有数BI支持的数据源

建立数据连接是使用BI的第一步，而建数据连接的前提是得有一个数据源，所有的报告、大屏等都是基于数据源中的数据进行绘制。可以说，数据源是BI的基石！本文将从数据源开始，向大家科普有数BI数据连接的各种知识。

一、已支持的数据源

首先来简单看一下现阶段（2022.6）有数BI支持的数据源类型。按照不同的维度，大致划分如下：

• 文本类数据源：Excel、CSV
• OLTP 数据库：MySQL、Oracle、SQL Server、DB2、达梦、PostgreSQL等
• SQL on Hadoop：Hive、Spark SQL、Impala、PrestoDB、Phoenix、Transwarp Inceptor、Kylin等
• OLAP 数据库：Teradata、Druid、Clickhouse、Doris、Greenplum、HANA、Vertica、MonetDB等
• 时序数据库：InfluxDB、NTSDB等
• 搜索引擎：Elasticsearch等
• 云数据库：AnalyticDB for MySQL等
• 其他：Restful API、自定义 API、数据填报、网易猛犸等

有数BI目前已支持30多种数据源，覆盖大部分版本和主流认证方式，已支持的数据源如下图所示：

这些数据源由有数BI的统一数据接入模块负责，系统根据用户对报告的操作进行推断，得到 SQL 后下发给数据源执行。当有数BI的可视化专家系统得到数据后，对其进行进一步处理，并绘制成专业的报表结构。

二、文本处理引擎

对于大部分用户来说，数据往往是存放在 EXCEL 这样的文本文件中，但这种文本无法用 SQL 进行查询。针对这种情况，我们的攻城狮们设计并实现了一个高性能文本处理引擎。当用户上传了 EXCEL 或 CSV 文件后，引擎会推断每行的数据类型。当使用文本类数据源绘制图表时，引擎根据系统下发的 SQL 构建 AST，从而得到最初的逻辑计划 (Logical Plan)；得到逻辑计划后，根据启发式优化器配合有数BI沉淀多年的优化规则进行进一步的优化，最后得到物理执行计划，如下图所示：

（文本处理引擎的简单实现原理）

三、数据源多版本兼容

在第一节中有提到，有数BI支持的数据源能够覆盖到各数据源的大部分版本。其实，看似简单的功能背后隐藏着很大的玄机。以 Hive 为例，0.x, 1.x 版本和2.x 版本接入的驱动完全不同，而数据源的版本数据连接的层面对用户来说是完全透明的。在不知道用户的数据源版本、又要保证不产生驱动冲突的前提下尽可能支持更多的数据源版本，可以算是个不小的挑战。

为此，我们的攻城狮们在数据接入层设计了一个驱动加载器，当遇到多个版本的数据源驱动时，会优先使用该加载器。加载器会判断在某个数据连接中使用的数据源版本，并自动加载该数据源版本对应的一组驱动，从而避免不同驱动互相影响造成的问题。

（加载器的实现原理）

四、认证方式

有数BI支持市面上主流的认证方式：

• 用户名+密码
• LDAP
• Kerberos

对于不同的认证方式，用户只需要根据数据连接页面上的提示，上传和填写所需的内容即可建立连接。

五、查询加速

有数BI还有一项重磅功能，就是查询加速功能。对于绝大部分用户来说，数据分析的速度自然是越快越好。尤其是数据监控场景，对查询延迟非常敏感。如何尽可能的提高查询效率，对于缩短查询时间是非常关键的。

依托于有数BI的智能缓存，数据接入层能够对报告的热点数据进行加速查询。将报告的 PV, UV 等数据代入到缓存优先级模型中，以此得到最优的查询效率。经测试，在复杂模型中多表关联的情况下，查询性能较不使用查询加速可提升200～800倍。

六、总结

本文介绍了有数BI在数据连接的一些知识，带您了解数据连接背后的一些硬核功能。作为一款可视化敏捷BI产品，不断追求技术突破、功能升级、服务优化是我们日常的必修课，每一次的更新，都是追求更好的体验。