搭建Superset可视化平台(避免各种踩坑)

一、说明

本人尝试了各种superset的安装教程，各种坑，最终参考简友的文章完成搭建，本文记录的方法，出现的坑(截止目前)自测最少；
环境：macOS 10.14.2、Python3.6、单机版

二、环境准备

创建虚拟环境

创建虚拟环境

conda create --name superset python=3.6

激活虚拟环境

conda activate superset

安装依赖包

安装wget，下载superset项目的依赖包

brew install wget   # wget命令用来从指定的URL下载文件
wget https://raw.githubusercontent.com/apache/incubator-superset/master/requirements.txt

安装依赖包(加豆瓣源快)

pip install -r requirements.txt -i https://pypi.douban.com/simple/
CFLAGS=-stdlib=libc++ pip install -r requirements.txt  #如果上面方法报错，使用该安装方式

安装superset包

安装(加豆瓣源)

pip install superset -i https://pypi.douban.com/simple/

可能出现的错误

错误一

warning: include path for stdlibc++ headers not found; pass '-std=libc++' on the command line to use the libc++ standard library instead [-Wstdlibcxx-not-found]
1 warning generated.
g++ -bundle -undefined dynamic_lookup -L/anaconda3/envs/superset/lib -arch x86_64 -L/anaconda3/envs/superset/lib -arch x86_64 -L/usr/local/opt/libxml2/lib -I/usr/local/opt/libxml2/include -arch x86_64 build/temp.macosx-10.7-x86_64-3.7/src/geohash.o -o build/lib.macosx-10.7-x86_64-3.7/_geohash.cpython-37m-darwin.so
clang: warning: libstdc++ is deprecated; move to libc++ with a minimum deployment target of OS X 10.9 [-Wdeprecated]
ld: library not found for -lstdc++
clang: error: linker command failed with exit code 1 (use -v to see invocation)
error: command 'g++' failed with exit status 1
----------------------------------------
Command "/anaconda3/envs/superset/bin/python -u -c "import setuptools, tokenize;__file__='/private/var/folders/f6/6zqglp5165q7jr8lg2kkwq_80000gn/T/pip-install-exkh7_b5/python-geohash/setup.py';f=getattr(tokenize, 'open', open)(__file__);code=f.read().replace('\r\n', '\n');f.close();exec(compile(code, __file__, 'exec'))" install --record /private/var/folders/f6/6zqglp5165q7jr8lg2kkwq_80000gn/T/pip-record-lfs5y7mf/install-record.txt --single-version-externally-managed --compile" failed with error code 1 in /private/var/folders/f6/6zqglp5165q7jr8lg2kkwq_80000gn/T/pip-install-exkh7_b5/python-geohash/

升级gcc最新版本

brew info gcc@7

升级gcc版本若还是报错的话，通过下面命令进行安装

CFLAGS=-stdlib=libc++ pip install superset -i https://pypi.douban.com/simple/

错误二

    from pandas.core.common import _maybe_box_datetimelike
ImportError: cannot import name '_maybe_box_datetimelike'

降pandas的版本降为0.23

conda uninstall pandas 
conda install pandas==0.23

三、初始化

设置管理员账号密码

fabmanager create-admin --app superset

初始化数据库

superset db upgrade

可能会报错

    "Can't determine which FROM clause to join "
sqlalchemy.exc.InvalidRequestError: Can't determine which FROM clause to join from, there are multiple FROMS which can join to this entity. Try adding an explicit ON clause to help resolve the ambiguity.

把sqlalchemy版本降级到1.2，再进行初始化数据库

pip uninstall sqlalchemy
pip install sqlalchemy==1.2

载入案例数据

superset load_examples

初始化角色和权限

Python superset init

启动服务

superset runserver -d

四、汉化、登陆

汉化

路径(不同电脑可能有差异)

anaconda/envs/superset/lib/python3.6/site-packages/superset

config.py的文件，修改Setup default language，BABEL_DEFAULT_LOCALE调整为zh，示图：

在浏览器输入：http://localhost:8088/login/，弹出登陆界面，输入账号密码登陆

五、数据源

上传csv数据 -- 【数据源】-- 【Update a CSV】-- 【保存】-- 成功添加了csv数据源
连接Mysql数据库

安装驱动
Superset使用了sqlalchemy框架，使用前需要安装数据库驱动程序，先退出superset服务，进入superset虚拟环境，安装Python中的MySQL驱动程序：mysqlclient

pip install mysqlclient

【数据源】--【数据库】--【点击添加】
【命名数据库】--【配置URL】-- 【测试连接】--【勾选配置】-- 【保存】

#数据库URL
mysql://root:password@localhost:3306/test?charset=utf8

mysql是数据库类型
root是数据库登陆账号
password是登陆密码
localhost是数据库地址，本地环境写localhost或127.0.0.1即可
3306是端口
test是连接的数据库名称
charset=utf8表示编码

说明：点击【测试连接】，出现seems ok，表示成功访问，记得勾选Expose in SQL Lab，允许在SQL工具箱查询

六、可视化

无论是上传的csv数据，还是连接数据库，都可以在SQL工具箱进行数据查询，查询方法与对应的数据库语法一致，本文以Mysql为例；
查询数据：【SQL工具箱】--【选择数据库】--【编写sql】
常用SQL可以【保存查询】，查询结果可以直接点击【.csv】导出csv，也可以点击【Explore】进行数据可视化;
【Explore】-【Data】-【Visual Properties】-【Save】-【命名】

在【Data】中，主要设置数据源、图表类型、数据指标、过滤分组排序等；
在【Visual Properties】中，主要设置图标格式、颜色、样式、X轴、Y轴等；

可视化结果(柱图和堆叠图为例)

最后

关于Superset的新手学习结束了，要是部署到公司，账号和权限研究一下(不太友好)。它和市面上的其他BI没有太多区别，我的演示以单机版为主，将其建立在linux服务器上大同小异；
Superset只是一款轻量级的BI，复杂的数据关联，应该在ETL过程中完成，Superset最好直接读取最终结果表，建议关联基于业务库计算的中间结果库，速度快好维护，它支撑TB级别足够大的数据源读取；
关键中的关键：开源免费，项目一直在更新，会不断增加新的功能。