superset教程
前言
为了刺激自己学习和使用superset的欲望，可以点击这里，先看下github上的效果图，同时，个人感觉SQL Lab也是一个特别赞的功能。
关于superset
官网：
http://airbnb.io/projects/superset/
文档：
http://airbnb.io/superset/
主要功能：
快速创建可交互的、直观形象的数据集合
有丰富的可视化方法来分析数据，且具有灵活的扩展能力
具有可扩展的、高粒度的安全模型，可以用复杂规则来控制访问权限。目前支持主要的认证提供商：DB、OpenID、LDAP、OAuth、和Flask AppBuiler的REMOTE_USER
使用简单的语法，就可以控制数据在UI中的展现方式
与Druid深度结合，可快速的分析大数据
配置缓存来快速加载仪表盘
下面从安装开始介绍superset。
安装Python
需要注意的是：superset是在Python2.7和Python3.4下测试的，Airbnb生产环境使用的Python版本是2.7.x，并且Airbnb不打算支持Python2.6。
Python的安装步骤，在这里就不做说明了，因为Centos7自带的Python已经是2.7.x版本了，所以无需额外安装。可以通过python -V查看Python的版本。
本文是在以下环境下测试的：
操作系统：CentOS Linux release 7.3.1611 (Core)
Python：2.7.5
numpy：1.7.0
pandas：1.19.2
superset：0.18.2
安装setuptools
curl https://bootstrap.pypa.io/ez_setup.py | sudo python -
安装完成之后，验证一下：
[vagrant@hadoop-slave-1 ~]$ easy_install --version
setuptools 33.1.1 from /usr/lib/python2.7/site-packages/setuptools-33.1.1-py2.7.egg (Python 2.7)
安装依赖的软件包
sudo yum install -y gcc-c++ python-devel libffi libffi-devel openssl openssl-devel cyrus-sasl-lib cyrus-sasl-devel cyrus-sasl gettext
安装flask
sudo easy_install flask
安装numpy 1.7.0
下载：
curl -o numpy-1.7.0.tar.gz https://pypi.python.org/packages/e7/b8/0eec6203c783047760db02f86791814c860397a7c79c444ddabc8a2f1c69/numpy-1.7.0.tar.gz#md5=4fa54e40b6a243416f0248123b6ec332
解压：
tar zxf numpy-1.7.0.tar.gz
安装：
cd numpy-1.7.0/
sudo python setup.py install
安装pandas 0.19.2
下载：
curl -o pandas-0.19.2.tar.gz https://pypi.python.org/packages/08/9d/31ec596099f14528fc6ad39428248ac5360f0bb5205a3ee79a5d1cf260fb/pandas-0.19.2.tar.gz#md5=26df3ef7cd5686fa284321f4f48b38cd
解压：
tar zxf pandas-0.19.2.tar.gz
安装：
cd pandas-0.19.2/
sudo python setup.py install
安装superset 0.18.2
下载
curl -o superset-0.18.2.tar.gz https://pypi.python.org/packages/56/53/83d8e2d6cd2c36d0318f82b7f611a07e534e7fb0afe3dd5424a57f114082/superset-0.18.2.tar.gz#md5=27ea370cc453a1937e9209778fc15ab0
解压：
tar zxf superset-0.18.2.tar.gz
安装：
cd superset-0.18.2/
sudo python setup.py install
至此，superset就安装完毕了，下面开始superset的入门教程。
superset入门教程
1，创建管理员账户
fabmanager create-admin --app superset
在输入用户名，姓名，邮箱，密码之后，fabmanager会在用户的主目录下创建.superset隐藏目录，并在该目录下创建一个sqlite3数据库。执行下面的命令可以看到上一步创建的用户被保存到了ab_user表中：
2，初始化数据库
superset db upgrade
3，加载一些测试数据
superset load_examples
4，创建默认的角色和权限
superset init
5，启动web服务器
superset runserver
web服务器的默认端口是8088，可以通过-p选项绑定其他的端口；也可以通过-d选项启动一个用于开发的服务器。
需要注意的是：
superset默认的应用服务器是gunicorn，但是gunicorn是无法在windows上工作的，所以在windows上只能使用用于开发的服务器。
启动web服务器之后，就可以使用浏览器访问superset了。
配置superset
可以通过创建一个叫做superset_config.py的模块，并将它放到PYTHONPATH下的方式，配置superset。下面是一个示例：
#---------------------------------------------------------
# Superset specific config
#---------------------------------------------------------
ROW_LIMIT = 5000
SUPERSET_WORKERS = 4
SUPERSET_WEBSERVER_PORT = 8088
#---------------------------------------------------------
#---------------------------------------------------------
# Flask App Builder configuration
#---------------------------------------------------------
# Your App secret key
SECRET_KEY = '\2\1thisismyscretkey\1\2\e\y\y\h'
# The SQLAlchemy connection string to your database backend
# This connection defines the path to the database that stores your
# superset metadata (slices, connections, tables, dashboards, ...).
# Note that the connection information to connect to the datasources
# you want to explore are managed directly in the web UI
SQLALCHEMY_DATABASE_URI = 'sqlite:////path/to/superset.db'
# Flask-WTF flag for CSRF
CSRF_ENABLED = True
# Set this API key to enable Mapbox visualizations
MAPBOX_API_KEY = ''
在这个配置模块中，也可以定义被Flask App Builder（superset所使用的web框架）使用的参数，关于这部分配置，请查看这里。
其中有两个需要改变的参数：
SQLALCHEMY_DATABASE_URI
它的默认值是~/.superset/superset.db，该参数用来指定 保存superset元数据（比如slices、connections、tables、dashboards等）的数据库 的Sqlalchemy连接字符串（要搜索的数据源的连接信息是由web UI直接管理的）
SECRET_KEY
它是一个很长的随机字符串
数据库依赖
默认情况下，superset是把元数据保存到sqlite中的，所以除了sqlite之外，superset不依赖任何数据库。如果想要把superset元数据保存到其它的数据中，那么需要安装相应的驱动以及给SQLALCHEMY_DATABASE_URI参数指定一个正确的值。下面是一些推荐使用的数据库、数据库驱动以及对应的SQLAlchemy URI前缀：
缓存
superset使用Flask-Cache来缓存数据。在superset_config.py中，可以通过CACHE_CONFIG参数配置缓存所使用的后端。
Flask-Cache支持多种缓存后端，比如Redis、Memcached、SimpleCache（in-memory）、local filesystem。以redis为例，首先应该安装Python的redis驱动：
sudo easy_install redis
然后在superset_config.py中增加如下的配置：
CACHE_CONFIG = {
"CACHE_TYPE": "redis",
"CACHE_REDIS_URL": "redis://[redis:]@:/",
"CACHE_KEY_PREFIX": "A CACHE_KEY_PREFIX"
与SQLAlchemy的深度集成
在superset中可以通过SQLAchemy暴漏的参数调整数据库连接信息，在Database编辑页面，可以看到一个Extra域（值是一个Json串）：
在这个Json串中可以包含额外的配置选项。其中engine_params所指定的参数会传递给sqlalchemy.create_engine调用；metadata_params所指定的参数会传递给sqlalchemy.MetaData调用。更多详细信息，可以阅读SQLAlchemy的文档。
中间件
superset允许自定义中间件，方法是：
编写自己的WSGI中间件
在superset_config.py中增加ADDITIONAL_MIDDLEWARE参数，该参数的值是一个 中间件类 的列表
比如：
# superset_config.py
# other configuration...
class TestMiddleware(object):
def __init__(self, app):
self.app = app
def __call__(self, environ, start_response):
print("test middleware")
return self.app(environ, start_response)
ADDITIONAL_MIDDLEWARE = [TestMiddleware]
升级superset
sudo easy_install --upgrade superset
superset db upgrade
superset init
SQL Lab
SQL Lab是一个非常强大的SQL IDE，它可以和所有与SQLAlchemy兼容的数据库一起使用。默认情况下，查询是在web请求的作用域中执行的，因此当web请求超时的时候，查询也会超时。
为了支持运行时间超过web请求的超时时间的查询，superset支持异步查询，配置异步查询的方式如下：
在创建数据源的时候，勾选Allow Run Async域
在superset_config.py模块中，通过CELERY_CONFIG配置celery的broker和result backend，注意：worker和web服务进程应该使用相同的配置
通过superset worker命令，启动一个或多个superset worker（本质上就是celery worker）
为了设置result backend，应该在superset_config.py配置模块中给RESULTS_BACKEND键指定为werkzeug.contrib.cache.BaseCache的一个派生类实例。可以使用自带的Redis、Memcache、S3、内存、文件系统cache实现，也可以自己编写cache实现
# superset_config.py
# other configurations ...
class CeleryConfig(object):
BROKER_URL = 'redis://localhost:6379/0'
CELERY_IMPORTS = ('superset.sql_lab', )
CELERY_RESULT_BACKEND = 'redis://localhost:6379/0'
CELERY_CONFIG = CeleryConfig
from werkzeug.contrib.cache import RedisCache
RESULTS_BACKEND = RedisCache(
host='192.168.30.2', port=6379, db=3,
key_prefix="superset_results:")
```
SQL Lab在查询的时候，也支持Jinja模版，可以通过superset配置文件中的`JINJA_CONTEXT_ADDONS`参数配置默认的Jinja上下文。比如：
```
JINJA_CONTEXT_ADDONS = {
'my_crazy_macro': lambda x: x*2,
连接到新的数据库
登陆之后点击：
然后点击“+”，进入到Database view页面：
在database view页面，填写数据库的名字以及SQLAlchemy连接字符串，想要了解更多关于SQLAlchemy连接字符串，请点击这个链接：
然后点击“Test Connection”，如果运行superset服务的实例能够连接到数据库，会弹出类似下面的提示信息：
同时要注意以下几项：
执行“Test Connection”之后，在页面的底部会列出该数据库中都有哪些表
如果想要在SQL Lab中显示这个数据库，那么应该勾选：Expose In SQL Lab
保存之后，在SQL Lab中就可以看到这个数据库了：
如果允许用户异步地执行SQL查询，那么应该勾选“Allow Run Async”
最后点击“Save”按钮，这个数据库就建立完成了。
添加一个新的表
首先,在上一步添加的数据库中，创建一张新表：
CREATE TABLE `grade_test` (
`course_id` int(10) unsigned NOT NULL,
`student_id` int(10) unsigned NOT NULL,
`grade` int(10) unsigned NOT NULL DEFAULT '0',
`last_update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
`course_name` varchar(100) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8
然后，插入一些测试数据：
insert into grade_test(course_id, student_id, grade, course_name) values(1,1,80,"english"),(1,2,85,"english"),(2,1,90,"math"),(2,2,70,"math"),(1,3,99,"english"),(2,3,88,"math");
接下来开始添加新的表：
保存之后，重定向到的页面顶部会有一条提示信息：
然后进入到“Table Model View”页面，点击新添加的表的表名前面的“Edit record”：
在结果页面上，点击“List Table Column”标签：
接下来，就可以定义对表中指定的列的使用方式了：
如果想要使用某个列进行分组，那么将该列标记为Groupable
如果想要使用某个列进行过滤，那么将该列标记为Filterable
如果想要在某列上进行count distinct，那么将该列标记为Count Distinct
如果想要对某列进行求和，或者进行简单的统计，那么将该列标记为Sum、Min、Max
任何时间或日期类型的列，都应该被标记为temporal
搜索数据
首先，进入到“Table Model View”：
然后点击表名：
默认情况下，展现的是Table View，并且默认的查询是获取表中的所有的记录数：
接下来看“Time”区：
Time Column：用来指定一个temporal类型的列
Time Grain：用来指定时间的粒度
Since过滤器：用来指定时间的下限（含）
Util过滤器：用来指定时间的上限（含）
“Time”区的下面是“Group By”区：
Group By：用来指定按照那些列进行分组
Metrics：用来指定对哪些列进行何种统计（比如对某列求平均值）
比如，想要求每个学生的平均成绩和成绩总和：
然后点击，左上角的Query，就可以在右侧看到结果了：
下面看一些其它有趣的功能：
Filters：
点击页面右上角的Query按钮：
Filters其实是以AND的方式加到where语句的条件中了
Options：
Row Limit：为SQL的limit子句指定一个值
Page Length：指定每页多少条记录
Superset支持很多表格类型，具体可以看官网提供的“画廊”。
创建slice和dashboard
一个被保存的查询叫做slice。点解Query按钮右侧的Save as按钮就可以创建一个slice：
点击Save as，在Save as窗口填写slice的名字，同时也可以将slice添加到一个新创建的dashboard中，或已经已经存在的dashboard中，当然也可以不添加到任何dashboard中（所以说，一个dashboard可以一起展示0个或多个slice）：
接下来，我们就可以在slice和dashboard中分别看到刚才新建的slice和dashboard：
进入到刚才新建的dashboard，可以通过拖拽表格的右下角，放大和缩小表格：
还可以通过右上角的 Move Chart来移动表格：
修改dashboard之后，需要点击保存按钮进行保存：
画出更漂亮的表格
在 superset入门教程 小节中，已经介绍过，可以通过superset load_examples命令导入一些测试数据，其中包含若干slice和dashboard，因此可以通过研究这些slice，来学习画出比Table View更“漂亮”的表格。
遇到的问题
superset 0.18.2依赖pandas 0.19.2，pandas依赖numpy，但是当numpy版本高于1.7.0的时候，运行superset会报错，所以本文是先安装numpy 1.7.0，然后安装的pandas 0.19.2 和 superset 0.18.2，这点可能和其他的教程有所不同。
待解决的事项
用户的权限控制
与Apache kylin集成