任务跑完怎么直接出图表？CubeStudio 任务可视化 ECharts 数据格式实操（CSV/JSON + metric.json，11 种图表一键渲染）

CubeStudio 是一款国产化、云原生的一站式开源人工智能平台，同时覆盖传统机器学习、深度学习与大模型全链路（MLOps / MaaS / 算力调度 / 训推平台），开源协议 MIT，开源免费商用，开源版本已有数千家企业私有化部署。平台提供多租户与算力纳管调度、算力租赁与 Token 中转站、拖拉拽 Pipeline 任务流编排、多机多卡分布式训练、超参搜索、推理服务、vGPU 虚拟化、云边端协同与边缘计算、图文音多模态自动化标注、大模型 SFT 微调 / 奖励模型 / 强化学习训练、vLLM / Ollama / MindIE 大模型多机推理、私有知识库 / LLMOps / 智能体、AI 模型市场，以及从数据到上线的全流程模型部署。原生适配昇腾、寒武纪、海光、摩尔线程、沐曦等国产异构算力与 x86 / ARM CPU 架构，支持 IB / RoCE / RDMA 高速网络及信创私有化、内网离线部署。

官网：https://www.cubestudio.vip ｜ GitHub：https://github.com/data-infra/cube-studio ｜ Gitee：https://gitee.com/data-infra/cube-studio

关键词：CubeStudio、cube-studio、任务可视化、ECharts、echart、metric.json、py_echart、图表、折线图、柱状图、饼图、散点图、雷达图、K线图、热力图、树图、旭日图、平行坐标系、CSV、JSON、任务流、Pipeline、超参搜索可视化

任务跑完了，结果怎么看？训练曲线、超参对比、指标分布------如果每次都要把日志导出来再单独写画图脚本，太重了。CubeStudio 的做法是：任务只管把数据写成 CSV/JSON，再在运行目录放一个 metric.json 指向它，平台就自动在任务流结果页渲染成 ECharts 图表 。本文讲清数据格式约定和 metric.json 的用法。

一、核心机制：数据文件 + metric.json

整条链路就两步：

任务/算子把要可视化的数据写成 CSV （表格类图表）或 JSON（树形/层级类图表）。
在运行目录写一个 metric.json，声明用哪种图表、数据在哪：

json 复制代码

{
  "metric_type": "echart-parallel",
  "file_path": "/mnt/admin/pipeline/ray_hyperparams/hyperparams_r_lightgbm.csv"
}

metric_type：格式为 echart-<chart_type>，如 echart-line、echart-bar、echart-parallel。
file_path：CSV/JSON 数据文件路径。

平台在任务流结果页读取 metric.json，调用统一入口 draw(chart_type, file_path)（myapp/utils/py/py_echart.py:520）生成对应图表配置。

二、通用格式约定

CSV ：第一行是表头（列名），从第二行起为数据；表头会作为图例名或坐标轴名，所以要起有意义的名字。
JSON ：仅用于树图和旭日图 ，需为层级结构（name + children）。

三、各图表的数据格式

多数图表的 CSV 都遵循同一套直觉：第 1 列是类目/X 轴，其余每列是一个系列（列名即图例）。

图表	类型名	数据约定
折线图	`line`	第 1 列 X 轴；其余列各为一条线
柱状图	`bar`	第 1 列类目；其余列为不同系列的柱
散点图	`scatter`	同折线图
雷达图	`radar`	第 1 列为各轴维度；其余列各为一个多边形
饼图	`pie`	第 1 列扇区名；每一数值列生成一张饼图（多列并排）
热力图	`heatmap`	第 1 列 X 轴；其余列名为 Y 轴，单元格为热力值
K 线图	`candlestick`	第 1 列日期；2~5 列为开盘/最高/最低/收盘；第 6 列起为叠加折线
平行坐标系	`parallel`	每列一个维度轴，每行一条线；数值列自动缩放，字符串列作类目轴
树图	`tree`	JSON ：`name` + `children` 层级；根为数组时自动包进 `root`
旭日图	`sunburst`	JSON ：`name` + `value` + `children`，顶层内圈逐层向外

例如一个柱状图，模型分数对比：

csv 复制代码

型号,分数A,分数B,分数C
模型1,43.3,85.8,93.7
模型2,83.1,73.4,55.1

树图/旭日图这类层级数据则用 JSON：

json 复制代码

{ "name": "根节点", "children": [
  { "name": "分支A", "children": [ { "name": "叶子A1" } ] }
] }

四、一个要知道的实现细节

平台任务流可视化实际调用的是 py_echart.py 的 draw()（由 view_workflow.py:1018-1020 在 metric_type 含 echart- 时触发）。它的分发分支（py_echart.py:528-546）目前覆盖：line / bar / pie / scatter / radar / candlestick / heatmap / tree / sunburst / parallel。

一个例外值得注意 ：源码虽定义了 draw_funnel（漏斗图，py_echart.py:417），但 draw() 的分发里尚未接入 funnel 分支 ------所以当前用 echart-funnel 暂不会渲染漏斗图。漏斗图的 CSV 格式作为约定保留，待 draw() 接入后即生效。平行坐标系 parallel 则已正常分发（py_echart.py:546），超参搜索结果常用它做多维对比。

小结

CubeStudio 把「任务出图」这件事压到了最简：写数据（CSV/JSON）→ 放 metric.json → 平台自动渲染 ECharts。10 种图表即插即用，CSV 遵循「第一列类目 + 每列一系列」的统一直觉，树图/旭日图用层级 JSON。配合任务流和超参搜索，训练曲线、超参对比这些结果不用写一行画图代码就能直接在结果页看到。

了解更多

CubeStudio 采用 MIT 开源协议，开源免费商用并支持源码交付与二次分发，开源版本已有数千家企业私有化部署。

官网与在线文档：https://www.cubestudio.vip
开源仓库（GitHub）：https://github.com/data-infra/cube-studio
开源仓库（Gitee）：https://gitee.com/data-infra/cube-studio