叶剑烨 叶剑烨的个人注释 2018-01-17

人是视觉动物，要用数据把一个故事讲活，图表是必不可少的。如果你经常看到做数据分析同事，在SQL客户端里执行完查询，把结果复制/粘贴到 Excel 里再做成图表，那说明你的公司缺少一个可靠的数据可视化平台。数据可视化是 Business Intelligence（BI）中的核心功能，有许多成熟的商用解决方案，如老牌的 Tableau，Qilk，新生代的 Looker，国内的 FineBI 等等。不过对于许多小公司来说，这些服务的 License 费用是一笔不小的开销，且有一种“杀鸡用牛刀”的感觉。

那在开源软件如此发达的今天，在数据可视化方面，有什么靠谱的方案可以选择呢？今天给大家介绍三个比较知名的项目，分别是 Superset, Redash 和 Metabase。前两个我都在产生环境中实际使用过，在本文中会重点介绍。Metabase 我只是试玩了一下，但我觉得这是一个非常有想法的项目，所以也会和大家聊聊我对它的看法。

选择一个称手的工具，功能上能满足我的需求肯定是首要的。就先从功能需求讲起，我们的数据仓库用的是 Amazon Redshift（如果你没听过 Redshift，就把它看作是为大数据优化过的 PostgreSQL），所以大部分的实际用例都是要将一个 SQL 查询的结果可视化。我们所需的图表类型也就是常用的那几种，包括折线图，柱形图，饼图等。有了图表之后，接下去就是把相关的图表排版，生成报表页面（Dashboard）。

从数据安全性角度，我不希望每个员工都能自由访问所有的 Dashboard，所以每个 Dashboard 需要设置不同的访问级别。另外，我会看重它是否有 REST API，能否通过 API 来创建与管理报表，这部分我们放在以后的文章中再讲。

除了满足功能性需求，易用性与文档在评判一个工具时也是非常重要的。谁不想要一个简单好用，文档清晰的产品呢？

下面我们就从功能性、易用性与文档等方面，来看看这三个开源项目的实际表现吧

Superset

Superset 最初是由 Airbnb 的数据团队开源的，目前已进入 Apache Incubator，算是明星级的开源项目。老实讲，我也是被 Airbnb 与 Apache 两块金字招牌吸引才入了坑。目前公司绝大部分报表都在 Superset 上，大大小小有 50 个 Dashboard，包含了近 900 个图表。在使用 Superset 之前我们用的是 Looker（很不错的商用 BI 工具，可惜太贵），一年半前把 Looker 上所有的 Dashboard 迁移到 Superset 上，整个过程也很顺利。用了一年多，虽然在不少小地方有些不满意，但总体来说 Superset 很好地满足了公司现阶段在数据可视化与业务报表方面的需求。

当你把一个数据库连接到 Superset 上以后，你需要定义要用到的每一张表。Superset 里表的定义除了字段，还需要定义指标（Metric）。指标是对字段的某种统计结果，比如字段上值的求和、平均值、最大值、最小值等。是不是有点糊涂了？但请回想一下，BI 工具通常是用来做商业分析的。假想一个电商数据库，虽然在数据表我们存储每笔订单的交易额，但在商业分析时我们不关心单笔交易，我们关心的可能是一个时间段内的总交额，或是平均交易额。当你画月报表时，你不会把每笔交易画在图上，而是把每天的总交易额用一个柱形在图上表示。这就是为什么 Superset 要引入“指标”这个概念。

对于数据分析人员来说，由于在 Superset 上他们不是直接写 SQL，而是通过选择指标（Metric）, 分组条件（Group）和过滤条件（Filter）来画图表，所以在构建复杂查询时可能会有些不适应。另一个难题是 Superset 里的表不支持 join，如果一个图表里的数据要从多个数据表里取，那只能通过建视图来实现。Superset 在 0.11 版本之后加入 SQL Lab 功能，支持从 SQL 查询结果直接生成图表。可惜，由于这个功能与 Superset 的核心设计格格不入，所以实现得比较粗糙，没什么实用价值。

客观地讲，Superset 里引入自己的表与指标的概念，在逻辑上是合理的，在统一各种异型的数据源时也是必要的。但实际操作中仍会让人觉得有些麻烦，不够直接了当。

Superset 在可视化方面做得很出色，不但是开源领域中的佼佼者，也把很多商用 BI 工具甩在身后。在 0.20 版本中支持的图表类型已经达到了 36 种，而且在选择图表类型时，你可以看到每一种图表的缩略图，下面这张截图大家可以感受一下

Superset 的另一个亮点是可以在多个时间维度上观察，因为商业分析中的很多问题都是与时间密切相关的。Superset 有 4 种专门针对时间序列的图表，使用这些图表时，你需要指定一个字段为时间维度，之后就可以对时间维度做丰富的操作

• 从不同时间粒度去查看你关心的指标（小时/日/周/月/季度/年）

• 对时间序列做 rolling average，比如看一个指标的 7 日平均线

• 可以对时间序列做偏移，再做对比，比如把本周的销售业绩与上周同期放在一张图表中对比

• 不在图表上显示指标的绝对值，而是显示它随着时间变化的增长速度

以上这些都是在数据分析中非常实用的功能。

说完优点，再说说 Superset 的槽点，最大的槽点是当图表与报表多了以后，管理不方便。这个问题其实很好解决，只要在图表和报表管理时，加上分组或是文件夹的概念就可以了，但至今未见类似的功能。现在公司 900 多个图表都在一个大列表下，虽然 Superset 支持搜索，过滤或是收藏，但查找起来还是太麻烦。

Superset 的文档也比较糟糕，虽然在安装与快速入门方面提供了很完整的文档，但在具体功能的介绍方面文档严重缺失。就算有些功能有文档，文档的结构也很混乱，所以大部分功能只能自己去尝试，好在这个工具本身并不难用，自己去摸索各个功能也不太困难。

Redash

如果说 Superset 是构建一个 BI 平台，那 Redash 目标就是更纯粹地做好数据查询结果的可视化。Redash 支持很多种数据源，除了最常用的 SQL 数据库，也支持 MongoDB, Elasticsearch, Google Spreadsheet 甚至是一个 JSON 文件。

它不需要像 Superset 那样在创建图表前先定义表和指标，而是可以非常直观地将一个 SQL 查询的结果可视化，这使得它上手很简易。或者说 Redash 仅仅实现了 Superset 中 SQL Lab 的功能，但却把这个功能做到了极致。

Redash 有两个非常实用的功能，Query Snippet 与 Query Parameters。

Query Snippet 很好地解决了查询片段的复用问题。做数据报表时经常要用到十分复杂的 SQL 语句，这些语句中肯定有一些片段是可以在多个查询中复用的。在 Redash 中我们可以将这些片段定义成 Snippet，之后方便地复用。

Query Parameters 可以为查询添加可定制参数，让这个图表变得更灵活。比如一个移动应用的日活指标，我可能有时要按 iOS/Android 切分，有时要按地域切分，或是按新老用户切分。在 Superset 的 Dashboard 上我要做三个表图。Redash 里我可以把查询的 groupby 做为一个参数，这样就可以在一张图上搞定。用的时候，运营人员可以在图表上方的一个下拉框里选择切分的方式，非常直观好用。如下图所示

Redash 的 Dashboard 可以通过命名来进行分组，Dashboard 的名字可以有一个前缀并以冒号结尾，前缀相同的 Dashboard 就会自动被分为一组。例如“ Growth: Daily ”，“ Growth: Weekly ”这两个 Dashboard 都会被分到“ Growth ”组下。

相比 Superset，Redash 在文档方面做得更好，除了快速入门教程以外，每一个功能模块都有文档且条理清晰。

当然 Redash 也有自己的不足之处，它的可视化种类比 Superset 逊色不少（不过其实也够用了）。另外，由于它只是纯粹地把数据查询结果可视化，所以也没有 Superset 里那些对时间维度上的聚合与对比的操作。

Metabase

由于我并没有在生产环境下使用过 Metabase，只在自己本本上试用过这个工具。所以我只能说一下对它的第一印象。

刚开始用的就觉得这个工具的界面好漂亮，明显是经过 UI 设计师仔细调校过的。相对的，Superset 与 Redash 一看就是程序员充当设计师的产物。

用了一会儿之后，我觉得 Metabase 与 Superset 虽然都想要打造一个完整的BI平台，但在理念上是不同的。Metabase 非常注重非技术人员（如产品经理、市场运营人员）在使用这个工具时的体验，让他们能自由地探索数据，回答自己的问题。而在 Superset 或是 Redash 里，非技术人员基本上只能看预先建好的 Dashboard，不懂 SQL 或是数据库结构的他们，很难自己去摸索。我非常喜欢 Metabase 的理念，它更接近一款成熟的商业化产品。当然要把这个理念变为现实是很有挑战的，目前我不知道在面临复杂的真实业务环境中，Metabase 是否有想像中那样美好。

另外值得一提的是，Metabase 的文档也是三个项目中写得最好最完整的，内容非常丰富。

将来若是有机会，我很愿意更深入地去体验这个产品。

小结

本文简单地介绍了三个开源的数据可视化工具 Superset, Redash 和 Metabase，三者各有所长，我觉得并不存在绝对的最强者。对于刚刚开始搭建 BI 平台的公司，我相信它们都可以满足大部分报表与业务分析的需求。

虽然 Superset 是我们公司现在主要使用的可视化工具，但我问过自己“如果现在让我重新选择，我会使用哪个开源项目？”我的答案是 Redash，原因主要不是功能层面，而是技术层面。这里正好可以引出我们下篇要聊的内容，从技术框架与源代码层面来比较一下这三个项目，以及我选择开源项目的一些通用原则，敬请期待！

阅读原文