image
没有声音，再好的戏也出不来
同样，没有可视化，再好的数据分析也不完美数据可视化是大数据的『最后一公里』
简介
- Superset的Airbnb开源的数据可视化工具，目前属于Apache孵化器项目，主要用于数据分析师进行数据可视化工作
- PS，Airbnb在数据方面做的很棒，相关的博客B格也很高，他们的博客名字居然叫『Airbnb Engineering & Data Science』，可见对于数据科学的重视
-
在github上搜索数据可视化，Superset的star数已经远远超过其他可视化工具，文章的最后，我们也会对调研过的可视化工具进行若干对比
image
目前支持的图表类型
111
2222
如何搭建
- 官方项目地址
- https://github.com/apache/incubator-superset
- 不推荐直接在服务器上安装，因为依赖的包很多，一方面可能少装，其次是把环境搞乱了，很难维护后续
- 第三方Docker项目
- https://github.com/amancevice/superset
- 推荐，使用docker-compose安装，支持SQLLite/PG/MySQL方式的元数据存储
- 整个Docker包括3部分：1. 元数据 2. Redis缓存 3. Superset本身
- 以SQLLite为例，简单的安装方式如下：
mkdir /data1/superset
cd /data1/superset
git clone https://github.com/amancevice/superset.git
cd /data1/superset/superset/examples/sqlite
mkdir superset
# 这个是SQLLite的数据文件，映射到Docker内部
touch superset/superset.db
# 这一步必须要做，否则Docker可能没有读写权限
chmod 777 superset/superset.db
# 启动Redis
docker-compose up -d redis
# 启动Superset
docker-compose up -d superset
# Superset本身启动需要几十秒，需要观察下才能执行下一步
docker-compose ps
# 进行初始化，根据提示设置用户名密码
docker-compose exec superset superset-demo
- 我们考虑到元数据的安全性，就使用了自己的MySQL和Redis服务，基本思路就是使用docker-compose跑起来后，把相关的表结构dump到我们线上，再修改Superset的配置指向
问题与坑
中文的支持
-
如果你想采用MySQL作为Superset的元数据，请务必修改所MySQL表结构里的charcter，默认是latin1，连中文的Dashboard名字都不支持
- 多说一句，直接alter table modify是不可以的，需要把数据dump出来，sed修改一下，再灌入『资深DBA友情提醒』
-
ClickHouse方面
- Superset使用的是cloudflare/sqlalchemy-clickhouse驱动，默认是支持中文的，但是在Python2的Superset版本上，会出现中文无法正常解析的问题，所以，如果使用ClickHouse，请使用基于Python3版本的Superset
超时问题
- 部分数据分析的SQL，需要很久才能返回，默认的Superset是30秒超时，需要酌情修改
- 在配置文件里修改
SUPERSET_WEBSERVER_TIMEOUT = 300
CACHE_DEFAULT_TIMEOUT = 60 * 60 * 24
SQLLAB_TIMEOUT = 300
- 我们遇到最慢的可能就是几百秒，如果再慢，就建议把数据做二次提取了
默认的limit 5000条
- 在配置文件里修改
config.py:ROW_LIMIT = 1000000
时区问题
- 使用Docker启动的Superset，请务必修改Docker时区
部分画图Bug
- 老版本，地图着色异常，升级新版后解决
-
0.23.2在时间序列堆叠图中，存在Y轴移除的Bug，如图：
image -
通过如下方式可以临时解决：
image
地图渲染
- Superset的地图渲染使用『ISO 3166-1』进行映射，相关文档见：Country Map Tools
什么时候用Grafana，什么时候用Superset
- 时间序列，选Grafana
- 数据量很大，用Grafana
- 静态的日报、报表，Superset表现力很好
我们的创新
- 有如下一个场景，我们很难以解决：
- 有些数据报表，需要每天使用邮件的方式发送各个产品负责人以及相关老板
- 有人问，为啥必须发邮件，而不能走系统。
- 答：你让老板天天登陆系统来看么？未来也许可以，目前的阶段不现实。
- 邮件可以非常直观的方式，是一种非常友好的通信方式，所以邮件我们必须支持。
- 那么就引发1个问题：
- 邮件是不支持炫酷的HTML页面的（复杂的CSS样式支持），所以，想要偷懒嵌入一个页面发过去，不可以~
- 业务繁多，有的希望有饼图，有的希望有时间序列图，有的希望有时间序列堆叠图，这些各式各样的需求很难高效满足
- 于是乎，我们相出了如下方案：
- 暂时不开发专门的数据图表系统（其实是有一个的，但是有一些缺陷，而且用户很少主动来门户系统查看数据，都依赖邮件）
- 邮件发送一个HTML页面嵌入的截图
- 关键在这个截图的生成上，答案就是，数据分析师使用Superset对各种业务配置Dashboard，后台使用Python定期截图，嵌入到HTML页面，这样，就可以发送一封样式美观大方的数据汇总邮件了
- 遇到几个问题：
- 发送时要强制刷新，可能会遇到查询超时问题，上面已经说了，如何解决
- 截图可能会失败：增加重试机制，目前稳定性可以达到4个9
- Windows的邮件客户端，对长图支持有限制，会导致图片变形
- 好在大多数老板都Mac系统，忽略
- 你配置Dashboard别搞那么长不就行了~
不足之处
- 权限管理
- 对于数据这种敏感的东西，实际使用过程中，肯定是各自看各自的数据，你并不希望别人看到你的数据
- 目前的权限设置比较混乱，官方提供了一个复杂的权限控制，但是并不好用
- 想快速复制一个图表？难，从SQL层面再走一遍吧
其他选项
-
metabase
- https://github.com/metabase/metabase
-
目前不支持ClickHouse
image
-
Redash
- https://github.com/getredash/redash
- 支持ClickHouse
- 美观程度相比Superset不够精美
- 支持简单的报警规则
- 可以把Dashboard分享出去
-
支持的图表类型有限
image
-
Zeppelin
- https://github.com/apache/zeppelin
- 来自Apache项目
- 支持ClickHouse
- 炫酷程度2颗星
-
Zeppelin更像是一个notebook，而不是一个单纯的BI工具
image
-
SQLPad
-
Franchise
-
https://github.com/HVF/franchise
68747470733a2f2f6672616e63686973652e636c6f75642f696d616765732f6c616e64696e672d6769662e676966
-
https://github.com/HVF/franchise
- CBoard
- https://github.com/yzhang921/CBoard
- 国人开发的一款可视化工具
- 交互设计的不错，但是实际用起来感觉很奇怪
-
Java系
image
- Davinci
- 宜信开发的达芬奇，也是Java系
- 功能还是比较全面的，只是在国内还没有大范围的使用
-
https://github.com/edp963/davinci
image
-
商业：
- FineBI
- 国内做的一流的BI工具，我们也接触过，很炫酷，也比较实用，目前不支持ClickHouse
- Tableau
- 多少商业课程都是在教这个，不过互联网讲究的是免费，怎么会用『😂』
- FineBI
-
其他可视化资源：
最后
- 目前superset迭代进度很快，建议定期跟进更新
- 部分版本存在无法平滑更新的问题，比如最新的0.25.2版本，元数据增加了很多表，部分表的字段也做了调整，很难100%平滑升级
