DeepBI 开源项目教程

项目介绍

DeepBI 是一个基于人工智能的数据分析平台，利用大型语言模型的力量来探索、查询、可视化和分享来自任何数据源的数据。用户可以使用 DeepBI 来获取数据洞察并做出数据驱动的决策。DeepBI 支持多种语言，包括英语和中文，并提供多平台支持，包括 Windows-WSL、Windows、Linux 和 Mac。

项目快速启动

安装 Docker

首先，确保您的本地环境已经安装了 Docker 和 Docker Compose。

# 安装 Docker
sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io docker-compose-plugin

下载项目文件

使用 Git 下载项目文件：

git clone https://github.com/DeepInsight-AI/DeepBI.git

或者直接下载 ZIP 文件并解压。

启动项目

进入项目目录并运行启动脚本：

cd DeepBI
./Install.sh

默认端口为 8338 和 8339，可以通过以下地址访问 Web 界面：

http://ip:8338

Docker 命令

进入项目目录并使用 Docker Compose 启动服务：

docker-compose start  # 启动 DeepBI 服务
docker-compose stop   # 停止 DeepBI 服务
docker-compose ps     # 查看 DeepBI 服务状态

如果出现权限错误，请在命令前添加 sudo：

sudo docker-compose start  # 启动 DeepBI 服务
sudo docker-compose stop   # 停止 DeepBI 服务
sudo docker-compose ps     # 查看 DeepBI 服务状态

应用案例和最佳实践

案例一：数据分析报告自动化

DeepBI 支持根据用户指令自动生成完整的数据分析报告。用户可以通过对话方式获取任意数据结果和分析结果，并将这些结果持久化到仪表板中。

案例二：多数据源支持

DeepBI 支持多种数据源，包括 MySQL、PostgreSQL、Doris、StarRocks、CSV/Excel 等。用户可以轻松地将不同数据源的数据导入 DeepBI 进行分析和可视化。

最佳实践

1. 数据源配置：确保所有数据源正确配置并连接到 DeepBI。
2. 仪表板设计：合理设计仪表板，将持久化的可视化结果组合成有意义的仪表板。
3. 定期维护：定期检查和维护 DeepBI 服务，确保数据分析的准确性和及时性。

典型生态项目

Apache Druid

DeepBI 支持 Apache Druid，这是一个高性能的实时分析数据库。通过与 Apache Druid 的集成，DeepBI 可以实现快速的数据摄取、处理和分析，从而提供实时的数据洞察。

PostgreSQL

DeepBI 支持 PostgreSQL，这是一个强大的开源关系型数据库。通过与 PostgreSQL 的集成，DeepBI 可以处理复杂的数据查询和分析任务，提供高质量的数据分析结果。

MongoDB

DeepBI 支持 MongoDB，这是一个流行的 NoSQL 数据库。通过与 MongoDB 的集成，DeepBI 可以处理非结构化数据，提供灵活的数据分析和可视化功能。

通过这些生态项目的支持，DeepBI 可以满足不同用户的数据分析需求，提供全面的数据分析解决方案。