Lightdash项目中的仪表板默认嵌入功能解析
2025-06-12 16:49:15作者:牧宁李
Lightdash作为一款开源商业智能工具,近期在其0.1601.0版本中引入了一项重要功能改进——仪表板默认嵌入设置。这项功能优化了项目中的仪表板嵌入工作流程,为团队协作带来了显著便利。
功能背景与需求
在传统的Lightdash使用场景中,只有系统管理员才能将仪表板加入嵌入白名单,这一设计虽然保证了安全性,但在实际团队协作中却带来了不少困扰。特别是当仪表板创建者并非管理员时,每次需要嵌入仪表板都必须寻求管理员协助,这种工作流程在大型团队或多环境部署中显得效率低下。
新功能实现方案
新版本在项目嵌入设置中增加了一个开关选项,允许管理员选择是否禁用"仅白名单仪表板可嵌入"的限制。当启用该选项时,项目中的所有仪表板将默认具备嵌入权限,无需管理员逐一审批。这一设计既保留了系统的默认安全策略,又为需要灵活嵌入的团队提供了便利。
技术实现考量
从技术架构角度看,这一改进涉及权限系统的重构。系统需要:
- 在项目设置层新增全局嵌入权限控制
- 保持向后兼容性,确保现有白名单功能不受影响
- 提供清晰的用户界面,让管理员能够直观地理解和控制这一设置
应用场景与价值
这项功能特别适合以下场景:
- 开发运维团队需要自动化部署仪表板
- 大型组织中非技术用户需要自主管理仪表板嵌入
- 多环境部署场景下需要减少人工操作环节
通过减少管理员干预环节,团队可以更高效地完成仪表板共享和集成工作,特别是在CI/CD流程中,这一改进使得自动化部署变得更加顺畅。
安全与便利的平衡
值得注意的是,该功能默认保持安全优先的原则,即"仅白名单仪表板可嵌入"的限制默认开启。管理员需要主动选择放宽这一限制,这种设计既满足了灵活性的需求,又确保了系统不会因默认设置而降低安全性。
这一功能改进体现了Lightdash团队对用户体验的持续优化,通过简化工作流程,让数据分析师和业务用户能够更专注于数据洞察而非系统管理。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137