简介

最近公司决定使用Apache superset来作为数据可视化和业务分析的工具，对比了Metabase 、DataEase、Superset，最终决定使用Superset，之前一直使用帆软report做的报表开发，总结一下superset优缺点：
优点：开源 + python 、业务人员可轻松操作（拖拉拽字段出图表）、较好的权限管控；
缺点：图表只支持单表配置（多表关联要写sql）、管理器控件（filter）比较单一、官方文档比较简单；

系统的部署

superset的部署方式多样，支持docker、k8s、pipy、虚拟环境，我这里使用的Anaconda 虚拟环境来部署的，当然也可以用minconda来部署，各有利弊，下面是大致的实操经历：

1. Anaconda 安装，这里不做说明，基本上就是傻瓜式操作；

2. 可以在Anaconda界面创建虚拟环境，也可以命令创建；
   在anaconda创建虚拟环境如上图，如果要是用命令创建虚拟环境和安装superset，可以参考以下链接，1-7步足以安装成功；
   本地部署开源数据探索和可视化平台 Superset（ Windows 版本）

3. 这里说一下superset_config.py内容，superset启动需要依靠superset_config.py启动，里面参数来自于superset/config.py，有需要就复制过来，不要直接修改superset/config.py的参数，superset_config.py配置好以后启动会替换config.py对应参数，这里我只配置了这几个参数，没有配置数据库，使用默认的sqlite，可以修改成mysql或者pgsql；

# SECRET_KEY
SECRET_KEY = "8441557832b32a563ae6b26b892bfeeccab05c9adca61f064370d" 

# 配置数据库的链接，用于存放superset的数据
# The SQLAlchemy connection string.
# SQLALCHEMY_DATABASE_URI = (
#    f"""sqlite:///{os.path.join(DATA_DIR, "superset.db")}?check_same_thread=false"""
)
# SQLALCHEMY_DATABASE_URI = 'mysql://myapp@localhost/myapp'
# SQLALCHEMY_DATABASE_URI = 'postgresql://root:password@localhost/myapp'

# 配置模板参数时是放在DEFAULT_FEATURE_FLAGS json中
DEFAULT_FEATURE_FLAGS: dict[str, bool] = {
    # 核心配置：启用模板处理
    "ENABLE_TEMPLATE_PROCESSING": True,

    # 允许在SQL中使用模板变量（4.x版本推荐显式开启）
    "TEMPLATED_FILTERS_ENABLED": True,

    # 4.x版本新增：允许在原生SQL中使用模板（关键配置）
    "ALLOW_ADHOC_SUBQUERIES": True

    # 注册自定义处理器（如果使用动态表名宏）
    # CUSTOM_TEMPLATE_PROCESSORS = {
    #    "doris": CustomDorisTemplateProcessor  # 确保与数据库engine匹配
    # }
}

4. 由于我是部署在Windows中，使用的是conda虚拟环境，需要在cmd里面启动superset，关闭cmd窗口后，都需要重新进入到虚拟环境，可以使用conda env list列出有哪些虚拟环境，conda activate 激活环境后，每次都要导入环境变量，我觉得这里应该可以在系统的环境变量里面设置好；

set FLASK_APP=superset
set SUPERSET_CONFIG_PATH=%USERPROFILE%\.superset\superset_config.py

5. 其他的就是创建数据库链接，创建数据集、创建图表和创建看板的基础操作；

重点1-动态表名的查询

公司系统里面有些表是按月存取的，表名都以固定的前缀+月份存取，比如user_location_202509这种样式，单表数据量也有几个G，如果要查询历史数据，就需要跨表查询，由于superset只能按照单表配置图表，sql lab执行不支持动态sql参数，如果要实现跨表查询应该怎么办呢，处理方法有下面几种：

1. 先将数据做聚合，然后再superset里面做呈现，聚合方式包括使用union all多个月的表后生成数据集、将表数据汇总成一个按月的分区表，然后在查询这个分区表，最后用筛选器来过滤每个月的数据，这样做缺点比较突出，如果每个月的数据量很大，聚合在一起查询性能较低；
2. 对superset做少量的二次开发，在superset/jinja_context.py文件增加函数来进行月份的转换，那月份如何来呢，这里就需要用到superset里面的时间筛选器了，当时间筛选器为空时，就将月份处理成当前月份，生成表user_location_202509（比如当前月是202509），如果不为空时，就将时间筛选器的时间传递给函数处理成要查询的月份，生成表user_location_202508；
3. 如果要找到在conda里面安装好的superset文件路径，可进行以下操作，缺点：这是安装包，不是开发版，不推荐修改，如果你想深入调试或修改 Superset，克隆官方源码 + 关联 Conda 环境（适合调试开发）；

# 激活superset虚拟环境
C:\Users\Administrator>conda activate superset

# 查看superset安装位置
C:\Users\Administrator>python -c "import superset; print(superset.__file__)"
D:\ProgramData\Anaconda3\envs\superset\lib\site-packages\superset\__init__.py

# 在 PyCharm 中打开 Superset 安装位置
# 直接打开 site-packages 中的 superset 目录
# D:\ProgramData\Anaconda3\envs\superset\lib\site-packages\superset

修改superset/jinja_context.py中的class ExtraCache类

class ExtraCache:
    """
    新增一个参数from_dttm，这个参数名称不要修改，因为这是superset时间筛选器的返回的开始日期的参数，
    另外还有个结束日期to_dttm，有需要的可以再添加
    """
	regex = re.compile(
	        r"(\{\{|\{%)[^{}]*?("
	        r"current_user_id\([^()]*\)|"
	        r"current_username\([^()]*\)|"
	        r"get_dynamic_table_name\([^()]*\)|"	# ✅ 新增下面的函数名称
	        r"current_user_email\([^()]*\)|"
	        r"cache_key_wrapper\([^()]*\)|"
	        r"url_param\([^()]*\)"
	        r")"
	        r"[^{}]*?(\}\}|\%\})"
	    )

    def __init__(
        self,
        extra_cache_keys,
        applied_filters,
        removed_filters,
        dialect,
        from_dttm=None,  # ✅ 新增参数
    ):
        self.extra_cache_keys = extra_cache_keys
        self.applied_filters = applied_filters
        self.removed_filters = removed_filters
        self.dialect = dialect
        self.from_dttm = from_dttm  # ✅ 保存

    def get_dynamic_table_name(self, base_name: str = "user_location_202508") -> str:	
	    """
	    ✅本次新增的参数，功能非常简单，用于测试，这里硬编码了表名称，也可以改为通用的
	    """
        from datetime import datetime
        import re

        ym = self.from_dttm.strftime("%Y%m") if self.from_dttm else datetime.now().strftime("%Y%m")
        return re.sub(r"\d{6}(?=(_real)?$)", ym, base_name)

修改 set_context

def set_context(self, **kwargs: Any) -> None:
    super().set_context(**kwargs)

    from_dttm = (
        self._parse_datetime(dttm)
        if (dttm := self._context.get("from_dttm"))
        else None
    )

    # ✅ 把 from_dttm 传给 ExtraCache
    extra_cache = ExtraCache(
        extra_cache_keys=self._extra_cache_keys,
        applied_filters=self._applied_filters,
        removed_filters=self._removed_filters,
        dialect=self._database.get_dialect(),
        from_dttm=from_dttm,  # ✅ 传入
    )

    dataset_macro_with_context = partial(
        dataset_macro,
        from_dttm=from_dttm,
        to_dttm=to_dttm,
    )

    # ✅ 使用 safe_proxy 包装
    self._context.update(
        {
            "url_param": partial(safe_proxy, extra_cache.url_param),
            "current_user_id": partial(safe_proxy, extra_cache.current_user_id),
            "current_username": partial(safe_proxy, extra_cache.current_username),
            "current_user_email": partial(safe_proxy, extra_cache.current_user_email),
            "cache_key_wrapper": partial(safe_proxy, extra_cache.cache_key_wrapper),
            "filter_values": partial(safe_proxy, extra_cache.filter_values),
            "get_filters": partial(safe_proxy, extra_cache.get_filters),
            "dataset": partial(safe_proxy, dataset_macro_with_context),
            "metric": partial(safe_proxy, metric_macro),
            # ✅ 安全注入：通过 safe_proxy 调用 ExtraCache 的方法
            "get_dynamic_table_name": partial(safe_proxy, extra_cache.get_dynamic_table_name),
        }
    )

最后在sql lab里面调用，就能够实现查询按月分表的数据表

SELECT * from {{get_dynamic_table_name()}}

重点2-将时间过滤器的值传入到子查询内部或CTE

按照superset官方文档的说明，时间过滤器只能作用在最外层sql的条件过滤，内层sql如果不优先过滤，对结果集进行查询会有较大的性能影响，特别是内层数据量较大的情况下，主要体现在响应速度上，我查看了官方文档SQL 模板-jinja模板的示例和查询其他大佬的示例，确实没有很明确的说明能解决上面的问题，经过不断尝试后，最后还真实现将时间过滤器的值传入到内层sql，这主要是在sql lab里面实现，大致配置如下：

# 先定义开始和结束参数，from_dttm 和to_dttm 也不用改动
{% set from_dttm = from_dttm %}
{% set to_dttm = to_dttm %}

with user_count as (
# 这里查询我们上面函数定义的表名称
select * from {{get_dynamic_table_name()}}
where 1=1
# 这里使用了between and，也可以用>=或在<=进行尝试
and create_date between {% if from_dttm is not none and from_dttm != "" %}'{{ from_dttm }}'
{% else %} CURRENT_DATE(){% endif %}
and {% if to_dttm is not none and to_dttm != "" %}'{{ to_dttm }}'
{% else %}DATE_ADD(CURRENT_DATE(), INTERVAL 1 DAY){% endif %}
)
select * from user_count 

总结

上面两个问题的解决方案虽然说不是最优的，甚至还有一些局使用场景限性，也有可能没有完全理解superset的精髓（毕竟接触不久），但是确实也是处理类似问题的一些参考，这里运用到了通义千问-qwen3，功能确实很强大，大家在遇到问题的时候可以多咨询下AI，确实能给我们的工作提高效率和便捷。下面几个图是用于测试验证的一些截图，大家可以做参考：


如果预先不定义from_dttm和to_dttm，需要设置Parameters参数

这里定义了from_dttm和to_dttm，不需要设置参数就能实现查询

这里用函数实现了动态表名的查询

这里选择3天进行查询，使用上面的数据集来测试看板及筛选器

参考及引用

1. 本地部署开源数据探索和可视化平台 Superset 并实现外部访问（ Windows 版本
2. Superset SQL模板功能深度解析：从基础使用到高级定制
3. Superset实现动态SQL查询
4. superset SQL 模板
5. Superset 二次开发之工具篇 Pycharm 搭建