基于Apache Superset和EMR Spark打造交互式数据探索平台

1 .基于Apache Superset和EMR Spark 打造交互式的数据探索平台 阿 里 云 智 能 EM R 李 呈 祥 

2 .目录 1 Superset介绍 2 EMR Spark JindoCube介绍 3 Demo 

3 .Apache Superset介绍 Part I 

4 .Apache Superset 1. 一个开源的数据展示和探索平台。 2. 支持丰富的图表类型，可灵活创建和分享 Dashboard。 3. 一 个 简 单 易 用 的 Semantic层 ， 方 便 用 户 决 定 如 何 在 UI上 展 示 数 据 。 4. 支持非常多的数据库，数据仓库。 

5 .Apache Superset 简 单 易 用 的 Semantic层 ： 定 义 要 展 示 的 数 据 1. Datasource&Chart Type 2. Time 3. Query 1. Dimension 2. Metric 3. Filter 4. Limit 

6 .EMR Spark JindoCube介绍 Part II 

7 .EMR Spark JindoCube：透明的Spark SQL加速器 Spark SQL查询 定期同步 创建JindoCube 使用JindoCube JindoCube数据 加速 通过提前对数据进行预计算和预组织加速Spark SQL 适用场景：MOLAP多维分析，数据Dashboard，BI报表等 

8 .EMR Spark JindoCube：透明的Spark SQL加速器 1. 使 用 任 意 表 和 View构 建 Cache。 2. Parquet/ORC/Delta高 效 的 列 式 存 储 。 3. 充 分 利 用 Spark引 擎 强 大 的 现 场 计 算 能 力 。 4. Spark SQL透 明 的 加 速 支 持 。 

9 .EMR Spark JindoCube：Raw Cache 1. 任 意 Table/View。 2. 可 选 择 需 要 cache的 数 据 列 。 3. 支 持 将 Cache数 据 存 储 在 任 意 Spark DataSource中 。 4. 支 持 cache数 据 的 分 区 。 5. 支 持 Zorder排 序 。 

10 .EMR Spark JindoCube：Cube Cache 1. 任 意 Table/View。 2. 选 择 Dim ension与 M etrics， 支 持 COUNT DISTINCT和 APPROX_COUNT_DISTINCT。 3. 支 持 将 Cache数 据 存 储 在 任 意 Spark DataSource中 。 4. 支 持 cache数 据 的 分 区 。 5. 支 持 Zorder排 序 。 

11 .Demo Part III 

12 .Star Schema Benchmark • 修 改 自 TPCH， 对 数 据 模 型 和 查 询 进 行 了 调 整 和简化。 • 星型数据模型，专门为典型数据仓库应用设 计 的 Benchmark。 

13 .THANKS/感谢聆听 商业智能部 小敏