Apache Superset: полный курс

О чём курс

Трофим Воробьёв показывает, как развернуть Apache Superset и настроить его для анализа данных и работы с дашбордами. Вы установите необходимые инструменты, подключите базу данных, создадите датасет, чарт и дашборд. Затем перейдёте к настройке интерфейса, доступа, кэширования и интеграций.

Для развёртывания используется Docker. Автор разбирает переменные окружения, команды и контейнер инициализации, а также резервное копирование и восстановление данных. В курсе есть работа с внутренней базой Superset, подключение ClickHouse и разбор того, как Superset взаимодействует с СУБД и использует её ресурсы.

Что внутри

Для настройки аналитики вы используете Jinja и Handlebars, добавите слои аннотаций на графики и измените оформление элементов дашборда через CSS Templates. Автор показывает фильтры, теги и перевод интерфейса на русский язык. Отдельно разбираются работа с кэшем Redis и фоновые задачи Celery, включая отчёты и прогрев кэша.

В части управления доступом рассматриваются роли и разрешения RBAC, ограничения на уровне строк RLS и столбцов CLS. Для корпоративной аутентификации предусмотрена интеграция с Keycloak. Вы также познакомитесь с Superset API и Swagger, разберёте аутентификацию запросов, пагинацию и скрипты для обслуживания системы.

Кому подойдёт и что нужно знать

Курс рассчитан на тех, кто работает с данными или планирует этим заниматься. Для прохождения нужны SQL и Python: вы должны уметь писать запросы с выборкой, фильтрацией, группировкой и соединением таблиц, знать типы данных, функции и библиотеки Python. Опыт работы с Docker полезен, но установку можно повторять за преподавателем; знакомство с PyCharm или VSCode желательно.

Для работы с Docker автор рекомендует компьютер с процессором уровня Intel Core i5 8400, 8 ГБ оперативной памяти и 20 ГБ на диске. По его оценке, для практики могут хватить более скромных ресурсов: процессора i3, 4–5 ГБ памяти и не менее 10 ГБ на диске.