Apache Superset — 开源 BI 平台

是什么

Apache Superset 是一个让你不用写前端、不用买 Tableau，靠浏览器就能拉数据画图做看板的开源 BI 平台。日常类比：你公司里那个”每天导 Excel、做透视表、截图发周报”的同事，被换成一个网页——任何人打开浏览器选数据源、写 SQL 或拖字段，立刻出图表、出看板、能分享。

它由 Airbnb 工程师 Maxime Beauchemin 在 2015 年内部做出来（同一个人也是 airflow 的作者），2016 年开源，2017 年捐给 Apache 基金会孵化，2021 年毕业成顶级项目，目前 GitHub ~63k stars，是开源 BI 里最活跃的项目之一。

为什么重要

不理解 Superset，下面这些事都没法解释：

为什么很多公司开始不再为 Tableau 付每人每年几百美元的 license——Superset 免费 + 开源
为什么数据团队能给业务方一个”自助查询入口”——SQL Lab 让懂 SQL 的人直接在浏览器里查仓库
为什么”50+ 种可视化”听起来夸张但确实需要——不同业务（地理 / 漏斗 / 时序）需要不同图表语言
为什么 Preset.io（Maxime 自己开的公司）能融到 1 亿美元——开源 + 托管是 BI 的新商业模式

核心要点

Superset 的结构可以拆成四块：

数据源接入：通过 sqlalchemy 抽象，一次接入支持 40+ 种数据库——Postgres / MySQL / BigQuery / Snowflake / Trino / clickhouse / druid / DuckDB 全打通。你只填一个连接串。
SQL Lab（浏览器里的 SQL IDE）：左边树形列表浏览数据库表，右边编辑器写 SQL，下面看结果。可以保存查询、把结果一键转成图表。这是 Superset 区别于纯看板工具的杀手锏。
可视化层：50+ 种图表，底层用 apache-echarts、Plotly、deck.gl 三家渲染。从最普通的折线 / 柱状 / 饼图，到桑基图、地理热力、3D 地图、漏斗、矩阵树图。每种图都是一个独立 React 组件。
看板（Dashboard）：把多个 Chart 拖到一个画布上，加交叉过滤（点一个柱子，其他图同时筛）、加时间范围控件、加权限控制。看板可以导出 JSON，用 git 版本管理。

后端是 Python flask + Celery（异步查询） + Redis（缓存），前端是 React + TypeScript。

实践案例

案例 1：5 分钟跑起来

docker run -d -p 8088:8088 \
  -e "SUPERSET_SECRET_KEY=$(openssl rand -hex 32)" \
  --name superset apache/superset

docker exec -it superset superset fab create-admin \
  --username admin --firstname A --lastname B \
  --email a@b.c --password admin
docker exec -it superset superset db upgrade
docker exec -it superset superset init

打开 http://localhost:8088，登录 admin/admin，添加一个 SQLite/Postgres 数据源，到 SQL Lab 写 SELECT * FROM users LIMIT 10，点”Create Chart”——5 分钟从安装到出图。

案例 2：SQL Lab 怎么用

写一句 SQL：

SELECT date_trunc('day', created_at) AS day,
       COUNT(*) AS signups
FROM users
WHERE created_at > NOW() - INTERVAL '30 days'
GROUP BY 1
ORDER BY 1;

点 Run，下面立刻出表格。点 “Explore”——Superset 把这个查询结果丢进 Chart Builder，你选 “Time-series Line Chart”，X 轴 day、Y 轴 signups，瞬间出折线图。再点 “Save”，把它扔到一个看板上，配上”过去 7 / 30 / 90 天”切换器，一个新人 onboarding 看板就做好了。

案例 3：Semantic Layer（语义层）

很多业务方不会写 SQL。Superset 让数据工程师预先在 Dataset 上定义”指标”：

metric_name: monthly_active_users
expression: COUNT(DISTINCT user_id)
filter: last_seen > NOW() - INTERVAL '30 days'

业务方在 Chart Builder 里就只看到一个下拉项 “Monthly Active Users”，点一下、选维度（按城市 / 渠道分组）、出图。SQL 复杂性被工程师吸收了。这一层叫语义层，是 looker 也在主推的概念。

案例 4：交叉过滤（Cross-Filter）

看板上有四张图：销售额柱状图（按地区）、订单数饼图（按渠道）、退款时序、客单价分布。打开”交叉过滤”开关后，点柱状图里”华东”的柱子——其他三张图同时只显示”华东”的数据。

这种交互对业务方探索数据极重要：“华东退款率为什么高？“——不用每张图都改筛选条件，点一下就联动。技术上，Superset 把过滤事件广播到看板里所有 Chart，每个 Chart 把自己原本的查询拼上一个 WHERE region = '华东'，重新拉数据。

案例 5：异步查询（Celery + Redis）

如果一条 SQL 跑 10 分钟（数仓常见），同步等会让浏览器超时。Superset 支持把查询丢给 celery worker 异步跑：

# superset_config.py 关键配置
RESULTS_BACKEND = RedisCache(host='localhost', port=6379, db=1)
class CeleryConfig:
    broker_url = 'redis://localhost:6379/0'
    imports = ('superset.sql_lab',)

前端轮询查询状态，跑完后从 Redis 拉结果。配上 trino 这种长查询场景，体验完全可用。

踩过的坑

OLTP 数据库直查会卡死：Superset 是个查询前端，不存数据。如果直接连生产 postgresql，业务方一个不带索引的 GROUP BY 就能把数据库压垮。生产部署必须接数仓（clickhouse / Snowflake / BigQuery）或加一层只读副本。
看板加载慢就是查询慢：看板 = N 个图 = N 条 SQL 并发。一个看板 20 张图 = 20 条查询同时打数据库。解决方案：开 Redis 查询缓存（默认关）+ 给数据集加 thumbnail cache + 物化预聚合表。
权限模型从 Flask-AppBuilder 继承，复杂：Superset 的角色 / 权限来自底层的 Flask-AppBuilder，新人配 RBAC 经常配错——把 “can read on Database” 当成”能看所有表”，其实还要单独给 Schema 级权限。生产部署强烈建议先读官方 RBAC 文档。
每个 Chart 类型是独立 React 包，升级要小心：Superset 把每种图表（line / bar / sankey）拆成独立 npm 包，升级主版本时某个 chart 的 props 可能不兼容，导致已有看板里的图 “白屏”。回归测试要覆盖。

适用 vs 不适用场景

适用：

自建 BI 平台、不想付 Tableau / Looker license 的中小公司
数据团队需要给业务方一个自助 SQL + 看板入口
已经有数仓（clickhouse / Snowflake / BigQuery / Trino），需要前端可视化

不适用：

实时监控告警（毫秒级刷新、阈值告警） → 用 grafana，它是为时序监控生的
需要复杂数据建模（cube / 多维 OLAP） → 看 Cube.dev / dbt + 上层
重度自定义可视化（科研级 D3 自由画） → Superset 的 50 种图是”多但定型”，超出就要自己写 plugin
离线分析报告（pdf / 邮件订阅）→ 内置订阅功能弱，要接 Alerts & Reports 模块外加 SMTP

历史小故事（可跳过）

2015：Maxime Beauchemin 在 Airbnb 数据团队，受不了把数据从 Hive 导出 → CSV → Tableau 的循环，自己写了个内部工具叫 “Caravel”。
2016：开源到 GitHub，半年涨 1 万 star。
2017-06：进 Apache 孵化器，改名 “Apache Superset”（避免 Caravel 商标问题）。
2018：Maxime 离开 Airbnb，创立 Preset.io，做托管版 Superset，融资 ~1 亿美元。
2021-01：Apache 顶级项目毕业，治理彻底社区化。

学到什么

BI 平台 = SQL 抽象 + 可视化抽象 + 多用户协作——Superset 用 SQLAlchemy / ECharts / Flask-AppBuilder 三个开源库各负责一块，自己只做”粘合”
开源 + 托管是新商业模式——Maxime 把 Airflow（送给 ASF 然后开 Astronomer）和 Superset（送给 ASF 然后开 Preset）连续做了两次
“自助 BI” 听着好但需要数据治理——给业务方 SQL 入口的前提是数仓干净 + 权限到位 + 指标统一定义，否则 100 个人写 100 种 DAU 定义
可视化是个庞大的工程问题——50+ 种图表、跨浏览器、跨数据源、还要交互联动；Superset 的代码量主要在前端 plugin 体系

关联

airflow —— 同一个作者 Maxime Beauchemin，对照看其设计哲学
grafana —— 开源可视化双雄，一个偏 BI 一个偏监控
clickhouse —— Superset 最常接的列存数仓
postgresql —— Superset 元数据库的默认选项
sqlalchemy —— Superset 接 40+ 数据源的抽象层
apache-echarts —— Superset 主要图表渲染引擎
flask —— Superset 后端 Web 框架
looker —— 商业 BI 对手，语义层做得更深