文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。
Apache Superset™ 是一个开源的现代数据探索和可视化平台。对于许多团队来说，Superset 可以取代或增强专有的商业智能工具。Superset 可以与各种数据源很好地集成。
架构
Architecture
本页面旨在帮助新任管理员理解 Superset 的组成要素。
组件
一套 Superset 安装由以下组件构成：
- Superset 应用本身
- 元数据数据库
- 缓存层（可选，但某些功能必需）
- Worker & beat（可选，但某些功能必需）
可选组件及其关联功能
上述可选组件是启用以下功能所必需的：
如果使用 Kubernetes 或 Docker Compose 安装，上述所有组件都会被创建。
然而，通过 PyPI 安装仅会创建应用本身。通过 PyPI 安装的用户，如需启用上述功能，需自行配置缓存层、worker 和 beat。PyPI 安装中这些组件的配置不在本文档当前覆盖范围内。
以下是各组件的进一步详情。
Superset 应用
这是核心应用。Superset 的运作流程如下：
- 用户访问图表或仪表板
- 该操作触发向保存底层数据集的数据仓库发送 SQL 查询
- 结果数据以数据可视化形式呈现
- Superset 应用由 Python（Flask）后端应用（服务器）、API 层和通过 Webpack 构建的 React 前端，以及应用运行所需的静态资产组成
元数据数据库
此处存储图表和仪表板定义、用户信息、日志等。Superset 已测试可与 PostgreSQL 和 MySQL 数据库作为元数据数据库协同工作（请勿与数据源混淆，后者可以是如 Snowflake、Redshift 等更多种类的选项）。
一些安装方式（如我们的 Quickstart 和 PyPI）默认配置为使用 SQLite 本地数据库。在 Docker Compose 安装中，数据将存储在 PostgreSQL 容器卷中。这两种情况均不推荐用于生产环境的 Superset 实例。
对于生产环境，建议使用经过适当配置的独立托管数据库。无论使用何种数据库，都应定期备份。
缓存层
缓存层主要发挥两个作用：
- 存储对数据仓库的查询结果，使得图表第二次加载时从缓存中读取，加快应用速度并减轻数据仓库负载。
- 充当 worker 的消息代理，启用警报与报表、异步查询和缩略图缓存功能。
大多数人使用 Redis 作为缓存，但 Superset 也支持其他选项。详见 缓存文档。
Worker 和 Beat
指一个或多个执行任务的 worker，如运行异步查询、生成报表快照并发送邮件，以及一个“beat”，充当调度器并告知 worker 何时执行任务。大多数安装使用 Celery 作为这些组件。
其他组件
其他组件也可以集成到 Superset 中。了解额外配置的最佳位置是 配置页面。例如，可以设置负载均衡器或反向代理，在 Superset 应用前实现 HTTPS，或指定 Mapbox URL 以启用地理空间图表等。
若未建立某些配置设置，Superset 甚至无法启动，因此务必查阅该页面。
安装方式
应该如何安装 Superset？以下是对不同选项的比较。如果您先阅读了架构页面以了解 Superset 的各个组件，会有所帮助。
根本的权衡在于，您是需要自己处理更多细节工作，还是使用更复杂的部署路线来处理这些细节。
Docker Compose
摘要： 利用容器化，同时比 Kubernetes 更简单。这是试用 Superset 的最佳方式；也适用于开发并为 Superset 做出贡献。
如果您不仅仅是演示软件，则需要对 Docker 有中等程度的了解，以自定义部署并避免一些风险。即使经过全面优化，在大规模生产部署方面，这种方法也不如 Kubernetes 稳健。
您需要管理一个 superset-config.py 文件和一个 docker-compose.yml 文件。Docker Compose 会启动所有必要的服务——Superset 应用程序、Postgres 元数据数据库、Redis 缓存、Celery worker 和 beat。它们会自动相互连接。
责任
您需要备份元数据数据库。这可能意味着备份作为 Docker 容器运行的服务及其卷；理想情况下，您应在该容器之外将 Postgres 作为服务运行，并备份该服务。
您还需要扩展 Superset Docker 镜像。默认的 lean 镜像不包含访问元数据数据库（Postgres 或 MySQL）所需的驱动程序，也不包含访问数据仓库所需的驱动程序，以及警报和报告所需的无头浏览器。在演示 Superset 时，您可以运行 -dev 镜像，其中包含部分这些内容，但仍需为数据仓库安装驱动程序。-dev 镜像以 root 身份运行，不建议用于生产环境。
理想情况下，您将构建自己的 Superset 镜像，该镜像扩展自 lean，并添加部署所需的内容。请参阅构建您自己的生产 Docker 镜像。
Kubernetes (K8s)
摘要： 这是部署生产 Superset 实例的最佳实践方式，但技能要求最高——需要懂 Kubernetes 的人。
您将 Superset 部署到 K8s 集群中。最常见的方法是使用社区维护的 Helm chart，尽管目前正在实施 SIP-149 - Superset 的 Kubernetes Operator。
K8s 部署可以根据使用情况扩展和缩减，并可以零停机部署滚动更新——这些是大型部署所欣赏的功能。
责任
您需要构建自己的 Docker 镜像，并备份元数据数据库，如上所述。您还需要自定义 Helm chart 值，并部署和维护 Kubernetes 集群。
PyPI (Python)
摘要： 这是唯一不需要容器知识的方法。它需要最多的手动工作来部署、连接和维护每个组件。
您将 Superset 作为 Python 包安装并以这种方式运行，提供自己的元数据数据库。Superset 有关于如何以这种方式安装的文档，但更新不频繁。
如果需要缓存，您将设置 Redis 或 RabbitMQ。如果需要警报和报告，您将设置 Celery。
责任
您需要启动组件服务并使其相互通信。您需要安排备份元数据数据库。
升级时，您需要管理系统环境和包，并确保所有组件具有功能依赖项。
升级 Superset
Docker Compose
首先，务必关闭正在运行的 Docker Compose 容器：
docker compose down
接着，通过 git 更新与 superset 仓库同步的文件夹：
git pull origin master
然后，重新启动容器，任何已变更的 Docker 镜像将自动拉取：
docker compose up
手动更新 Superset
要在原生安装中升级 Superset，请运行以下命令：
pip install apache_superset --upgrade
升级元数据数据库
通过运行以下命令迁移元数据数据库：
superset db upgrade
superset init
升级 Superset 不应删除您的图表和仪表板，但我们建议遵循最佳实践，并在升级前备份元数据数据库。在升级生产环境之前，我们建议在测试环境中先进行升级，并最终在非高峰时段完成生产环境的升级。
Docker 构建、镜像与标签
Apache Superset 社区在开发、发布和生产化 Superset 时广泛使用 Docker。本页详细介绍我们的 Docker 构建和标签命名方案，帮助用户了解我们的镜像。
镜像通过 GitHub Actions 构建并推送到 Superset Docker Hub 仓库。不同镜像在不同时间点构建和/或发布：
- 已发布版本 (
release)：使用如5.0.0和latest标签发布。 - Pull Request 迭代 (
pull_request)：针对每个 Pull Request，我们主动构建 Docker 以验证构建，但出于安全原因不会发布这些镜像，仅执行docker build --load。 - 合并到主分支 (
push)：生成新的 SHA，标签前缀为master，表示最新的master版本。
构建预设
我们提供一组构建“预设”，每个预设代表一组构建参数组合，主要指向不同的构建目标层和/或基础镜像。
以下是可通过 supersetbot docker 工具使用的构建预设：
lean：默认 Docker 镜像，包含前端和后端。未指定构建预设的标签均为 lean 构建（如：latest、5.0.0、4.1.2等）。lean 构建不包含数据库驱动，意味着您需要自行安装。这适用于分析数据库 和元数据数据库。您可能需要根据所选元数据数据库，额外安装mysqlclient或psycopg2-binary，以及连接到分析数据库所需的其他驱动。dev：用于开发，包含无头浏览器、开发相关工具和 root 权限。此预设包含一些常用数据库驱动，如mysqlclient、psycopg2-binary以及其他用于开发/CI 的驱动。py311，例如 Py311：与 lean 类似，但使用不同的 Python 版本（此例中为 3.11）。ci：用于特定 CI 工作负载。websocket：用于支持高级功能的 Superset 集群。dockerize：由 Helm 在 initContainers 中使用，用于等待数据库依赖可用。
关键标签示例
latest：最新的官方发布构建latest-dev：最新官方发布构建的-dev镜像，包含无头浏览器和 root 权限。master：来自master分支的最新构建，隐式为 lean 构建预设master-dev：与master类似，但包含无头浏览器和 root 权限。pr-5252：PR 5252 中的最新提交。30948dc401b40982cb7c0dbf6ebbe443b2748c1b-dev：针对此特定 SHA 的构建，可能来自master合并或发布。websocket-latest：用于 Superset 集群的 WebSocket 镜像。
如需了解构建矩阵和标签约定的洞察或修改，请查看 supersetbot docker 子命令和 docker.yml GitHub 工作流。
构建您自己的生产 Docker 镜像
每个 Superset 部署将需要根据其数据仓库等安装不同的驱动，因此我们建议用户通过扩展 lean 镜像来构建自己的 Docker 镜像。
以下是一个示例 Dockerfile。请根据内联注释自定义所需的 Superset 版本和数据库驱动。注释还指出需要在配置文件中启用某个功能标志。
您可以使用 docker build -t mysuperset:latest . 或 docker build -t ourcompanysuperset:5.0.0 . 构建镜像。
# 将其更改为 apache/superset:5.0.0 或您想要构建的任何版本；
# 否则默认为 GitHub master 分支的最新提交
FROM apache/superset:master
USER root
# 为 Playwright 设置环境变量
ENV PLAYWRIGHT_BROWSERS_PATH=/usr/local/share/playwright-browsers
# 使用 uv 将包安装到虚拟环境中
# Superset 在 4.1 分支之后开始使用 uv；如果您从 apache/superset:4.1.x 或更早版本构建，
# 请将前两行替换为 RUN pip install \
RUN . /app/.venv/bin/activate && \
uv pip install \
# 安装 psycopg2 以使用 PostgreSQL 元数据存储 - 如果使用 MySQL 后端，则可能是 MySQL 包：
psycopg2-binary \
# 添加您的数据仓库的驱动，在此示例中我们展示 Microsoft SQL Server：
pymssql \
# 使用单点登录身份验证所需的包：
Authlib \
# openpyxl 用于上传 Excel 文件
openpyxl \
# Pillow 用于告警和报告以生成仪表板的 PDF
Pillow \
# 安装 Playwright 用于告警和报告的截图。假设功能标志 PLAYWRIGHT_REPORTS_AND_THUMBNAILS 已启用
# 该功能标志将在 6.0.0 起默认为 True
# Playwright 仅支持 Chrome。
# 如果您仍在使用 Selenium 而非 Playwright，则应在此处安装 selenium 包和无头浏览器及 webdriver
playwright \
&& playwright install-deps \
&& PLAYWRIGHT_BROWSERS_PATH=/usr/local/share/playwright-browsers playwright install chromium
# 切换回 superset 用户
USER superset
CMD ["/app/docker/entrypoints/run-server.sh"]
Dockerfile 中的关键 ARG
BUILD_TRANSLATIONS：是否将翻译构建到镜像中。对于前端构建，这告诉 webpack 从moment-timezone库中剥离除en以外的所有语言环境。对于后端，这会跳过编译*.po翻译文件DEV_MODE：是否跳过前端构建，这由我们的docker-compose开发设置使用
我们在其中挂载本地卷并使用webpack的--watch模式进行构建，这意味着当您更改本地文件系统中的代码时，docker 镜像中的 webpack 将持续重建前端。此 ARG 使初始docker-compose构建花费更少的时间和资源INCLUDE_CHROMIUM：是否在后台构建中包含 chromium，以便将其用作与“告警和报告”以及缩略图生成相关的工作负载的无头浏览器INCLUDE_FIREFOX：同上，但针对 firefoxPY_VER：指定 Python 后端的基础镜像，如果您不处理向前或向后兼容性问题，我们不建议更改此设置
缓存
为加快构建速度，我们遵循 Docker 最佳实践并使用 apache/superset-cache。
关于数据库驱动
我们的 Docker 镜像几乎不提供数据库驱动支持，因为
每个环境需要不同的驱动，维护一个具有广泛数据库支持的构建将既具有挑战性（数十种数据库、Python 驱动和操作系统依赖项）又效率低下（构建时间更长、镜像更大、层缓存命中率更低…）。
对于生产用例，我们建议您从我们的 lean 镜像派生并添加所需数据库的支持。
支持不同平台（即 arm64 和 amd64）
目前所有自动构建均为多平台，支持 linux/arm64 和 linux/amd64。这使得 helm 和 docker compose 等更高级别的构造可以指向这些镜像并有效实现多平台。
Pull Request 和 master 构建是每平台一个镜像，以便可以并行化，这些构建的构建矩阵更为稀疏，因为我们无需在每个平台上构建每个构建预设，通常可以更具选择性。
对于这些构建，我们在适用的情况下使用 -arm 后缀。
使用 Apple 芯片
Apple 当前一代计算机使用基于 ARM 的 CPU，而 MAC 上的 Docker 似乎需要 linux/arm64/v8（至少一位用户的 M2 配置为此方式）。将环境变量 DOCKER_DEFAULT_PLATFORM 设置为 linux/amd64 似乎可以发挥作用，并在此基础上利用 Superset 提供的构建。
export DOCKER_DEFAULT_PLATFORM=linux/amd64
推测 linux/arm64/v8 将更适合这一代芯片，但在 ARM 生态系统中的兼容性较低。
风险提示与免责声明
本文内容基于公开信息研究整理，不构成任何形式的投资建议。历史表现不应作为未来收益保证，市场存在不可预见的波动风险。投资者需结合自身财务状况及风险承受能力独立决策，并自行承担交易结果。作者及发布方不对任何依据本文操作导致的损失承担法律责任。市场有风险，投资须谨慎。