开源自助BI工具

一：业务背景与需求梳理

公司现在的数据需求主要分为两类：临时需求（业务突然想看看这波活动的效果怎样，数据指标的定义可能随时改，随时加），固化需求（每周要看，每月要看的数据，数据的定义已经非常明确）。对于这两类需求，我们现在的处理方案是

对于临时需求：写HQL到Hive里去查一遍，然后将结果转为excel发送给需求人员。
对于固化需求：编写脚本，结合Hive跑出结果，将结果写入对应DB库，然后通过第三方百度的BI工具进行汇总展现。

这样做简洁明了，但很明显的问题：

开发成本太高：每来一个需求，不管是临时需求还是长期需求，都需要进行定制开发，这种情况下，我们的人力深陷其中。
使用不灵活：一个报表，只能进行展示，没有分析功能，如果要进行分析，需要将数据复制到excel里，利用excel进行处理分析，而我们的数据使用人员不一定具备这种能力。
资源浪费：不同人员开发的报表，很多情况下存在很多重复计算。
其他体验问题：hue的查询速度特别慢，做select from简单的查询，要等一分钟以上（底层引擎tez太慢）

在这种情况下，我们准备构建一个多维分析平台，让业务方自己能够取数，而且最好不用SQL，因为我们的业务方大部分不会SQL(尽管我们已经开展SQL培训，但还是有一定门槛)。这个平台至少满足以下需求
1.SQL查询的速度更块（现在hue太慢，简单查询要2分钟以上），所以底层要支持大数据OLAP引擎
2.更傻瓜的自助分析模型，最好是拖拉拽；（因为很多分析师都没有SQL技能）
3.可视化上有最基本的图表类型（包括数字，地图，时间趋势）
4.开源产品，免费；商业化的产品数据都在别人的服务器上；
5.报表/看板的筛选功能支持时段筛选，最好能联动筛选；
6.权限满足最低门槛（修改，删除表可控制），同时能做到数据行级控制（很多业务部分看数据）

二：产品分析

我们直接入手了开源工具，筛选出了下面几个产品做为重点调研对象：
Superset、Metabase、Davinci

A)Metabase （gihub star 15,670）

Metabase

官方的宣传特色(版本号:v0.32.9)

5分钟设置（We're not kidding）
让团队中的任何人在不知道SQL的情况下提出问题
丰富美观的仪表板，自动刷新和全屏
分析师和数据专业人员的SQL模式
为您的团队创建规范细分和指标
使用Pulses按计划发送数据给Slack或发送电子邮件
使用MetaBot随时查看Slack中的数据
通过重命名，注释和隐藏字段，为您的团队人性化数据

整体上，个人体验下来，亮点特色如下：
a)交互体验对业务人员非常友好。通过一个对看板和单图做了一个全局搜索的功能，营造一种”ask a question“的智能场景。即通过搜索框咨询，系统告诉你答案。且整个产品的界面非常简洁明。
b)制作单图时非常简单，以数据为中心，去选择不同的图形（不可选的图形自动打灰）。基本做到了半分钟就能完成一个单图的分析。
但但是最大的不足是权限管理实在太弱，只有可修改/可见的粗粒度控制，对表是否可删除都没法单独控制。

各方面的具体情况如下：
1）数据源与数据管理

支持的数据库* 相对较弱：Postgres、MySQL、SQL Server、Redshift、SQLite、Google BigQuery、H2、Oracle、Vertica、Snowflake、MongoDB、Druid、Presto、SparkSQL
（特别需要注意的是：其中Druid的版本为2.0版本，所以不支持sql查询，威力大打折扣；另外也不支持Hive,Kylin）
统一的数据模型管理入口，添加数据表/视图后，设置维度/度量字段（该部分做得很细，设定的类型做了很丰富的扩展）
提供定时任务，数据库同步（小时级别）
自助的表字段信息透视功能，智能化探索，自动出看板，自动关联数据的分布（加分酷炫功能）

表字段透视

2）chart单图&dashboard看板

单图制作流程非常简单：选择数据源->选择过滤条件->选择分析指标->选择分组维度->选择可视化类型
支持的可视化图形种类仅能满足基本需求，14种可视化方案（包含漏斗、带变化的数字、地图）
对一些图表可做细节控制，比如表单按条件控制行颜色,调整字段位置，显示迷你彩条，前后缀设定
支持基本的过滤条件，包含日期段（通过筛选器的字段与单图中字段的关联）
提供简单的图表钻取功能，但不支持图表的联动
可一键复制已有看板
自动刷新数据最小粒度到1分钟
分享上支持：公开链接，公开嵌入（博客网页），在应用中嵌入
使用Pulses按计划发送数据给Slack（一个国外的聊天工具）或发送电子邮件

表单格式设置

3）SQL查询

支持关联填补字段/表信息
sql查询结果可直接切换图形展示方案
不支持跨库关联查询
原生查询中的变量允许使用筛选组件或URL参数来动态替换查询中的值

SELECT count(*)
FROM products
WHERE 1=1
  [[AND id = {{id}}]]
  [[AND category = {{category}}]]

4）权限管理

通过对角色设置权限，用户指定角色，实现权限的控制
权限设置力度非常弱，只能设置是否可访问权限（可访问的数据可能直接被删除）
权限设置对象较浅：仅可对数据源，数据表，图表，分析项目集合的权限控制，不到数据行级
字段级的字段控制可设置可见不可见（敏感字段场景），但不能分角色管理

5)二次开发

技术架构：Clojure+Recat+Redux
提供了完整的API文档，可凭借丰富的API与文档完成许多二次开发

B)Superset （gihub star 25,163）

superset

官方的宣传特色(版本号:v0.32.9)

一个直观的界面，用于探索和可视化数据集，以及创建交互式仪表板。
各种漂亮的可视化来展示您的数据。
简单，无代码的用户流程可以深入挖掘并切割暴露仪表板下的数据。仪表板和图表可作为深入分析的起点。
最先进的SQL编辑器/ IDE，提供丰富的元数据浏览器，以及从任何结果集创建可视化的简单工作流程。
可扩展的高粒度安全模型，允许谁可以访问哪些产品功能和数据集的复杂规则。与主要身份验证后端集成（数据库，OpenID，LDAP，OAuth，REMOTE_USER，...）
轻量级语义层，允许通过定义维度和指标来控制数据源向用户公开的方式
开箱即用支持大多数讲SQL的数据库
与Druid的深度集成允许Superset在切割和切割大型实时数据集时保持快速
快速加载仪表板，带有可配置的缓存

整体上，个人体验下来，亮点特色如下：
a)深度整个主流大数据引擎，SQL查询速度体验没得说；
b)可视化选择非常丰富，基于经纬度的地理位置可视化方案有好几套；
c)权限控制非常细，细到每个功能键；
可惜最大的问题是对于业务分析师的用户体验不是很好，可视化流程是要对不同图形方案做对应参数设置，权限控制也非常复杂。

各方面的具体情况如下：
1）数据源与数据管理

支持的数据库* 非常丰富：Athena、Redshift、Drill、Druid、Hive、Impala、Kylin、Spark SQL、BigQuery、Pinot、ClickHouse、Google Sheets、Greenplum、IBM Db2、MySQL、Oracle、PostgreSQL、Presto、Snowflake、SQLite、SQL Server、Teradata、Vertica
支持上传本地CSV文件
数据表模型的管理，可设置字段类型，维度/可否过滤/可否做时间列，二次加工字段，统计指标

数据模型管理
chart可用的数据表得一个一个从数据库里添加（SQL工具箱可以全部看到），不是很方便。
深度支持durid

2）chart单图&dashboard看板

单图制作流程：选择数据源(表或视图)->选择图表类型->设置图表参数（指标/维度/过滤条件）。选择数据源只能从数据表列表页选择，进到分析页面后无法更换数据源；由于切换不同的图表类型时就要按照不同图重新填写参数，在自助分析时用起来不大方便；
支持的可视化图形种类十分丰富，48种可视化方案；
看板的过滤功能非常弱。连最基本的日期过滤组件没有。通过单图中的过滤器组件实现；只能针对单个数据表做出过滤组件，然后应用到看板上。此功能也很不方便
提供简单的图表钻取探索功能（直接跳入到单图里面），但不支持图表的联动；
数据格式（比如3721，显示成0.4k）可以有很多种方案可供选择
看板不能直接复制克隆，要做复制一个看板只能重新编辑选择单图；
看板支持自动刷新，刷新最小时间粒度为10秒
分享上支持：公开链接，可嵌入其他网页中，可以通过底层参数调整做免密
应用于chart的sql视图必须是select from的形式，否则会查询错误（不能用with as）
不支持邮件发送报表数据
不支持图表/看板的分组
不支持图表的下钻，多图联动
不支持直接对日期范围做筛选
透视表功能不能按行/列做百分比汇总；
Druid引擎的计算结果，不能在superset里面生成新的指标
3）SQL查询
支持关联填补字段/表信息
支持跨库关联查询
一个多选项卡环境，一次处理多个查询
查询结果可视化，需要保存成视图，再跳转到chart页面；且需要对该视图做赋权（过程非常不方便）
可对查询历史记录做搜索；
支持使用Jinja模板语言进行模板化，该语言允许在SQL代码中使用宏

4）权限管理

通过对角色设置权限，用户指定角色，实现权限的控制
权限控制的粒度非常细，支持功能型的权限控制（表的修改可细分到删除，新增操作），支持对菜单，数据源，数据表，字段，图表，看板的权限控制；
权限的配置非常复杂，繁琐.
不支持数据行级控制

角色权限

5)二次开发

技术架构：Python+Flask+Recat+Redux+SQLAlchemy
原属Airbnb的开源项目，背后有大公司团队支持维护，版本更新，bug修复，二次开发有较大保障
支持restful API

C)Davinci

未完待续~