start_here/about_git_r.md

用Git+R实现项目管理和自动化

Git 和 R是什么

• Git是一个版本控制系统，也可以看作一个带版本控制功能的文件数据库。目前主要用于软件开发的代码管理和团队协作。
• R是一种编程语言，因强大的统计分析功能及大数据领域的卓越表现，正在或者已经成为超越Matlab和SAS的数据科学领域的主流语言。

Git为什么要和R结合

• 越来越多的科研人员使用Git管理科研项目，而科研项目的核心是数据，是数据分析，是数据的可视化，是数据的发布与共享，这些都是通过R实现的。因此Git+R是十分自然的组合。
• R不仅是统计分析的专家，还是一个功能强大的编程语言。Git提供了一个项目寄宿的空间，R则可以接管项目中的所有其他任务，实现项目的自动化。

为什么要用GitR？

• 安全存储：办公室、实验室、家里、旅途中，随时随地工作。即使电脑崩溃，项目数据可完全修复，不会丢失。
• 版本管理：自动跟踪项目变动信息，用版本追踪项目执行过程中工作流程的变动，对比文件的更改，用分支记录执行过程中思路和工作的变化。
• 团队协作：提供简单易用的团队工作环境。团队成员在同一个项目载体上工作，保证了项目的统一与协调，同时又通过分支隔离团队成员的工作，保证其相对的独立性。
• 工单系统：工单系统实现项目任务的合理分配，进展监控，结果审核与最终的集成。发现问题，随时随地讨论解决的办法。比定期的学术交流更及时，更有针对性。
• wiki系统：使用wiki系统对项目的目标、思路、方法、路线、数据、结果等进行详细的描述，让潜在的协作者清楚的了解你的项目，有利于为社区同行作出贡献。
• 项目网站：每个项目对应一个项目网站，展示项目的成果、数据、图表，加强宣传的效果。对于公益性监测站项目，可作为监测数据的发布窗口。
• 符合多数人的习惯：git的存储介质是文件，以文件夹形式组织，符合大多数人的工作习惯，本地仓库以隐含文件的形式存在，正常显示模式下根本看不出有什么不同。
• 可扩展性：与关系数据库相比，文件的数据结构更加灵活，能够适应多样的试验类型。一般试验的数据量很小，用文件存取速度更快。现在的模型软件也都以文件作为输入，因此也利于建模。
• 数据采集自动化：Git可用于实现数据采集自动化，相比于webAPI数据接口，Git文件更加灵活，也更容易实现。尤其是网络不稳定的情况下，不需要考虑数据的暂存和延迟提交问题。一般的数据分析仪器都以文件存储数据，只要将目标存储地址设为项目的数据文件夹，就一切OK：数据整理->数据分析->绘制图表->试验报告->网站发布，几秒钟之内即可完成。
• 数据分析自动化：对于两年、三年甚至多年的重复实验，每年的数据处理方法相同，对于观测类项目，数据格式固定，处理方法也固定，处理程序可重复使用，Git+R可实现数据自动处理，一次开发，多次使用。这个外国人叫reproductive research。有了数据，分析工作就已经完成了 。这样可以防止数据积压，来不及处理的情况，并根据结果及时调整试验方案。
• 试验报告自动化：对于两年、三年甚至多年的重复实验，每年的数据处理方法相同，对于观测类项目，数据格式固定，处理方法也固定，处理程序可重复使用，GitR可实现数据自动处理，一次开发设计，多次使用。有了数据，分析工作就已经完成了 。这样可以防止数据积压，来不及处理的情况，并根据结果及时调整试验方案。
• 撰写文章半自动化：根据期刊的格式要求制作文章模板。这个需要LaTeX基础，由专人定制，一般人只要关心数据、分析方法就行了。这样可以减少因格式问题带来的麻烦。我们只要编辑简单的文本，word、pdf、LaTeX，随你要啥，一键生成。不同期刊任意切换。
• 半自动化的意思是，文档结构，格式，表格、图表、参考文献等基本素材自动生成，而思想、逻辑、结构、句法、修辞、文字，还得靠自己。

GitR怎么实现？

• 系统组成：一个项目托管系统，寄宿项目的主仓库。多个终端，存储个人仓库。主仓库用于项目文件的克隆，工单分发，个人仓库提交合并，交流讨论。终端可以是个人电脑、手机，也可以是观测站、样品分析仪器、传感器，这些仪器一般都会带有一台电脑，或者aduino、raspberry之类的超微电脑，用于数据录入，数据采集和预处理。
• 需要的软件：服务器端如何实现不需要普通用户关心；客户端不管是电脑还是数据采集设备，都需要一个git客户端软件；用于数据分析的电脑需要安装R和相关的函数包，如dplyr、ggplot2、rmarkdown等；推荐使用rstudio编辑和管理。
• 如果嫌安装配置麻烦，如rstudio对中文不太友好，可以使用服务器版，所有安装配置问题不用操心，拥有一个账号就行了，而且非常好用。换句话说，最极端的情况下，你只要有一个账号就一切OK，当然，你得有一台能联网的电脑。
• 对于一个几十人的组织而言，理想的配置是这样的。一台中高性能的服务器，可以自备，最好是租赁，如阿里云、华为云都行，他们会提供一个外部出口，价格一万元左右的就够用了。自备一个高性能服务器，安装rstudio server等相关软件，作为组织成员的工作空间。所谓高性能的服务器，其实只要一个好一点的台式机就可以了。
• 如果需要较大规模的计算，如土壤气象作物模拟，数据挖掘，可以利用本单位的个人计算机，共享部分闲置计算能力，建立集群（其实一般用不着）。要实现GitR项目管理和自动化，用docker建立swarm就可以了。这对每个成员的工作几乎没有影响，但却用这些旧计算机建立了一个强大的共同工作空间。我用两台微型计算机建立了一个最小的swarm集群，实现了负载均衡，实验证明这种共享模式是可行的。
• GitR系统的实际建筑过程还是要费些周章的，具体的理论、方法、技巧三言两语也说不清楚。科研人员也不一定要搞清楚，否则就违背了GitR的初衷了。GitR的目标是让专业人员的精力集中到专业中去。当然，一个宏观大致的了解还是必须的，知其然也知其所以然，便于更好地应用。我会有个通俗的教程帮助大家对此有个概念性的了解。

GitR实例：盆栽试验数据自动采集与分析项目

• 继承“看苗施肥”的旧思路，坚定给作物“号脉”的大理想，实现“刷脸”替代”测土"的小目标，做了一些预备的试验。利用Git+R做项目管理和自动化，项目托管在http://git.boogoo.com.cn上。
• 用rstudio进行项目管理和数据处理工作，结束之前，提交推送一次。到办公室之后，同样的工作环境，拉去最新内容。下班前推送一次，回家继续。换个工作空间，pull和push一次就行了。
• 数据采集部分用raspberry-zero小电脑作为主控，连接摄像头和小米miFlora，采集图像、气温、湿度、光照和土壤电导率，设置采样间隔为5分钟。
• 我把这个zero小电脑和摄像头放到牙刷盒子里，方便移动还防雨。
• 小电脑在整个项目中的分工是数据采集，预处理，包括数据存储管理，图像特征值提取等前期工作，用Python和go语言实现。
• 一个原则是数据处理尽量前移，减少服务器的工作量，因为生产环境下服务器要处理很多项目，运算资源宝贵。
• zero小电脑有个内置的git系统，用于处理本地仓库与中心仓库的数据同步。就是说，每隔5分钟就把预处理的数据向中心仓库推送一次。
• 为了方便移植，我把这个系统做了个image，要想复制这个做法，花160块钱整个小电脑，再加个退役的手机卡就跑起来了。给它起个好听的名字，“智能盆栽试验装置”、或者“大数据视角下基于IoT的作物微环境数据自动采集系统"，好像也行。高大上吧，其实就是个牙刷盒子。
• 主仓库的结构这里就忽略了。我的教程中已经写完了这部分内容。其中的data文件夹用来存储原始数据。zero的数据会被推送到这里。
• 但是zero的数据并不是被设计称主仓库的组成部分，而是作为主仓库的子仓库被引用到主项目仓库。换句话说，zero是独立存在的。
• 这样设计的目的是其他项目也可以引用zero数据，从而实现数据复用。主项目引入zero数据后，对数据的使用与本项目数据没有什么不同。除了一点，zero仓库会有个设置，防止你对原始数据进行恶意篡改。
• 数据分析的部分在主项目仓库中，数据加载、数据清洗、整理的都实现了自动化，但群体纹理数据提取、特征值筛选、时空分解等都还在摸索中。
• 这几天在学习多元时间序列分析，先把土壤电导率中的“水分”挤出来，看剩下来的“肥力”是怎么变化的。在这里请求帮助。于天仁老先生认为电导率可以作为土壤肥力的综合指标，我感觉用更精细的数据也能证明这一点，甚至可以给出个更精确的定量描述。当然，我们没有忘记我们的终极目标，刷脸。
• 项目第三个重要的部分是项目网站，放在docs文件夹中，也是以子项目的形式存在。数据、图表、网站都可以随着数据的更新自动生成和发布。但我选择了手工发布，因为我目前的系统硬件配置很低(阿里云的最低配置)，5分钟一次的更新太耗费资源，我还有别的事情要它做。所以你看到的项目仪表盘上的温度不是实时的。数据分析的内容也没有，因为还没搞清楚，项目文档也没有，还没来得及写，只有数据和简单的时间序列图表。http://docs.boogoo.com.cn/hungerzs/servey/

GitR是什么

• GitR是一种项目管理的工具
• GitR是一套简化工作的方法
• GitR是大一统的世界观
• GitR是同乐共享的价值观
• GitR是群众路线的方法论
• GitR的背后基础是辩证逻辑学

GitR的哲学与文化

• GitR的哲学是主体哲学。强调独立、共享、协作。独立是共享与协作的基础。独立保证个体成为能动性的主体。共享是松散的协作形式，支撑思路的发散性、开拓性。协作是包含共享，但组织更加严密，目标更加明确，更加集中。
• 鼓励奉献：欢迎牛人分享自己观点、方法，牛人一句话，胜过十箱子书。牛人分享一段代码，我们少加十个班。
• 不排斥有偿服务：研究不容易，成果分享，收点钱不过分。项目里有些知识自己不具备，请人代劳，给点钱也应该。有偿服务作为无偿奉献的补充，便于充分利用闲置的智力资源。
• 以奉献为主：帮助别人，就是帮助自己。付出一点，会得到很多。