不是说学一门语言学的不仅仅是他的语法，更重要的是他背后的思想么？R本身是个大杂烩，ggplot可以单独拎出来作为一门语言学，shiny其实也可以单独拎出来学一番。
只是简单的实现一个shiny app确实不难，就像官网上一进去看到的那个例子那样。基本上如果只是做一些比较简单的可控的dashboard，shiny的代码无非就是写的细致一点，谈不上什么架构之类的。
直到某一天...你发现这东西还可以玩的更深，然后就毅然跳入了下一个大坑——shiny reactivity。官网的开场白很直接：
It’s easy to build interactive applications with Shiny, but to get the most out of it, you’ll need to understand the reactive programming model used by Shiny.
然后就介绍三剑客：reactive sources, reactive conductors, and reactive endpoints。
最简单的情况：没有conductor，直接从source到endpoint。
继续拷贝官网图：
嗯，听起来不难...其实大部分情况下shiny app处理的都是这样的情况。基本上就是一个输入（input）和输出（output）的过程。最简单的，就是我们经常在shiny app里面需要处理的input对象，会读入各种用户操作带来的值，然后后面返回一个表格或者图或者文字什么的。回到官网的例子（继续拷贝官网图）
shinyServer(function(input, output) {
output$distPlot <- renderPlot({
hist(rnorm(input$obs))
})
})
大概就是这么一个简单的架构。在这种架构下，自然可以写很多if else之类的在server.R中加入各种各样输入输出的组合，然后在ui.R中排列一下输入的各种框框和输出的各种图标文字什么的。
考虑conductors的情况
shiny用的稍稍熟悉了，就开始想更多的控制这个东西。其实conductor说白了有点中间变量的感觉，就是他本身并不会最终显示出来，但是作为一个中间过程存在着。比如官网一个计算Fibonacci 序列的例子：
fib <- function(n) ifelse(n<3, 1, fib(n-1)+fib(n-2))
shinyServer(function(input, output) {
currentFib <- reactive({ fib(as.numeric(input$n)) })
output$nthValue <- renderText({ currentFib() })
output$nthValueInv <- renderText({ 1 / currentFib() })
})
这里无非就是多了一个新的对象currentFib（跟input和output都无关），暂时的存储了一下计算过程中的变量，然后基于这个东西，又衍生了两个最终显示出来的返回值。新的架构图就多了一个conductor这样。
再复杂一点：考虑Reactive expressions
按照官网的说法，这个东西包括：
- accessing a database
- reading data from a file
- downloading data over the network
- performing an expensive computation
基本就是从其他的数据源而不是用户的input那里读数据的情况。常见的场景比如，按照用户给定的一些条件(由input传入），返回一个符合条件的数据子集。如果数据全集是会不断更新的（比如每次都应该重新load("xxx.rdata")这样），那么这个这句话就必须写在reactive里面。同理，如果直接利用input生成一句SQL然后连接数据库读取数据，那么也要写在reactive里面。
再复杂一点：自动还是手动更新
shiny默认的情况下，如果没有放submit按钮，那么就是随便一个操作就trigger整个reactive的流程。比如官网首页上，我们拖拖鼠标那个直方图就跟着变化。如果不想让他直接变化，那么简单的可以放一个submit按钮，然后只有submit之后才会变化。
如果希望更好的控制一个app界面上各个部分呢？就要动用更高级一点的actionButton。
这东西还要配合一个isolate()，就是你要告诉shiny哪些东西跟着这个button变化，哪些不属于这个button的控制范围。比如官网的例子：
shinyServer(function(input, output) {
output$distPlot <- renderPlot({
# Take a dependency on input$goButton
input$goButton
# Use isolate() to avoid dependency on input$obs
dist <- isolate(rnorm(input$obs))
hist(dist)
})
})
这里只有goButton被点击的时候，才会执行下面的抽随机数并画图。actionButton是随着每次点击而不断增加计数的，从0开始一直增加过去，所以可以在server.R里面利用这个button的返回值来进行流程控制。
篇外废话：
shiny有希望成长成一个可以替代php这样实现客户端和服务器端大部分交互请求的巨人么？从这点来看，Tableau还是限制太多了。
