Superset 项目技术文档
2024-12-23 15:36:53作者:宣聪麟
1. 安装指南
1.1 环境要求
- Python 3.7 或更高版本
- Node.js 14 或更高版本
- 支持的 SQL 数据库(如 PostgreSQL、MySQL 等)
1.2 安装步骤
-
克隆项目仓库:
git clone https://github.com/apache/superset.git cd superset -
创建虚拟环境:
python3 -m venv venv source venv/bin/activate -
安装依赖:
pip install -r requirements.txt -
安装 Superset:
pip install apache-superset -
初始化数据库:
superset db upgrade -
创建管理员用户:
superset fab create-admin -
加载示例数据(可选):
superset load_examples -
启动 Superset:
superset run -p 8088 --with-threads --reload --debugger
2. 项目的使用说明
2.1 登录与界面
- 打开浏览器,访问
http://localhost:8088。 - 使用管理员账户登录。
2.2 创建数据源
- 点击“Sources”菜单,选择“Databases”。
- 点击“+ Database”按钮,填写数据库连接信息。
- 保存并测试连接。
2.3 创建数据表
- 点击“Sources”菜单,选择“Tables”。
- 点击“+ Table”按钮,选择数据库和表。
- 配置表的列和指标。
2.4 创建图表
- 点击“Charts”菜单,选择“+ Chart”。
- 选择数据表和图表类型。
- 配置图表的维度和指标。
- 保存并查看图表。
2.5 创建仪表盘
- 点击“Dashboards”菜单,选择“+ Dashboard”。
- 添加已创建的图表。
- 调整布局并保存仪表盘。
3. 项目 API 使用文档
3.1 获取所有数据库
GET /api/v1/database/
3.2 获取所有表
GET /api/v1/table/
3.3 创建图表
POST /api/v1/chart/
{
"slice_name": "My Chart",
"viz_type": "bar",
"datasource": "1__table",
"params": {
"groupby": ["column1"],
"metrics": ["sum__column2"]
}
}
3.4 获取所有仪表盘
GET /api/v1/dashboard/
4. 项目安装方式
4.1 通过 Docker 安装
-
拉取 Docker 镜像:
docker pull apache/superset -
运行容器:
docker run -d -p 8088:8088 apache/superset
4.2 通过 PyPI 安装
pip install apache-superset
4.3 通过源码安装
-
克隆仓库:
git clone https://github.com/apache/superset.git -
安装依赖:
pip install -r requirements.txt -
安装 Superset:
pip install .
通过以上步骤,您可以顺利安装并使用 Superset 项目。
登录后查看全文
热门项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
527
3.73 K
Ascend Extension for PyTorch
Python
336
400
暂无简介
Dart
768
191
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++
882
589
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
170
React Native鸿蒙化仓库
JavaScript
302
353
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
12
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
1.33 K
749
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
246