ចែករំលែកមគ្គុទ្ទេសក៍នេះ
ទិដ្ឋភាពទូទៅ
Apache Superset ជាវេទិកា business intelligence (BI) និងការស្វែងរកទិន្នន័យដែលទំនើប និងងាយស្រួលសម្រាប់អ្នកប្រើគ្រប់កម្រិតជំនាញ ក្នុងការស្វែងរក និងបង្ហាញទិន្នន័យរបស់ពួកគេ។ ដើមឡើងនៅ Airbnb ហើយឥឡូវជាគម្រោងកម្រិតកំពូលរបស់ Apache Software Foundation, Superset ផ្តល់ចំណុចប្រទាក់ដ៏សម្បូរបែប និងងាយប្រើសម្រាប់បង្កើតផ្ទាំងគ្រប់គ្រង ក្រាហ្វ និងកម្មវិធីវិភាគទិន្នន័យ ដោយមិនត្រូវការចំណេះដឹង SQL ឬជំនាញសរសេរកម្មវិធីច្រើនទេ។
ជាមូលដ្ឋាន Superset ត្រូវបានសាងសង់លើ semantic layer ដ៏មានឥទ្ធិពល ដែលភ្ជាប់ទៅមូលដ្ឋានទិន្នន័យ ឬឃ្លាំងទិន្នន័យណាមួយដែលនិយាយ SQL។ ការគាំទ្ររួមមាន PostgreSQL, MySQL, SQLite, Oracle, Microsoft SQL Server, Amazon Redshift, Google BigQuery, Snowflake, Apache Drill, Apache Druid, Apache Hive, Presto, ClickHouse និងច្រើនទៀតតាម SQLAlchemy connectors។ ការភ្ជាប់ទូលំទូលាយនេះអនុញ្ញាតឱ្យអង្គការបញ្ចូលការវិភាគពីប្រភពទិន្នន័យផ្សេងៗគ្នា តាមរយៈចំណុចប្រទាក់តែមួយ។
វេទិកាមានបណ្ណាល័យការបង្ហាញដ៏ទូលំទូលាយ ជាមួយប្រភេទក្រាហ្វស្រាបជាង 40 រួមមាន ក្រាហ្វពេលវេលា ក្រាហ្វជួរឈរ ក្រាហ្វរង្វង់ ផែនទីភូមិសាស្ត្រ heatmaps តារាង pivot និងការបង្ហាញកម្រិតខ្ពស់ដូចជា Sankey diagrams និង sunburst charts។ ប្រភេទការបង្ហាញនីមួយៗអាចកែតម្រូវបានយ៉ាងខ្ពស់តាម UI ដែលងាយប្រើ ដែលអនុញ្ញាតឱ្យអ្នកវិភាគតម្រូវការបង្ហាញឱ្យសមនឹងតម្រូវការអាជីវកម្មជាក់លាក់ ដោយមិនចាំបាច់សរសេរកូដ។
SQL Lab របស់ Superset ផ្តល់ IDE ដ៏មានឥទ្ធិពលសម្រាប់ការស្វែងរកទិន្នន័យ ជាមួយលក្ខណៈពិសេសដូចជា ប្រវត្តិ query, query ដែលបានរក្សាទុក, ការកំណត់ពេល query, ផ្ទាំងច្រើន និងការមើលទិន្នន័យជាមុនដែលបានរួមបញ្ចូល។ ការគាំទ្រ Jinja templating ក្នុង query អនុញ្ញាតឱ្យបង្កើត SQL តាមថាមវន្តដោយផ្អែកលើតម្រងផ្ទាំងគ្រប់គ្រង ដែលបង្កើតបទពិសោធន៍វិភាគអន្តរកម្ម។ លទ្ធផល query អាចនាំចេញទៅ CSV សម្រាប់ការវិភាគ ឬចែករំលែកបន្ថែមទៀត។
សម្រាប់បរិស្ថាន VPS Superset ដើរតួជាជម្រើសដំឡើងដោយខ្លួនឯង ជំនួស BI ពាណិជ្ជកម្ម ដូចជា Tableau, Looker ឬ Power BI ដោយផ្តល់មុខងារសមមូលដោយគ្មានថ្លៃអាជ្ញាបណ្ណតាមអ្នកប្រើ ឬការជាប់ជាមួយអ្នកផ្តល់ផលិតផល។ ស្ថាបត្យកម្មវេទិកាគាំទ្រការពង្រីកផ្តេកតាម load balancing ហើយអាចដោះស្រាយបន្ទុកការងារកម្រិតសហគ្រាស ជាមួយអ្នកប្រើក្នុងពេលដំណាលគ្នារាប់ពាន់ និងទិន្នន័យរាប់លានជួរ។
លក្ខណៈសុវត្ថិភាព និងការគ្រប់គ្រងរួមមាន RBAC (ការគ្រប់គ្រងការចូលប្រើតាមតួនាទី), សុវត្ថិភាពកម្រិត dataset និងកម្រិតជួរ, ការរួមបញ្ចូលជាមួយអ្នកផ្តល់ OAuth (Google, GitHub, Okta), ការផ្ទៀងផ្ទាត់អត្តសញ្ញាណ LDAP និងការកត់ត្រាសវនកម្មទូលំទូលាយ។ ការគាំទ្រ multi-tenancy អនុញ្ញាតឱ្យមានបរិស្ថានការងារដាច់ដោយឡែកសម្រាប់នាយកដ្ឋាន ឬអតិថិជនផ្សេងៗនៅក្នុងការដំឡើង Superset តែមួយ។
ផ្នែកបន្ថែមលក្ខណៈតាមរយៈស្ថាបត្យកម្ម plugin ដ៏រឹងមាំ អនុញ្ញាតឱ្យអ្នកអភិវឌ្ឍន៍បង្កើតការបង្ហាញផ្ទាល់ខ្លួន connectors មូលដ្ឋានទិន្នន័យ និងធាតុផ្ទាំងគ្រប់គ្រង។ សហគមន៍ដែលកំពុងរីកចម្រើនរួមចំណែក plugins និងផ្នែកបន្ថែម ដែលបន្តពង្រីកសមត្ថភាព និងប្រព័ន្ធអេកូឡូស៊ីនៃការរួមបញ្ចូលរបស់ Superset។
លក្ខណៈពិសេសសំខាន់
ការភ្ជាប់មូលដ្ឋានទិន្នន័យជាសកល
ការគាំទ្រដើមសម្រាប់មូលដ្ឋានទិន្នន័យ 40+ តាម SQLAlchemy រួមមាន PostgreSQL, MySQL, BigQuery, Snowflake, Redshift, Druid, ClickHouse និង Presto សម្រាប់ការវិភាគរួបរួម។
បណ្ណាល័យការបង្ហាញដ៏សម្បូរបែប
ប្រភេទក្រាហ្វស្រាប់ 40+ រួមមាន ពេលវេលា ផែនទីភូមិសាស្ត្រ តារាង pivot Sankey diagrams និងការបង្ហាញកម្រិតខ្ពស់ ជាមួយការកែតម្រូវយ៉ាងទូលំទូលាយ។
IDE SQL Lab
កម្មវិធីនិពន្ធ SQL ដ៏មានឥទ្ធិពល ជាមួយប្រវត្តិ query, query ដែលបានរក្សាទុក ចំណុចប្រទាក់ច្រើនផ្ទាំង, Jinja templating, ការកំណត់ពេល query និងការមើលទិន្នន័យជាមុនដែលបានរួមបញ្ចូល សម្រាប់ការស្វែងរក។
សុវត្ថិភាព និងការគ្រប់គ្រងកម្រិតសហគ្រាស
ការគ្រប់គ្រងការចូលប្រើតាមតួនាទី, សុវត្ថិភាពកម្រិតជួរ, ការអនុញ្ញាតកម្រិត dataset, ការរួមបញ្ចូល OAuth/LDAP, កំណត់ត្រាសវនកម្មទូលំទូលាយ និងការគាំទ្រ multi-tenancy។
ផ្ទាំងគ្រប់គ្រងអន្តរកម្ម
កម្មវិធីបង្កើតផ្ទាំងគ្រប់គ្រងបែបអូសដាក់ (drag-and-drop) ជាមួយការច្រោះឆ្លងគ្នា, ការចុះទៅលម្អិត (drill-down), ប្លង់ដែលឆ្លើយតបបាន និងការធ្វើឱ្យទិន្នន័យថ្មីឡើងវិញក្នុងពេលវេលាជាក់ស្តែង សម្រាប់ការវិភាគថាមវន្ត។
ស្ថាបត្យកម្មដែលអាចពង្រីកបាន
ការរចនាដែលអាចពង្រីកផ្តេកបាន គាំទ្រ load balancing, ស្រទាប់ cache (Redis), ការប្រតិបត្តិ query មិនសមកាលកម្ម (Celery) និងអ្នកប្រើក្នុងពេលដំណាលគ្នាកម្រិតសហគ្រាស។
ករណីប្រើ
- ផ្ទាំងគ្រប់គ្រង Business Intelligence: បង្កើតផ្ទាំងគ្រប់គ្រងសម្រាប់ថ្នាក់ដឹកនាំ ការតាមដាន KPI ការវិភាគការលក់ និងការរាយការណ៍ប្រតិបត្តិការ សម្រាប់ការសម្រេចចិត្តដែលផ្អែកលើទិន្នន័យ
- ការស្វែងរក និងវិភាគទិន្នន័យ: ផ្តល់អំណាចឱ្យអ្នកវិភាគស្វែងរកសំណុំទិន្នន័យ បង្កើត query បន្ទាន់ និងបង្កើតការបង្ហាញ ដោយគ្មានការគាំទ្រពីក្រុមវិស្វកម្ម
- ផ្ទាំងវិភាគអតិថិជន: បង្កើតការវិភាគដែលបញ្ចូលក្នុងកម្មវិធី SaaS ដើម្បីផ្តល់ឱ្យអតិថិជននូវការយល់ដឹងអំពីការប្រើប្រាស់ ដំណើរការ និងនិន្នាការរបស់ពួកគេ
- ការតាមដានពេលវេលាជាក់ស្តែង: តាមដានមេត្រិកកម្មវិធី ដំណើរការប្រព័ន្ធ ទិន្នន័យឧបករណ៍ចាប់សញ្ញា IoT និងព្រឹត្តិការណ៍អាជីវកម្ម ជាមួយផ្ទាំងគ្រប់គ្រងដែលធ្វើបច្ចុប្បន្នភាពដោយស្វ័យប្រវត្តិ
- វេទិកា BI ផ្ទាល់ខ្លួន: ផ្តល់អំណាចឱ្យអ្នកប្រើអាជីវកម្មគ្រប់ផ្នែក បង្កើតរបាយការណ៍ និងការបង្ហាញរបស់ពួកគេផ្ទាល់ ពីសំណុំទិន្នន័យដែលគ្រប់គ្រង
- ការវិភាគពហុអ្នកជួល: ផ្តល់បរិស្ថានវិភាគដាច់ដោយឡែកសម្រាប់អតិថិជន នាយកដ្ឋាន ឬអង្គភាពអាជីវកម្មផ្សេងៗ ជាមួយសុវត្ថិភាពកម្រិតជួរ
មគ្គុទ្ទេសក៍ដំឡើង
ដំឡើង Apache Superset នៅលើ Ubuntu VPS ដោយប្រើ pip ក្នុង Python virtual environment។ បង្កើតមូលដ្ឋានទិន្នន័យដាច់ដោយឡែក (ណែនាំ PostgreSQL) សម្រាប់ទិន្នន័យមេតា Superset។ ដំឡើង Redis សម្រាប់ caching និងការគាំទ្រ query មិនសមកាលកម្ម។
បង្កើត virtual environment ជាមួយ python3 -m venv venv, បើកវា ហើយដំឡើងកញ្ចប់ superset ដោយ pip install apache-superset។ ចាប់ផ្តើមមូលដ្ឋានទិន្នន័យជាមួយ superset db upgrade ហើយបង្កើតអ្នកគ្រប់គ្រងដោយ superset fab create-admin។
ផ្ទុកទិន្នន័យគំរូ ហើយចាប់ផ្តើម Superset ជាមួយពាក្យបញ្ជា superset init។ កំណត់រចនាសម្ព័ន្ធ superset_config.py ជាមួយ SECRET_KEY, ខ្សែភ្ជាប់មូលដ្ឋានទិន្នន័យ និងការកំណត់ Redis cache។ ដំឡើង Celery workers សម្រាប់ការប្រតិបត្តិ query មិនសមកាលកម្មលើសំណុំទិន្នន័យធំៗ។
កំណត់រចនាសម្ព័ន្ធ web server (Gunicorn) និង reverse proxy (Nginx) សម្រាប់ការដាក់ពង្រាយផលិតកម្ម។ បើក HTTPS ជាមួយ Let's Encrypt certificates។ ដំឡើង systemd services សម្រាប់ Superset web server និង Celery workers សម្រាប់ការចាប់ផ្តើម និងតាមដានដោយស្វ័យប្រវត្តិ។
សម្រាប់ការដាក់ពង្រាយដែលមានភាពអាចប្រើបានខ្ពស់ រត់ instance Superset web server ច្រើននៅពីក្រោយ load balancer, កំណត់មូលដ្ឋានទិន្នន័យមេតា និង Redis cache ដែលចែករំលែក, និងដាក់ Celery worker pool ដាច់ដោយឡែកសម្រាប់ការប្រតិបត្តិ query។ តាមដានដំណើរការ និងពង្រីក workers តាមបន្ទុក query។
ព័ត៌មានជំនួយការកំណត់រចនាសម្ព័ន្ធ
ការកំណត់រចនាសម្ព័ន្ធ Superset ត្រូវបានគ្រប់គ្រងតាមឯកសារ superset_config.py ក្នុង PYTHONPATH។ កំណត់ SECRET_KEY សម្រាប់ការអ៊ិនគ្រីប session (បង្កើតដោយ openssl rand -base64 42), SQLALCHEMY_DATABASE_URI សម្រាប់ការរក្សាទុកមេតា និង CACHE_CONFIG សម្រាប់ Redis caching។
កំណត់ការភ្ជាប់មូលដ្ឋានទិន្នន័យតាម UI ឬពាក្យបញ្ជា superset set_database_uri។ កំណត់ row-level security (RLS) ដោយកំណត់តម្រង SQL ដែលអនុវត្តលើ datasets តាមតួនាទីអ្នកប្រើ។ បើក public dashboards ជាមួយ PUBLIC_ROLE_LIKE = “Gamma” សម្រាប់ការចែករំលែកខាងក្រៅ។
ប្ដូរការផ្ទៀងផ្ទាត់អត្តសញ្ញាណតាមការកំណត់ AUTH_TYPE (DATABASE, OAUTH, LDAP ឬ REMOTE_USER) និង AUTH_CONFIG ដែលត្រូវគ្នា។ រួមបញ្ចូលជាមួយអ្នកផ្តល់ OAuth (Google, GitHub, Okta) ឬ LDAP/Active Directory សម្រាប់ SSO របស់សហគ្រាស។
ការអនុវត្តល្អរួមមានការបើកការការពារ CSRF, ការកំណត់ CORS សម្រាប់ផ្ទាំងគ្រប់គ្រងដែលបង្កប់, ការកំណត់ពេលកំណត់ query ដើម្បីការពារ query ដែលដំណើរការយូរ, ការបើកការប៉ាន់ស្មានថ្លៃ query សម្រាប់ការគ្រប់គ្រងធនធាន, ការកំណត់ការជូនដំណឹងតាមអ៊ីមែលសម្រាប់របាយការណ៍ដែលបានកំណត់ពេល, និងការអនុវត្តយុទ្ធសាស្ត្របម្រុងទុកមូលដ្ឋានទិន្នន័យមេតា។ ប្រើ environment variables សម្រាប់ព័ត៌មានសម្ងាត់ជំនួសឱ្យការដាក់ក្នុងឯកសារកំណត់រចនាសម្ព័ន្ធ។
តម្រូវការបច្ចេកទេស
តម្រូវការប្រព័ន្ធ
- អង្គចងចាំ: 2048សតិមេកាបៃ