> 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/pt-br/iot-query/connection-setup/selecting-bi-tools/connecting-apache-superset.md). # Conectando o Apache Superset Conecte o Apache Superset ao IoT Query por meio do Motorista PostgreSQL. Configure a conexão com o banco de dados e crie painéis interativos de monitoramento de Frota Neste artigo, vamos percorrer o processo de conexão do Apache Superset com o banco de dados analítico. Para torná-lo mais ilustrativo, também criaremos um painel que se conecta ao banco de dados analítico e monitora o status em tempo real dos Veículos, tudo usando Apache Superset. {% hint style="info" %} Este guia faz parte da **IoT Query** suíte de documentação e cobre especificamente a conexão do Power BI ao seu data warehouse. Se você ainda estiver decidindo qual ferramenta de BI usar, consulte a [Selecionando ferramentas de BI](/docs/analytics/pt-br/iot-query/connection-setup/selecting-bi-tools.md) Visão geral. {% endhint %} ## Funcionalidades do painel * Exibir o número total de objetos * Visualizar status de Movimento dos Veículos (Em movimento/Parado/Estacionado) * Visualizar status de conexão (ativo/ocioso/offline) * Tabela detalhada com o status atual de todos os Veículos * Filtragem por tipo de veículo, Grupo, status de Movimento e status de conexão * Capacidades de exportação de dados e relatórios * Notificações e Alertas personalizáveis ## Requisitos técnicos * Docker e Docker Compose * Mínimo de 4 GB de RAM (8 GB recomendados) * 20 GB de espaço livre em disco * Linux/Windows com WSL2/macOS * Python 3.8+ * Acesso à internet para conexão com o banco de dados ## Instalação e configuração ### 1. Instalação com Docker (método recomendado) 1. Instale o Docker e o Docker Compose seguindo a documentação oficial: * [Instalação do Docker](https://docs.docker.com/engine/install/) * [Instalação do Docker Compose](https://docs.docker.com/compose/install/) 2. Baixe o arquivo 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 o Superset: ```sh docker-compose up -d ``` 4. Crie um administrador: ```sh docker-compose exec superset superset fab create-admin \\ --username admin \\ --firstname Superset \\ --lastname Admin \\ --email admin@superset.com \\ --password admin ``` 5. Inicialize o banco de dados: ```sh docker-compose exec superset superset db upgrade ``` 6. Carregue os exemplos e inicialize as funções: ```sh docker-compose exec superset superset init ``` ### 2. Instalação com pip (para desenvolvimento) 1. Crie um ambiente virtual: ```sh python -m venv venv source venv/bin/activate # for Linux/macOS # or .\venv\Scripts\activate # for Windows ``` 2. Instale o Superset: ```sh pip install apache-superset ``` 3. Inicialize o banco de dados: ```sh superset db upgrade ``` 4. Crie um administrador: ```sh export FLASK_APP=superset superset fab create-admin ``` 5. Carregue os exemplos e inicialize as funções: ```sh superset init ``` 6. Inicie o Superset: ```sh superset run -p 8088 --with-threads --reload --debugger ``` ## Conexão com o banco de dados 1. Faça login no Superset (padrão: ) 2. Navegue até Data → Databases 3. Clique em "+" para adicionar um novo banco de dados 4. Preencha os parâmetros de conexão: 1. Banco de dados: PostgreSQL 2. URI do SQLAlchemy: `postgresql://${DB_USER}:${DB_PASS}@${DB_HOST}:${DB_PORT}/${DB_NAME}` 3. Nome de exibição: Banco de dados analítico 4. Extra: `{"engine_params": {"connect_args": {"sslmode": "require"}}}` 5. Clique em **Testar conexão** para verificar a conexão 6. Salve as configurações ### Referência de parâmetros de conexão
Parâmetro do LakehouseLocal da configuração do Apache SupersetNotas
HostDB_HOST na URI do SQLAlchemyO endereço do servidor de banco de dados fornecido no seu e-mail de boas-vindas
PortaDB_PORT na URI do SQLAlchemyO padrão é 5432 para PostgreSQL
Nome do banco de dadosDB_NAME na URI do SQLAlchemyO nome do banco de dados atribuído a você
Nome de usuárioDB_USER na URI do SQLAlchemySeu nome de usuário do banco de dados
SenhaDB_PASS na URI do SQLAlchemySua senha segura do banco de dados
Modo SSLconnect_args nos parâmetros ExtraDefina como require na configuração JSON Extra
EsquemaConfiguração do conjunto de dadosEspecifique o esquema (raw_business_data ou raw_telematics_data) em cada conjunto de dados
## Importação de painéis e gráficos 1. Clone o [repositório bi-integratons:](https://github.com/Navixy/bi-integrations) repository: ```sh git clone https://github.com/Navixy/bi-integrations.git ``` 2. No Superset, vá para **Settings → Import/Export** 3. Importe os arquivos na seguinte ordem: 1. `datasets.json` - conjuntos de dados 2. `charts.json` - gráficos 3. `dashboards.json` - painéis 4. Depois de importar, atualize as conexões do banco de dados em cada conjunto de dados ## Solução de problemas ### Problemas de conexão com o banco de dados * **Erro de conexão:** Verifique se as credenciais e os parâmetros de conexão estão corretos * **Erro de firewall:** Certifique-se de que seu endereço IP esteja na lista de permissões * **Problemas de SSL:** Verifique as configurações de SSL nos parâmetros de conexão ### Problemas de desempenho * **Carregamento lento da visualização:** * Otimize as consultas SQL * Reduza o número de elementos exibidos simultaneamente * Use o cache de resultados * **Uso elevado de memória:** * Aumente os recursos do contêiner Docker * Otimize as consultas ao banco de dados ### Outros problemas Aqui estão alguns truques que podem ajudar você a corrigir problemas comuns: 1. Verifique os logs do Superset: ``` docker-compose logs superset ``` 2. Reinicie os contêineres: ``` docker-compose restart ``` 3. Limpe o cache do navegador 4. Verifique a versão do Superset e atualize se necessário ## Próximas etapas Depois de conectar com sucesso o Power BI à sua **IoT Query** instância, recomendamos que você: * Explore os esquemas de dados disponíveis revisando a [Visão geral do esquema](/docs/analytics/pt-br/iot-query/schema-overview.md) seção para entender melhor a estrutura e os relacionamentos dos dados. * Comece com consultas simples focadas em entidades de negócios específicas antes de criar painéis complexos - confira nossas [consultas de exemplo](/docs/analytics/pt-br/example-queries.md) como referência. ### **Suporte** Para dúvidas técnicas ou solicitações de acesso ao banco de dados de demonstração, entre em contato 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/pt-br/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 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.