> For the complete documentation index, see [llms.txt](https://navixy.com/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://navixy.com/docs/analytics/es/iot-query/connection-setup/selecting-bi-tools/connecting-apache-superset.md). # Conexión con Apache Superset En este artículo, recorreremos el proceso de conexión de Apache Superset a la base de datos analítica. Para hacerlo más ilustrativo, también crearemos un panel que se conecta a la base de datos analítica y supervisa el estado en tiempo real de los vehículos, todo ello con Apache Superset. {% hint style="info" %} Esta guía forma parte del **Consulta IoT** paquete de documentación y, en concreto, cubre la conexión de Power BI a su almacén de datos. Si aún está decidiendo qué herramienta de BI utilizar, consulte la [Selección de herramientas de BI](/docs/analytics/es/iot-query/connection-setup/selecting-bi-tools.md) descripción general. {% endhint %} ## Características del panel * Mostrar el número total de objetos * Visualizar los estados de movimiento de los vehículos (en movimiento/detenido/estacionado) * Visualizar los estados de conexión (activo/inactivo/sin conexión) * Tabla detallada con el estado actual de todos los vehículos * Filtrado por tipo de vehículo, grupo, estado de movimiento y estado de conexión * Capacidades de exportación de datos e informes * Notificaciones y alertas personalizables ## Requisitos técnicos * Docker y Docker Compose * Mínimo 4 GB de RAM (se recomiendan 8 GB) * 20 GB de espacio libre en disco * Linux/Windows con WSL2/macOS * Python 3.8+ * Acceso a Internet para la conexión a la base de datos ## Instalación y configuración ### 1. Instalación con Docker (método recomendado) 1. Instale Docker y Docker Compose siguiendo la documentación oficial: * [Instalación de Docker](https://docs.docker.com/engine/install/) * [Instalación de Docker Compose](https://docs.docker.com/compose/install/) 2. Descargue el archivo oficial docker-compose: {% code overflow="wrap" %} ```sh curl -fL https://raw.githubusercontent.com/apache/superset/master/docker-compose-non-dev.yml -o docker-compose.yml ``` {% endcode %} 3. Inicie Superset: ```sh docker-compose up -d ``` 4. Cree un administrador: ```sh docker-compose exec superset superset fab create-admin \ --username admin \ --firstname Superset \ --lastname Admin \ --email admin@superset.com \ --password admin ``` 5. Inicialice la base de datos: ```sh docker-compose exec superset superset db upgrade ``` 6. Cargue los ejemplos e inicialice los roles: ```sh docker-compose exec superset superset init ``` ### 2. Instalación con pip (para desarrollo) 1. Cree un entorno virtual: ```sh python -m venv venv source venv/bin/activate # para Linux/macOS # o .\venv\Scripts\activate # para Windows ``` 2. Instale Superset: ```sh pip install apache-superset ``` 3. Inicialice la base de datos: ```sh superset db upgrade ``` 4. Cree un administrador: ```sh export FLASK_APP=superset superset fab create-admin ``` 5. Cargue los ejemplos e inicialice los roles: ```sh superset init ``` 6. Inicie Superset: ```sh superset run -p 8088 --with-threads --reload --debugger ``` ## Conexión a la base de datos 1. Inicie sesión en Superset (predeterminado: ) 2. Vaya a Datos → Bases de datos 3. Haga clic en "+" para añadir una nueva base de datos 4. Complete los parámetros de conexión: 1. Base de datos: PostgreSQL 2. URI de SQLAlchemy: `postgresql://${DB_USER}:${DB_PASS}@${DB_HOST}:${DB_PORT}/${DB_NAME}` 3. Nombre para mostrar: Base de datos analítica 4. Extra: `{"engine_params": {"connect_args": {"sslmode": "require"}}}` 5. Haga clic **Probar conexión** para verificar la conexión 6. Guarde la configuración ### Referencia de parámetros de conexión
Parámetro de LakehouseUbicación de la configuración en Apache SupersetNotas
HostDB_HOST en la URI de SQLAlchemyLa dirección del servidor de bases de datos proporcionada en su correo electrónico de bienvenida
PuertoDB_PORT en la URI de SQLAlchemyEl valor predeterminado es 5432 para PostgreSQL
Nombre de la base de datosDB_NAME en la URI de SQLAlchemyEl nombre de base de datos asignado a usted
Nombre de usuarioDB_USER en la URI de SQLAlchemySu nombre de usuario de la base de datos
ContraseñaDB_PASS en la URI de SQLAlchemySu contraseña segura de la base de datos
Modo SSLconnect_args en los parámetros ExtraEstablecer en require en la configuración JSON Extra
EsquemaConfiguración del conjunto de datosEspecifique el esquema (raw_business_data o raw_telematics_data) en cada conjunto de datos
## Importación de paneles y gráficos 1. Clone el [bi-integratons](https://github.com/SquareGPS/bi-intergrations) repositorio: ```sh git clone https://github.com/SquareGPS/bi-intergrations.git ``` 2. En Superset, vaya a **Configuración → Importar/Exportar** 3. Importe los archivos en el siguiente orden: 1. `datasets.json` - conjuntos de datos 2. `charts.json` - gráficos 3. `dashboards.json` - paneles 4. Después de importar, actualice las conexiones de la base de datos en cada conjunto de datos ## Solución de problemas ### Problemas de conexión a la base de datos * **Error de conexión:** Compruebe la exactitud de las credenciales y los parámetros de conexión * **Error de firewall:** Asegúrese de que su dirección IP se ha añadido a la lista de permitidos * **Problemas de SSL:** Compruebe los ajustes de SSL en los parámetros de conexión ### Problemas de rendimiento * **Carga lenta de las visualizaciones:** * Optimice las consultas SQL * Reduzca el número de elementos mostrados simultáneamente * Utilice la caché de resultados * **Alto uso de memoria:** * Aumente los recursos del contenedor Docker * Optimice las consultas a la base de datos ### Otros problemas Aquí tiene algunos trucos que pueden ayudarle a solucionar problemas comunes: 1. Revise los registros de Superset: ``` docker-compose logs superset ``` 2. Reinicie los contenedores: ``` docker-compose restart ``` 3. Borre la caché del navegador 4. Compruebe la versión de Superset y actualícela si es necesario ## Próximos pasos Después de conectar correctamente Power BI a su **Consulta IoT** instancia, le recomendamos que: * Explore los esquemas de datos disponibles revisando la sección [Resumen del esquema](/docs/analytics/es/iot-query/schema-overview.md) para comprender mejor la estructura y las relaciones de los datos. * Empiece con consultas sencillas centradas en entidades empresariales específicas antes de crear paneles complejos; consulte nuestras [consultas de ejemplo](/docs/analytics/es/example-queries.md) como referencia. ### **Soporte** Si tiene preguntas técnicas o solicita acceso a la base de datos de demostración, póngase en contacto con: --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://navixy.com/docs/analytics/es/iot-query/connection-setup/selecting-bi-tools/connecting-apache-superset.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.