概要
Apache Superset は、あらゆるスキルレベルのユーザーがデータを探索し、可視化できるよう設計された、現代的でエンタープライズ対応のビジネスインテリジェンスおよびデータ探索プラットフォームです。Airbnb で開発され、現在は Apache Software Foundation のインキュベータープロジェクトとなっている Superset は、高度な SQL の知識やプログラミングのスキルを必要とせず、ダッシュボード、チャート、データ分析アプリケーションを構築できる豊かで直感的なインターフェースを提供します。
Superset の中核は、事実上あらゆる SQL 対応のデータベースやデータウェアハウスに接続できる、強力なセマンティックレイヤーの上に構築されています。PostgreSQL、MySQL、SQLite、Oracle、Microsoft SQL Server、Amazon Redshift、Google BigQuery、Snowflake、Apache Drill、Apache Druid、Apache Hive、Presto、ClickHouse など、さらに多くのデータベースを SQLAlchemy のコネクターを通じてサポートします。この汎用的な接続性により、組織は単一のインターフェースで、異種のデータソースをまたいだ分析を統合できます。
このプラットフォームには、40 種類以上の定義済みチャートを備えた広範な可視化ライブラリがあります。時系列チャート、棒グラフ、円グラフ、地理マップ、ヒートマップ、ピボットテーブル、さらに Sankey 図や sunburst チャートなどの高度な可視化が含まれます。各可視化タイプは直感的な UI で細かくカスタマイズでき、アナリストはコードを書かずに、特定のビジネス要件に合わせてプレゼンテーションを調整できます。
Superset の SQL Lab は、クエリ履歴、保存済みクエリ、クエリのスケジュール、複数のタブ、統合されたデータプレビューなどを備えた、データ探索のための強力な IDE を提供します。クエリでの Jinja テンプレートのサポートにより、ダッシュボードのフィルターに基づいた動的な SQL の生成が可能になり、インタラクティブな分析の体験を生み出します。クエリの結果は、さらなる分析や共有のために CSV にエクスポートできます。
VPS でのホスティング環境において、Superset は Tableau、Looker、Power BI などの商用 BI プラットフォームに対するセルフホスト型の代替手段となり、ユーザー単位のライセンス費用やベンダーへのロックインなしに、同等の機能を提供します。このプラットフォームのアーキテクチャはロードバランシングによる水平スケーリングに対応し、数千人の同時ユーザーと数百万行のデータを扱うエンタープライズ規模のワークロードも処理できます。
セキュリティとガバナンスの機能には、ロールベースのアクセス制御 (RBAC)、データセット単位および行単位のセキュリティ、OAuth プロバイダー (Google、GitHub、Okta) との統合、LDAP 認証、包括的な監査ログが含まれます。マルチテナントのサポートにより、単一の Superset のインストール内で、部門や顧客ごとに分離されたワークスペースを利用できます。
堅牢なプラグインアーキテクチャによる拡張性により、開発者はカスタムの可視化、データベースコネクター、ダッシュボードのコンポーネントを作成できます。コミュニティが成長してプラグインや拡張機能を提供し続けることで、Superset の機能と連携エコシステムは継続的に広がっています。
主要な特徴
汎用的なデータベース接続
SQLAlchemy を通じて 40 以上のデータベースをネイティブにサポートします。PostgreSQL、MySQL、BigQuery、Snowflake、Redshift、Druid、ClickHouse、Presto などを含み、統合された分析を実現します。
豊かな可視化ライブラリ
時系列チャート、地理空間マップ、ピボットテーブル、Sankey 図など、40 種類以上の定義済みチャートを提供します。広範なカスタマイズオプションを備えた高度な可視化も利用できます。
SQL Lab IDE
クエリ履歴、保存済みクエリ、マルチタブのインターフェース、Jinja テンプレート、クエリのスケジュール、データ探索のための統合されたデータプレビューを備えた、強力な SQL エディターです。
エンタープライズのセキュリティとガバナンス
ロールベースのアクセス制御、行単位のセキュリティ、データセットの権限、OAuth/LDAP 統合、包括的な監査ログ、マルチテナントのサポートを備えています。
インタラクティブなダッシュボード
ドラッグアンドドロップのダッシュボードビルダーにより、相互フィルタリング、ドリルダウン機能、レスポンシブなレイアウト、動的な分析のためのリアルタイムのデータ更新を実現します。
拡張可能なアーキテクチャ
ロードバランシング、キャッシュ層 (Redis)、非同期のクエリ実行 (Celery)、エンタープライズ規模の同時ユーザー数に対応する、水平スケーラブルな設計です。
ユースケース
- ビジネスインテリジェンスのダッシュボード: データに基づく意思決定のために、経営層向けダッシュボード、KPI の監視、売上分析、運用レポートを作成します
- データ探索と分析: エンジニアのサポートなしに、アナリストがデータセットを探索し、アドホッククエリを作成して可視化できるようにします
- 顧客分析ポータル: SaaS アプリケーションに組み込み型の分析機能を構築し、顧客に利用状況、パフォーマンス、傾向に関するインサイトを提供します
- リアルタイム監視: 自動更新されるダッシュボードで、アプリケーションのメトリクス、システムのパフォーマンス、IoT センサーのデータ、ビジネスイベントを監視します
- セルフサービス BI プラットフォーム: 部門を越えたビジネスユーザーが、管理されたデータセットから自分のレポートや可視化を作成できるようにします
- マルチテナントの分析: 行単位のセキュリティにより、異なる顧客、部門、事業単位に分離された分析環境を提供します
インストールガイド
Python の仮想環境で pip を使い、Ubuntu VPS に Apache Superset をインストールします。Superset のメタデータ保存用に専用のデータベース (PostgreSQL を推奨) を作成してください。キャッシュと非同期クエリのサポートのために Redis をインストールします。
python3 -m venv venv で仮想環境を作成して有効化し、pip install apache-superset で superset パッケージをインストールします。superset db upgrade でデータベースを初期化し、superset fab create-admin で管理者ユーザーを作成します。
サンプルデータを読み込み、superset init コマンドで Superset を初期化します。SECRET_KEY、データベース接続文字列、Redis のキャッシュ設定を含めて superset_config.py を構成します。大規模なデータセットに対する非同期のクエリ実行のために、Celery ワーカーを設定します。
本番環境へのデプロイのため、Web サーバー (Gunicorn) とリバースプロキシ (Nginx) を構成します。Let's Encrypt の証明書で HTTPS を有効にします。自動起動と監視のために、Superset の Web サーバーと Celery ワーカー用の systemd サービスを設定します。
高可用性のデプロイでは、ロードバランサーの背後で複数の Superset Web サーバーインスタンスを実行し、共有のメタデータデータベースと Redis キャッシュを構成して、クエリ実行用に別個の Celery ワーカープールをデプロイします。パフォーマンスを監視し、クエリの負荷に応じてワーカーをスケールしてください。
設定のヒント
Superset の構成は、PYTHONPATH 上の superset_config.py ファイルで管理されます。セッションの暗号化のための SECRET_KEY (openssl rand -base64 42 で生成)、メタデータ保存のための SQLALCHEMY_DATABASE_URI、Redis キャッシュのための CACHE_CONFIG を設定します。
データベース接続は UI または superset set_database_uri コマンドで設定します。ユーザーのロールに基づいてデータセットに適用される SQL フィルターを定義し、行単位のセキュリティ (RLS) を構成します。外部への共有のために、PUBLIC_ROLE_LIKE = "Gamma" を設定して公開ダッシュボードを有効にします。
AUTH_TYPE (DATABASE、OAUTH、LDAP、REMOTE_USER のいずれか) と、対応する AUTH_CONFIG の設定を構成して認証をカスタマイズします。シングルサインオン (SSO) のために、OAuth プロバイダー (Google、GitHub、Okta) や企業の LDAP/Active Directory と統合します。
ベストプラクティスとして、CSRF 保護を有効にし、埋め込みダッシュボード向けに CORS を構成し、長時間実行されるクエリを防ぐためにクエリのタイムアウトを設定します。また、リソース管理のためにクエリのコスト見積もりを有効にし、スケジュールされたレポートのメール通知を構成し、メタデータデータベースのバックアップ戦略を実装してください。機密性の高い認証情報は、構成ファイルにハードコードせず、環境変数を使用します。