導讀

本篇內容是筆者在做 開箱即用的 BI 工具 系列的過程中的一些個人總結。為了保證文章的整體結構，特單獨提煉出這一篇關於 DataEase 的解析。各位讀者請放心，本篇內容會很獨立，沒有其他上下文也不影響閱讀。

正文

DataEase 簡介

DataEase 是開源的資料視覺化分析工具，幫助使用者快速分析資料並洞察業務趨勢，從而實現業務的改進與優化。DataEase 支援豐富的資料來源連線，能夠通過拖拉拽方式快速製作圖表，並可以方便地與他人分享。

這是其 官網文件 給的定義，其實跟其他 BI 視覺化工具一樣，都是為了能夠通過拖拽、點選等視覺化操作生成圖表。同時，它們可以從各種資料庫或其他資料來源匯入資料進行消費。如下圖官網給的示例。

可以在 線上體驗地址 體驗。快速瞭解其操作可以觀看 快速入門 和 DataEase入門教學視訊 的視訊。

設計分析

分析之前，我們要先提出關鍵問題，也就是分析什麼。 1. 各種資料來源的資料結構和型別都不太一樣，它是如何做到統一多種資料來源的？ 2. 每種圖表需要配置的屬性也不同，屬性最終要繫結到資料欄位上的，它是如何用視覺化的方式做到這種繫結的？ 其實這兩個問題適用於所有的 BI 視覺化工具，也是它們底層要解決的問題。下面我們來看下 DataEase 的解決思路，先上產品架構圖。

資料集

第一個重要的概念 —— 資料集，用它來解決資料來源統一的問題。資料集裡的資料型別只有：文字、時間、數值、數值（小數）、地理位置 這幾類。不管從什麼資料來源匯入的資料，都會被轉換為資料集。這裡拿比較特殊的 Excel 方式舉個例子，看其如何生成一個數據集。為方便理解概念，列一下與 MySQL 的對比： Excel | MySQL | 資料集 -|-|- 檔案 | 資料庫 | 資料集分組 Sheet | 表 | 資料集 列 | 欄位 | 欄位 行 | 記錄 | 記錄

這麼一列實際上就比較清楚了，如果看了 快速入門 的介紹視訊，可以知道，上傳 Excel 檔案並選擇 Sheet 後，就可以初步生成多個數據集了。那麼資料型別如何確定呢？

首先會根據 Excel 自帶的列資訊分析，匹配相應的資料型別。然後還提供了手動修改資料型別的功能。其他資料來源的接入也大同小異。通過提供自動分析 + 手動設定的功能，解決了各種資料來源資料型別與資料集資料型別的對映問題。

第 1 個問題解決完畢。

維度/指標

資料格式統一的問題通過資料集解決了，下面來看看檢視（圖表）的問題。

從產品架構圖可以看出，DataEase 支援 ECharts 和 AntV 兩種圖表庫，筆者毫不懷疑，如果還有更多圖表庫，DataEase 支援起來也不會太麻煩。那麼它們是如何做到的呢？我們看一下生成檢視的步驟：

從上圖可以看到，右側資料操作區分成了左右兩列。

• 左側是維度、指標列表。都是資料集裡的欄位，所以內容會根據選擇的資料集不同而變化；
• 右側是圖表屬性欄位。會根據選擇圖表型別的不同而變化； 我們可以注意到，圖表屬性每一項後面都標明瞭維度或指標，反應快的小夥伴應該已經明白了：DataEase 就是靠維度/指標的概念將資料集與圖表屬性關聯起來的。

試想一下，假設有另外一個圖表庫 xxCharts，只需要將圖表的各種屬性打上維度或指標的標籤，就可以直接接入 DataEase 的檢視體系，這就是抽象的魔力。

那麼維度和指標在資料集這邊是如何定義的呢？

首先，匯入資料時，DataEase 會根據欄位型別歸類，數值型別的為指標，字元、時間型別的為維度。然後，在資料集的欄位管理頁面下，可以修改欄位的維度/指標型別。

仍然是自動分析 + 手動設定的功能設計，解決了資料集的問題。至於圖表庫，那就需要 DataEase 在程式碼層面配置了。

第 2 個問題解決完畢。

結論

DataEase 通過增加資料集這個概念或者說是抽象，解決了不同資料來源資料格式統一的問題。這讓檢視層只需要考慮對資料集格式的適配即可，遮蔽了資料來源層面的複雜度。

再通過增加維度/指標的概念，讓資料集欄位（資料集層）和圖表屬性（即檢視層）得以解耦。

這兩個抽象最終達成的效果就是：一頭不怕資料來源的擴充套件，一頭不怕檢視層的擴充套件，整個架構讓兩頭都穩了，這就是抽象和架構設計的魔力。

All problems in computer science can be solved by another level of indirection.——David Wheeler

電腦科學領域的任何問題都可以通過增加一個間接的中間層來解決。——大衛·惠勒 更多 DataEase 系統架構相關的資料可以檢視官方文件：系統架構