Superset 数据分析平台搭建及使用 2

Superset 数据分析平台使用

一、实验介绍

1.1 实验内容

Superset 是 Airbnb 开源的数据分析与可视化平台，同时也是由 Python 语言构建的轻量级 BI 系统。Superset 可实现对 TB 量级数据进行处理，兼容常见的数十种关系或非关系型数据库，并在内部实现 SQL 编辑查询等操作。除此之外，基于 Web 服务的 Superset 可实现多用户协使用，并可针对不同角色进行权限管理。Superset 如今已归属于 Apache 孵化项目，并被 Yahoo，豆瓣等国内外知名公司使用。

1.2 实验知识点

• Superset 平台使用

1.3 实验环境

• python2.7
• Xfce 终端

1.4 适合人群

本课程难度为一般，属于初级级别课程，适合具有 Python 基础，并对数据分析与可视化感兴趣的用户。

二、Superset 简明教程

2.1 Dashboards 看板

当我们登陆 Superset 之后，默认呈现的是看板界面。看板是许多 BI 类工具的必要元素之一，它的作用是将不同类型的图表平铺集中呈现，这些图表甚至可以由不同数据表绘制而来。看板所达到的效果也是显而易见的。

Superset 提供默认提供了 3 个示例看板，分别是：Misc Charts、Birth、World’s Bank Data。我们可以通过下面的动图看到，它集中显示了世界人口变化的一些数据图表。其中包含地图样式、饼状图、散点图、柱状图、词图等。

看板中的图表并不是静态的，它可以实随着数据库的变化时刷新。你可以随意组合、拖动、拼接不同类型的图表。图表是动态可交互。例如图中所示，当我们在 World’s Bank Data 看板中选择特定地区时，看板中的所有图表都会刷新到选定地区的数据。

2.2 Slice 切片

上面，我们介绍了看板，而看板中的图表均是通过 Slice 切片工具绘制。你可以通过顶部菜单栏进入到切片。

切片，实际上就是抽取整个数据库中的特定一块数据，然后针对这块数据进行绘图的过程。通过对数据库切片，我们就可以用不同类型的图表绘制不同维度的数据，从而达到对整个数据集的透视效果。

你可以通过左上角的 + 号新建一个切片。进入之后，需要选取数据表、选取绘制的图类型。界面的下方，是针对数据的一些选项。通过不同的筛选条件，将需求绘制出来。

Superset 目前支持绘制 30 多种不同类型的图表，它们如下图所示。其中，Sankey，Chord Diagram，Word Cloud 等样式的图表都非常不错。

2.2 Sources 数据源

Slice 切片中使用到的数据由 Superset 数据源提供。Superset 数据源实际上就是连接本地数据库。

Superset 安装完成之后，就可以直接连接 SQLite 数据库。但同时也支持连接常见的数据库类型，不过需要安装依赖。相关数据库安装命令如下：

# MySQL 数据库pip install mysqlclient# Postgres 数据库pip install psycopg2# Presto 数据库pip install pyhive# Oracle 数据库pip install cx_Oracle# Redshift 数据库pip install sqlalchemy-redshift# MSSQL 数据库pip install pymssql# Impala 数据库pip install impyla# SparkSQL 数据库pip install pyhive# Greenplum 数据库pip install psycopg2# Athena 数据库pip install "PyAthenaJDBC>1.0.9"# Vertica 数据库pip install sqlalchemy-vertica-python# ClickHouse 数据库pip install sqlalchemy-clickhouse

Superset 使用了 SQLAlchemy，使得连接数据库变得非常简单。SQLAlchemy 是 Python 语言下的一款开源软件，它提供了 SQL 工具包及对象关系映射工具。

下面，我们就尝试连接一个数据库，首先你可以先通过下面命令下载 SQLite 数据库文件。示例数据来源于 清华大学开放中文词库。

wget http://labfile.oss.aliyuncs.com/courses/919/THUOCL_IT.sqlite

然后，我们点击顶部数据库菜单，然后通过 + 新建连接。

需要填写数据库名称，然后重点是 SQLAlchemy URI。这里是 SQLite 数据库，在 Linux 下它的链接如下：

sqlite:////home/shiyanlou/THUOCL_IT.sqlite

链接以 sqlite:// 开头，后面是数据文件的绝对路径 //home/shiyanlou/THUOCL_IT.sqlite。

不同类型数据库的 SQLAlchemy URI 开头部分不一致，具体如下：

# MySQL 数据库mysql://# Postgres 数据库postgresql+psycopg2://# Presto 数据库presto://# Oracle 数据库oracle://# sqlite 数据库sqlite://# Redshift 数据库postgresql+psycopg2://# MSSQL 数据库mssql://# Impala 数据库impala://# SparkSQL 数据库jdbc+hive://# Greenplum 数据库postgresql+psycopg2://# Athena 数据库awsathena+jdbc://# Vertica 数据库vertica+vertica_python://# ClickHouse 数据库clickhouse://

如果你在实际操作中仍然有疑问，可以参考SQLAlchemy URI 官方说明。

填写完 SQLAlchemy URI 之后，可以点击 Test Connection 测试连接是否正确。如果成功链接，页面下方会显示出该数据库对应的表。页面下方的选项，推荐Expose in SQL Lab 和Allow Run Sync 打√，其余默认即可。

2.4 SQL 工具箱

Superset 顶部的最后一个菜单为 SQL 工具箱，它提供了针对数据库的 SQL 查询功能。

三、实验总结

Superset 适合与个人或中小企业内部使用的 BI 工具。相比于成熟的商业软件，它开源免费，可以自己根据需求进一步 DIY。基于 Web 的形式非常方便，还可以多用户协同使用。

当然，Superset 也有一些缺点。多标之间的联动操作、过滤条件都比较薄弱，更新迭代慢，这些这都不及商业软件。