Files
clickstream-ch-kafka-supers…/superset/init_superset.py
T
ddadmin 99731850f8 fix(superset): исправлена инициализация датасетов
- Добавлен clickhouse-sqlalchemy в Dockerfile для поддержки диалекта
- Изменен URI с clickhousedb:// на clickhouse+connect://
- Убран вызов fetch_metadata() в init_superset.py (вызывал ошибку диалекта)
- Датасеты создаются без предварительного fetch_metadata

Тестирование:
- Чистый запуск: 
- Перезапуск: 
- API: 
2026-02-11 00:12:04 +03:00

264 lines
9.3 KiB
Python

#!/usr/bin/env python3
"""
================================================================================
Скрипт инициализации Superset для проекта ClickHouse Mini DWH
================================================================================
Назначение:
- Создание подключения к ClickHouse (Database connection)
- Импорт датасетов из витрин DM-слоя
Запуск:
Внутри контейнера superset:
python /app/superset_init/init_superset.py
Важно:
Superset использует SQLite по умолчанию (не PostgreSQL).
Текущий подход:
1. CLI для создания подключения к БД
2. Superset shell для импорта датасетов (требуется app context)
Требования:
- Запущенный ClickHouse с созданными витринами в схеме dm
- Superset инициализирован (superset db upgrade, admin создан)
================================================================================
"""
import sys
import os
import logging
import subprocess
from urllib.parse import quote_plus
# Настройка логирования
logging.basicConfig(
level=logging.INFO,
format='%(asctime)s - %(levelname)s - %(message)s'
)
logger = logging.getLogger(__name__)
# Добавляем путь к superset
sys.path.insert(0, '/app')
CLICKHOUSE_USER = os.getenv('CLICKHOUSE_USER', 'default')
CLICKHOUSE_PASSWORD = os.getenv('CLICKHOUSE_PASSWORD', '123456')
CLICKHOUSE_HOST = os.getenv('CLICKHOUSE_HOST', 'clickhouse')
CLICKHOUSE_PORT = os.getenv('CLICKHOUSE_HTTP_PORT', '8123')
CLICKHOUSE_DATABASE = os.getenv('CLICKHOUSE_DATABASE', 'default')
def build_clickhouse_uri() -> str:
"""Собирает URI подключения к ClickHouse для Superset."""
user = quote_plus(CLICKHOUSE_USER)
password = quote_plus(CLICKHOUSE_PASSWORD)
host = CLICKHOUSE_HOST
port = CLICKHOUSE_PORT
database = quote_plus(CLICKHOUSE_DATABASE)
return f"clickhouse+connect://{user}:{password}@{host}:{port}/{database}"
def run_superset_cli(args):
"""Запуск команды superset CLI"""
cmd = ['superset'] + args
logger.info(f"Running: {' '.join(cmd)}")
result = subprocess.run(cmd, capture_output=True, text=True)
if result.returncode != 0:
logger.error(f"Command failed: {result.stderr}")
else:
logger.info(f"Command output: {result.stdout}")
return result.returncode == 0, result.stdout, result.stderr
def create_clickhouse_connection():
"""Создание подключения к ClickHouse через CLI"""
logger.info("Creating ClickHouse database connection...")
database_uri = build_clickhouse_uri()
# Создаем подключение через set-database-uri
# clickhouse-connect использует HTTP порт 8123 внутри Docker сети
success, stdout, stderr = run_superset_cli([
'set-database-uri',
'-d', 'clickhouse_dwh',
'-u', database_uri
])
if success:
logger.info("Successfully created ClickHouse database connection 'clickhouse_dwh'")
return True
else:
logger.error(f"Failed to create database connection: {stderr}")
logger.info("Please create manually via UI:")
logger.info("1. Go to: Settings → Database Connections → + Database")
logger.info("2. Select: ClickHouse")
logger.info(f"3. URI: {database_uri}")
return False
def import_datasets():
"""Импорт датасетов через Superset shell"""
logger.info("Importing datasets...")
datasets = [
{
"table_name": "v_events_enriched",
"schema": "dm",
"database_name": "clickhouse_dwh",
"description": "Полная обогащённая витрина событий (event + click)"
},
{
"table_name": "v_daily_traffic",
"schema": "dm",
"database_name": "clickhouse_dwh",
"description": "Агрегация трафика по дням и измерениям"
},
{
"table_name": "v_utm_effectiveness",
"schema": "dm",
"database_name": "clickhouse_dwh",
"description": "Эффективность UTM-кампаний"
},
{
"table_name": "v_top_pages_daily",
"schema": "dm",
"database_name": "clickhouse_dwh",
"description": "Популярность страниц по дням"
},
{
"table_name": "v_session_overview",
"schema": "dm",
"database_name": "clickhouse_dwh",
"description": "Обзор сессий пользователей"
},
{
"table_name": "dq_summary",
"schema": "dm",
"database_name": "clickhouse_dwh",
"description": "Сводка по качеству данных"
}
]
# Создаем Python скрипт для выполнения внутри superset shell
script_lines = [
"import clickhouse_connect # Регистрирует диалект clickhouse+connect",
"from superset.extensions import db",
"from superset.models.core import Database",
"from superset.connectors.sqla.models import SqlaTable",
"",
"# Получаем базу данных",
"database = db.session.query(Database).filter_by(database_name='clickhouse_dwh').first()",
"if not database:",
" print('ERROR: Database clickhouse_dwh not found')",
" exit(1)",
"",
"print(f'Found database: {database.database_name} (id={database.id})')",
"",
"imported = 0",
"refreshed = 0",
"errors = 0",
]
for ds in datasets:
table_name = ds["table_name"]
schema_name = ds["schema"]
description = ds["description"]
script_lines.extend([
"",
f"# Dataset: {table_name}",
(
"existing = db.session.query(SqlaTable).filter_by("
f"table_name={table_name!r}, schema={schema_name!r}"
").first()"
),
"if existing:",
f" print('Dataset {table_name} already exists')",
"else:",
" try:",
(
" dataset = SqlaTable("
f"table_name={table_name!r}, "
f"schema={schema_name!r}, "
"database_id=database.id, "
"database=database, "
f"description={description!r}"
")"
),
" db.session.add(dataset)",
" db.session.commit()",
f" print('Created dataset: {table_name} (metadata will be fetched on first use)')",
" imported += 1",
" except Exception as e:",
f" print(f'ERROR: failed to create {table_name}: {{e}}')",
" db.session.rollback()",
" errors += 1",
])
script_lines.extend([
"",
"print(f'Successfully imported {imported} datasets')",
"print(f'Refreshed metadata for {refreshed} datasets')",
"print(f'Errors: {errors}')",
"if errors > 0:",
" raise SystemExit(1)",
])
script_content = '\n'.join(script_lines)
# Запускаем через superset shell
cmd = ['superset', 'shell']
logger.info("Running datasets import via superset shell...")
result = subprocess.run(
cmd,
input=script_content,
capture_output=True,
text=True
)
if result.returncode != 0:
logger.error(f"Shell command failed: {result.stderr}")
return False
logger.info(f"Shell output:\n{result.stdout}")
if "ERROR" in result.stdout:
logger.error("Failed to import some datasets")
return False
logger.info("Datasets imported successfully")
return True
def main():
"""Главная функция инициализации"""
logger.info("=" * 60)
logger.info("Superset Initialization for ClickHouse Mini DWH")
logger.info("=" * 60)
# Создаем подключение к ClickHouse
if not create_clickhouse_connection():
logger.error("Failed to create ClickHouse connection")
sys.exit(1)
# Импортируем датасеты
try:
if not import_datasets():
logger.error("Failed to import datasets")
logger.info("\nTo create datasets manually:")
logger.info("1. Go to http://localhost:8088")
logger.info("2. Datasets → + Dataset")
logger.info("3. Select 'clickhouse_dwh' database")
logger.info("4. Select schema 'dm' and desired table")
sys.exit(1)
except Exception as e:
logger.error(f"Error importing datasets: {e}")
import traceback
traceback.print_exc()
sys.exit(1)
logger.info("=" * 60)
logger.info("Superset initialization completed successfully!")
logger.info("=" * 60)
if __name__ == "__main__":
main()