> 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/fr/iot-query/connection-setup/selecting-bi-tools/connecting-apache-superset.md).

# Connexion à Apache Superset

Connectez Apache Superset à IoT Query via le pilote PostgreSQL. Configurez la connexion à la base de données et créez des tableaux de bord interactifs de surveillance de flotte

Dans cet article, nous allons passer en revue le processus de connexion d'Apache Superset à la base de données analytique. Pour rendre cela plus illustratif, nous allons également créer un tableau de bord qui se connecte à la base de données analytique et surveille le statut en temps réel des Véhicules, le tout à l'aide d'Apache Superset.

{% hint style="info" %}
Ce guide fait partie de la **IoT Query** suite de documentation et couvre spécifiquement la connexion de Power BI à votre entrepôt de données. Si vous hésitez encore sur l'outil BI à utiliser, consultez la [Sélection des outils BI](/docs/analytics/fr/iot-query/connection-setup/selecting-bi-tools.md) Vue d'ensemble.
{% endhint %}

## Fonctionnalités du tableau de bord

* Afficher le nombre total d'objets
* Visualiser les statuts de mouvement des Véhicules (En mouvement/Arrêté/Stationné)
* Visualiser les statuts de connexion (actif/inactif/Hors-ligne)
* Tableau détaillé avec l'état actuel de tous les Véhicules
* Filtrage par type de véhicule, Groupe, Mouvement et état de connexion
* Fonctionnalités d'exportation des données et des rapports
* Notifications et Règles d’alertes personnalisables

## Exigences techniques

* Docker et Docker Compose
* 4 Go de RAM minimum (8 Go recommandés)
* 20 Go d'espace disque libre
* Linux/Windows avec WSL2/macOS
* Python 3.8+
* Accès Internet pour la connexion à la base de données

## Installation et configuration

### 1. Installation avec Docker (méthode recommandée)

1. Installez Docker et Docker Compose en suivant la documentation officielle :

* [Installation de Docker](https://docs.docker.com/engine/install/)
* [Installation de Docker Compose](https://docs.docker.com/compose/install/)

2. Téléchargez le fichier docker-compose officiel :

{% code overflow="wrap" %}

```sh
curl -fL https://raw.githubusercontent.com/apache/superset/master/docker-compose-non-dev.yml -o docker-compose.yml
```

{% endcode %}

3. Démarrez Superset :

```sh
docker-compose up -d
```

4. Créez un administrateur :

```sh
docker-compose exec superset superset fab create-admin \\
  --username admin \\
  --firstname Superset \\
  --lastname Admin \\
  --email admin@superset.com \\
  --password admin
```

5. Initialisez la base de données :

```sh
docker-compose exec superset superset db upgrade
```

6. Chargez les exemples et initialisez les rôles :

```sh
docker-compose exec superset superset init
```

### 2. Installation avec pip (pour le développement)

1. Créez un environnement virtuel :

```sh
python -m venv venv
source venv/bin/activate  # pour Linux/macOS
# ou
.\\venv\\Scripts\\activate  # pour Windows
```

2. Installez Superset :

```sh
pip install apache-superset
```

3. Initialisez la base de données :

```sh
superset db upgrade
```

4. Créez un administrateur :

```sh
export FLASK_APP=superset
superset fab create-admin
```

5. Chargez les exemples et initialisez les rôles :

```sh
superset init
```

6. Démarrez Superset :

```sh
superset run -p 8088 --with-threads --reload --debugger
```

## Connexion à la base de données

1. Connectez-vous à Superset (par défaut : <http://localhost:8088>)
2. Accédez à Données → Bases de données
3. Cliquez sur "+" pour ajouter une nouvelle base de données
4. Renseignez les paramètres de connexion :
   1. Base de données : PostgreSQL
   2. URI SQLAlchemy : `postgresql://${DB_USER}:${DB_PASS}@${DB_HOST}:${DB_PORT}/${DB_NAME}`
   3. Nom d'affichage : Analytics Database
   4. Supplémentaire : `{"engine_params": {"connect_args": {"sslmode": "require"}}}`
5. Cliquez sur **Tester la connexion** pour vérifier la connexion
6. Enregistrez les paramètres

### Référence des paramètres de connexion

<table><thead><tr><th width="177.9090576171875">Paramètre Lakehouse</th><th>Emplacement du paramètre dans Apache Superset</th><th>Remarques</th></tr></thead><tbody><tr><td><strong>Hôte</strong></td><td><code>DB_HOST</code> dans l'URI SQLAlchemy</td><td>L'adresse du serveur de base de données fournie dans votre e-mail de bienvenue</td></tr><tr><td><strong>Port</strong></td><td><code>DB_PORT</code> dans l'URI SQLAlchemy</td><td>La valeur par défaut est 5432 pour PostgreSQL</td></tr><tr><td><strong>Nom de la base de données</strong></td><td><code>DB_NAME</code> dans l'URI SQLAlchemy</td><td>Le nom de base de données qui vous a été attribué</td></tr><tr><td><strong>Nom d'utilisateur</strong></td><td><code>DB_USER</code> dans l'URI SQLAlchemy</td><td>Votre nom d'utilisateur de base de données</td></tr><tr><td><strong>Mot de passe</strong></td><td><code>DB_PASS</code> dans l'URI SQLAlchemy</td><td>Votre mot de passe de base de données sécurisé</td></tr><tr><td><strong>Mode SSL</strong></td><td><code>connect_args</code> dans les paramètres supplémentaires</td><td>Réglez sur <strong>require</strong> dans la configuration JSON supplémentaire</td></tr><tr><td><strong>Schéma</strong></td><td>Configuration de l'ensemble de données</td><td>Spécifiez le schéma (<code>raw_business_data</code> ou <code>raw_telematics_data</code>) dans chaque ensemble de données</td></tr></tbody></table>

## Importation du tableau de bord et des graphiques

1. Clonez le [bi-integratons](https://github.com/Navixy/bi-integrations) dépôt :

```sh
git clone https://github.com/Navixy/bi-integrations.git
```

2. Dans Superset, allez à **Paramètres → Import/Export**
3. Importez les fichiers dans l'ordre suivant :
   1. `datasets.json` - ensembles de données
   2. `charts.json` - graphiques
   3. `dashboards.json` - tableaux de bord
4. Après l'importation, mettez à jour les connexions à la base de données dans chaque ensemble de données

## Dépannage

### Problèmes de connexion à la base de données

* **Erreur de connexion :** Vérifiez l'exactitude des identifiants et des paramètres de connexion
* **Erreur de pare-feu :** Assurez-vous que votre adresse IP est ajoutée à la liste d'autorisation
* **Problèmes SSL :** Vérifiez les paramètres SSL dans les paramètres de connexion

### Problèmes de performance

* **Chargement lent des visualisations :**
  * Optimisez les requêtes SQL
  * Réduisez le nombre d'éléments affichés simultanément
  * Utilisez la mise en cache des résultats
* **Utilisation élevée de la mémoire :**
  * Augmentez les ressources du conteneur Docker
  * Optimisez les requêtes de base de données

### Autres problèmes

Voici quelques astuces qui peuvent vous aider à corriger les problèmes courants :

1. Vérifiez les journaux de Superset :

```
docker-compose logs superset
```

2. Redémarrez les conteneurs :

```
docker-compose restart
```

3. Videz le cache du navigateur
4. Vérifiez la version de Superset et mettez-la à jour si nécessaire

## Étapes suivantes

Après avoir connecté avec succès Power BI à votre **IoT Query** instance, nous vous recommandons de :

* Explorez les schémas de données disponibles en consultant la [Vue d'ensemble du schéma](/docs/analytics/fr/iot-query/schema-overview.md) section afin de mieux comprendre la structure et les relations des données.
* Commencez par des requêtes simples axées sur des entités métier spécifiques avant de créer des tableaux de bord complexes - consultez nos [exemples de requêtes](/docs/analytics/fr/example-queries.md) pour référence.

### **Assistance**

Pour toute question technique ou demande d'accès à la base de données de démonstration, veuillez contacter : <support@squaregps.com>


---

# 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 by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://navixy.com/docs/analytics/fr/iot-query/connection-setup/selecting-bi-tools/connecting-apache-superset.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.