Dash上线子路径需设requests_pathname_prefix='/bi/'，Nginx配置proxy_pass末尾斜杠不可少；图表更新须返回新figure对象而非修改原data；多输入触发应查callback_context.triggered；用户数据须存dcc.Store，禁用全局变量。
Dash 的 dash.Dash 实例必须显式传入 requests_pathname_prefix 才能部署到子路径
本地开发时直接访问 http://localhost:8050 没问题，但上线到 Nginx 或 Apache 的子路径（比如 /bi/）时，Dash 会加载错位的 JS/CSS 资源，页面白屏或报 404。根本原因是 Dash 默认按根路径生成静态资源 URL。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 启动应用时明确设置
requests_pathname_prefix='/bi/'（末尾斜杠不能少） - Nginx 配置里用
location /bi/ { proxy_pass http://127.0.0.1:8050/; }，注意proxy_pass后的结尾斜杠——它决定是否剥离前缀 - 别依赖
get_relative_path()自动推导：它只在回调中可用，初始 HTML 加载阶段不生效
Plotly 图表更新必须走 dash.Output + dash.Input，不能直接改 fig.data
常见错误是把 Dash 当成 Jupyter：在回调里拿到 fig = px.line(...) 后，直接 fig.data[0].x = new_x，结果界面不动。Dash 不监听 Plotly 对象内部属性变化，只认整个 figure 字典的替换。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 每次更新都返回一个全新
dict或go.Figure实例，例如return px.scatter(df, x='a', y='b').to_dict() - 避免在回调里复用
px返回的 figure 对象，尤其不要缓存后反复修改.update_traces() - 大数据量时用
Figure.to_plotly_json()替代.to_dict()，减少序列化开销
dash.callback_context.triggered 是判断多输入触发源的唯一可靠方式
BI 后台常有多个下拉框、日期选择器共用一个图表回调，需要知道“这次是谁动的”。有人用 if a is not None 判断，但空字符串、0、[] 都可能被误判为“未触发”；也有人靠默认值兜底，结果默认值一变逻辑就崩。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 回调开头立刻读
ctx = dash.callback_context，检查ctx.triggered是否为空列表（首次加载时为空） - 取
ctx.triggered[0]['prop_id']，它形如"date-picker.range.value"或"country-dropdown.value"，可直接做字符串匹配 - 别依赖
dash.no_update返回来跳过更新——它只是跳过输出，仍会执行回调体，可能引发副作用
服务器端状态不能存在全局变量里，得用 dash.dcc.Store 或后端缓存
写 BI 后台时容易随手定义 global_df = pd.read_csv(...)，本地调试正常，上线后多用户并发访问，数据互相污染，图表显示错乱。Python 进程模型决定了全局变量是进程级共享的，不是用户级隔离的。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用户专属数据（如上传的 CSV、筛选后的子集）必须存在
dcc.Store组件里，通过state输入进回调 - 高频读取的公共数据（如维度字典、基础指标口径）可用
functools.lru_cache缓存，但注意缓存键要包含版本号或更新时间戳 - 绝对不要在回调外做耗时 IO（比如每次回调都
pd.read_sql），它会阻塞整个 Dash 进程
