Superset二次开发之筛选器native Filters 水平布局

引言

Apache Superset作为一个功能强大的开源数据探索和可视化平台,提供了丰富的配置选项来定制化用户体验。其中,HORIZONTAL_FILTER_BAR 是一个重要的配置项,专注于优化和改进Superset中的筛选器条布局与交互。

什么是HORIZONTAL_FILTER_BAR

HORIZONTAL_FILTER_BAR 是Superset中用于控制筛选器条(Filter Bar)水平布局的配置项。默认情况下,Superset的筛选器条是垂直排列的,即筛选器以列的形式堆叠在仪表板或图表的左侧或右侧。而当配置项 HORIZONTAL_FILTER_BAR 被启用时,筛选器条将以水平的方式显示在仪表板的顶部或底部,以更好地适应特定的布局需求和用户偏好。

效果展示

配置前

配置后

重点 "HORIZONTAL_FILTER_BAR": True,

python 复制代码
FEATURE_FLAGS = {
    **FEATURE_FLAGS,
    "foo": "bar",
    "KV_STORE": True,
    "SHARE_QUERIES_VIA_KV_STORE": True,
    "ENABLE_TEMPLATE_PROCESSING": True,
    "ALERT_REPORTS": True,
    "DASHBOARD_NATIVE_FILTERS": True,
    "DRILL_TO_DETAIL": True,
    "DRILL_BY": True,
    "HORIZONTAL_FILTER_BAR": True,
}

从技术角度来看,Superset 的 HORIZONTAL_FILTER_BAR 功能涉及几个关键组件和概念:

1. 前端组件和布局

  • FilterBox组件 :这是一个主要的前端组件,用于显示和管理过滤器。HORIZONTAL_FILTER_BAR 实际上是对 FilterBox 组件布局的调整,从传统的垂直布局改为水平布局。

  • CSS 样式 :水平过滤器栏的实现依赖于自定义的 CSS 样式。通过调整 FilterBox 组件的 CSS 属性,如 display, flex-direction, margin, 和 padding 等,可以实现水平排列过滤器。

  • 布局配置 :在仪表板的JSON配置中,可以定义布局方式和组件排列。这需要开发人员在配置中明确指定使用水平过滤器栏。一个典型的配置可能包括调整过滤器组件的 positionsize 参数。

2. 过滤器的管理和交互

  • 状态管理:前端使用 Redux 或类似的状态管理库来管理过滤器的状态。用户在水平过滤器栏中选择或修改过滤器时,这些更改会更新 Redux 状态树,并触发相关的重新渲染或数据请求。

  • URL参数同步 :Superset 通常通过 URL 参数来保持过滤器的状态,以便用户可以共享特定过滤条件下的仪表板视图。启用 HORIZONTAL_FILTER_BAR 后,过滤器的状态依然需要与 URL 参数同步,这需要对前端代码进行适当的调整和处理。

3. 后端逻辑和数据处理

  • 查询生成:当用户在水平过滤器栏中选择或更改过滤器时,Superset 的后端需要重新生成 SQL 查询。这涉及解析前端传来的过滤器条件,并将它们转换为数据库查询的一部分。

  • 数据缓存和优化 :为提高性能,后端可能会对常见的过滤条件进行数据缓存。启用 HORIZONTAL_FILTER_BAR 后,可能会增加特定过滤组合的查询频率,因此需要有效的缓存策略来减少数据库压力。

4. 可扩展性和定制化

  • 插件机制 :Superset 允许通过插件机制扩展和定制功能。如果需要进一步定制 HORIZONTAL_FILTER_BAR 的行为或样式,可以开发自定义插件。这些插件可以包括新的前端组件、定制的过滤器逻辑或新的数据处理方法。

  • API集成:在某些场景中,可能需要集成外部API来获取或处理过滤器数据。例如,如果过滤器涉及动态获取数据选项(如下拉列表),则可能需要与后端API交互来实时更新这些选项。

5. 安全性和权限控制

  • 基于角色的访问控制(RBAC):对于不同用户或角色,可能需要限制他们可以看到或使用的过滤器。例如,某些敏感数据的过滤器可能只对特定权限的用户开放。

  • 审计和日志记录 :为了确保数据安全和系统稳定性,可以在后端记录用户使用 HORIZONTAL_FILTER_BAR 的操作日志,包括哪些过滤器被使用、何时使用等信息。这有助于在出现问题时进行追溯和分析。

总的来说,HORIZONTAL_FILTER_BAR 的实现需要前端和后端的协同工作,以及对性能、安全性和用户体验的综合考虑。

相关推荐
秃头佛爷33 分钟前
Python学习大纲总结及注意事项
开发语言·python·学习
深度学习lover2 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
API快乐传递者3 小时前
淘宝反爬虫机制的主要手段有哪些?
爬虫·python
阡之尘埃5 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
丕羽8 小时前
【Pytorch】基本语法
人工智能·pytorch·python
bryant_meng8 小时前
【python】Distribution
开发语言·python·分布函数·常用分布
m0_594526309 小时前
Python批量合并多个PDF
java·python·pdf
工业互联网专业9 小时前
Python毕业设计选题:基于Hadoop的租房数据分析系统的设计与实现
vue.js·hadoop·python·flask·毕业设计·源码·课程设计
钱钱钱端10 小时前
【压力测试】如何确定系统最大并发用户数?
自动化测试·软件测试·python·职场和发展·压力测试·postman
慕卿扬10 小时前
基于python的机器学习(二)—— 使用Scikit-learn库
笔记·python·学习·机器学习·scikit-learn