवश्यकता थी, मूल सेटअप का अवलोकन करना। हम जटिल और लंबे समाधान से सरल और त्वरित, विशेष समस्याओं को सामान्य करने के मार्ग के साथ, विपरीत दिशा में चले गए।

मुख्य शर्त यह है कि नए डैशबोर्ड को जल्दी से बनाया जाना चाहिए, भले ही नया विषय क्षेत्र और विश्लेषणात्मक आवश्यकताएं पिछले वाले से बहुत अलग हों। जाहिर है कि आप भविष्य की आवश्यकताओं का आधा भी अनुमान नहीं लगाएंगे, सिस्टम को पहली जगह पर होना चाहिए। घटक पुस्तकालय, विश्लेषणात्मक एल्गोरिदम को परिष्कृत करना, नए प्रकार के स्रोतों को जोड़ना प्रणाली के अनुकूलन का एक अभिन्न अंग है। दूसरे शब्दों में, गुच्छा ने काम किया है - विश्लेषक प्रश्नों और डैशबोर्ड का निर्माण करते हैं, और प्रोग्रामर जल्दी से उनके लिए नई जरूरतों का एहसास करते हैं। और हम, प्रोग्रामर के रूप में, शुरू में भविष्य में हमारे काम को आसान बनाने की कोशिश करते थे, प्रयोज्यता को नुकसान नहीं पहुंचाते थे।

और सिस्टम को तुरंत सार्वभौमिक और अनुकूली बनाया गया था - हमने एक "कंस्ट्रक्टर बाय कंस्ट्रक्टर" का निर्माण किया था, जो पहले एक समान, लेकिन इससे भी अधिक सामान्य उद्देश्य के साथ बनाए गए ढांचे के शीर्ष पर एक फ्रेमवर्क विकसित कर रहा था।

मॉस्को स्कूलों की रेटिंग यूनिफाइड स्टेट परीक्षा और ओलंपियाड के परिणामों के आधार पर मॉस्को सरकार के खुले डेटा के पोर्टल से उतराई से ऊपर वर्णित तरीके से निर्मित डैशबोर्ड का एक उदाहरण है।

क्यूब-रूबिक सूचना और विश्लेषणात्मक प्रणालियों के विकास के लिए एक बुनियादी मंच है। एक शाखा और jsBeans की तार्किक निरंतरता के रूप में बनाया गया है। इसमें संग्रह, प्रसंस्करण, विश्लेषण (कम्प्यूटेशनल और प्रक्रिया-उन्मुख) और विज़ुअलाइज़ेशन की समस्याओं को हल करने के लिए सभी आवश्यक मॉड्यूल शामिल हैं।

jsBeans एक आइसोमोर्फिक पूर्ण-स्टैक वेब फ्रेमवर्क है जो क्लाइंट-सर्वर जावास्क्रिप्ट बीन तकनीक को लागू करता है, जिसे एक सार्वभौमिक उपकरण के रूप में एक खुले लाइसेंस के साथ विकसित किया गया है। उपयोग के दौरान, यह खुद को अच्छी तरह से साबित कर चुका है, ज्यादातर मामलों में, आदर्श रूप से हमारे सामने कार्यों में फिट है।