目录
一、简介
二、Metabase入门级实践
三、ETL配置结合Python提取数据
四、生成图表看板
一、简介
1. Metabase：一个数据分析工具，可以用来查询数据、定制报表、数据可视化。
2. ETL：数据仓库技术，是英文Extract-Transform-Load的缩写。用来描述将数据从来源端经过抽取（Extract）、转换（Transform）、加载（Load）至目的端的过程。
二、Metabase入门级实践
1. 主页
1）根据你的数据实时这些透视：该区域显示一些数据表
2）分析：显示所有的仪表盘、问题和定时任务
3）我们的数据：已连接到Metabase的数据库的列表
2. 创建问题
1）简单查询：挑选并浏览数据，添加简单的过滤或聚合，然后将数据可视化
2）自定义查询：使用高级查询编辑器完成关联，创建自定义列，实现数学计算等更多高级功能
3）原生查询：通过写下自己的sql或者原生查询，回答更多复杂的疑问
3. 数据可视化
1）可以看到以上三个类型的”创建问题“，左下方都有”可视化“的按钮，点击按钮后，可配置”可视化方式“
2）假如我选择”组合“，也就是折线图和柱状图的组合，然后配置下图中的”数据、显示、坐标轴和标签”，即可形成类似右侧的图表
4. 保存问题并生成图表看板
1）完成数据可视化配置后，就可点击右上角的“保存”按钮，然后配置问题名字以及选择集合，点击保存按钮即可
2）保存问题后，会提示添加到仪表盘，添加后如下图所示（该仪表盘中有两个问题，且显示为图表的形式）
三、ETL配置结合Python提取数据
备注：ETL是一个工具，可以结合sql和python，生成新表。因为该工具是公司开发的，未开源，所以以下简单介绍一下用法。
1. 配置一个python文件（简称task），主要包含”表信息“、用于抽取数据的”sql语句“和用于处理sql中字段值的”python语句“
1）表信息（task_info）：配置task类型方式（纯sql、sql+python）、表名、表字段、数据库信息等
2）sql语句(extract)：比如：select * from table_name where age>=18
3）加载（preload):就是每次更新新表时，把历史数据全部清空。比如：delete from table_name
4）”python语句“(transform)：如果表中字段type的值是一段json，我想取出其中的某个值，就要用python取出来
比如type的值格式是：{"rate": "0.045", "days": "30"}，那么我如果只想取days作为新表中new_type的字段值，那么就需要python转换一下
new_type = json.loads('type')["days"]
2. 运行task后，可以按照配置在某数据库下生成一个新表，更新Metabase中的该数据库后，就可以使用Metabase查看表数据
3. 表中的数据如果需要每周期更新一次，就把task引入到run_daily.py文件（该文件中的task可按周期更新）中
四、生成图表看板
根据三中的步骤生成了新表后，就可以结合二中的”创建问题、数据可视化、保存问题并生成图表看板“一系列步骤，生成想要的图表看板
