本文来自于https://aosmith.rbind.io/2020/07/09/ggplot2-override-aes/，记录翻译学习
对于运行时间比较长的任务，最佳的反馈形式是进度条(progress bar)。不仅提示你运行到哪一步，还帮助你估算需要运行多长时间。本文主要介绍两种方法：Shiny内置的以及包 waiter。不幸的是这些方法都有一个致命的缺点：如果你想使用progress bar，你需要将一个大任务分解成多个小任务，而且每个小任务的运行时间的大致相同，这就很困难了。
为了使Shinyapp的可用性得到提高，我们需要给用户提供反馈，比如用户输入时消息提醒，运行操作时间过长时提供进度显示等。Shiny自身就提供了多种用户反馈机制，还有一些十分优秀的扩展包也提供了一些方法。
在R里面我们一般将数据保存为txt，cvs或者Excel格式，这有利于我们在电脑中打开浏览这些文件，但是这些保存格式无法将数据结构嵌入进去，比如数据列类型（数值型，字符型或者因子型），为了解决这些问题，我们可以将数据保存为R数据格式
app与用户之间的数据交换是非常常见的，我们需要上传数据用以分析，下载结果报告等数据。
案例实战 前面已经学习Shiny基本知识，为了融会贯通理解学习的各种概念，这样将以一个实际案例进行实战。先准备需要的包：
简介 前面主要学习的是用户前段UI，现在开始将学习服务端，这是用户不可见的Shiny部分，Shiny服务端利用的是响应式编程(Reactive Programming)，这是一种优美的、强大的编程范式，但是也是容易让人迷惑的。Reactive Programming的核心是指定从属关系，当输出变化时，所有与其相关的输出将自动变化。这使得Shiny App变得流畅。