使用 Tableau 和 InfluxDB Cloud 预测和可视化时间序列
作者：Anais Dotis-Georgiou / 产品
2023 年 4 月 6 日
导航至
数据分析是任何企业或组织的关键方面，因为它有助于做出明智的决策和提高整体绩效。然而，随着每天生成的大量数据，手动分析和从中获取见解可能会让人感到难以承受。
值得庆幸的是，随着 Tableau 和 InfluxDB Cloud 等由 IOx 驱动的强大数据分析工具的出现，组织现在可以轻松地实时存储、处理和分析他们的数据。Tableau 是一款领先的数据可视化和商业智能软件，为创建交互式可视化和仪表板提供了直观且用户友好的界面。InfluxDB Cloud 是一个基于云的平台，构建于 Apache 生态系统之上，使组织能够大规模收集、存储和分析时间序列数据。IOx 存储引擎提供接近无限的基数以及高性能的存储和查询能力。
Tableau 和 InfluxDB Cloud 的结合为组织提供了强大的数据分析工具集。这种组合使组织能够快速创建引人入胜且富有洞察力的可视化效果，使他们能够更快地获得见解并做出数据驱动的决策。在这篇博文中，我们将探讨如何将 Tableau 与 InfluxDB Cloud 结合使用进行数据分析。我们将从 InfluxDB Cloud 上传 Parquet 文件到 Tableau，使用 SQL 进行查询，创建一些可视化效果，并使用 Tableau 预测我们的数据。
注意：InfluxDB Cloud 构建于包括 Apache Arrow Flight SQL 在内的 Apache 生态系统之上，这实现了与各种可视化工具的互操作性。但是，在您可以使用 JDBC Flight Arrow 驱动程序 将 Tableau 直接连接到 InfluxDB Cloud 服务器之前，还需要进一步开发。我遇到了以下问题 #24158。当 JDBC Flight Arrow 驱动程序可用时，这篇文章将更新以使用它。但是，InfluxDB Cloud 用户将来也能够直接查询 Parquet 文件并使用此处描述的方法。虽然这些功能目前尚不可用，但这篇文章旨在阐明 InfluxDB Cloud 的未来。
在 Tableau 中上传 Parquet 文件
在本教程中，我们将从 InfluxDB Cloud 加载 airSensor 示例数据集的一部分到 Tableau。具体来说，我们将加载传感器 TML0100 的温度、湿度和一氧化碳水平。您可以在 此存储库 中找到来自 InfluxDB Cloud 的 Parquet 文件、相应的 Parquet 到 Hyper 文件转换脚本以及生成的 Hyper 文件。
为了摄取 Parquet 文件，您必须首先将 Parquet 文件转换为 Hyper 文件。为了将我们的数据转换为 Hyper 文件，我们必须了解我们当前的数据是什么样的。使用以下命令查看列、类型以及它们是否可为空。
SHOW COLUMNS FROM “airSensors”此信息对于我们使用 Tableau Hyper API 构建 TableDefinition 时非常重要。
create_hyper_file_from_parquet_file.py 将 Parquet 文件转换为 Hyper 文件。其中大部分是样板代码。为了写入我们的数据，请关注以下代码部分
if __name__ == '__main__':
try:
# The `airSensors` table to read from the Parquet file.
table_definition = TableDefinition(
table_name="airSensors",
columns=[
TableDefinition.Column("co", SqlType.double(), NULLABLE),
TableDefinition.Column("humidity", SqlType.double(), NULLABLE),
TableDefinition.Column("sensor_id", SqlType.text(), NULLABLE),
TableDefinition.Column("temperature", SqlType.double(), NULLABLE),
TableDefinition.Column("time", SqlType.timestamp(), NOT_NULLABLE),
]
)
run_create_hyper_file_from_parquet(
"airSensors.parquet",
table_definition,
"airSensors.hyper")这是我们定义源 Parquet 文件“airSensors.parquet”的路径和目标 Hyper 文件“airSensors.hyper”的路径的地方。这也是我们创建 TableDefinition（SQL 表定义）的地方。我们使用来自 SHOW COLUMNS 命令的信息来告知我们的表 TableDefinition，airSensors，如 table_name 变量中定义的那样。在此处查看所有支持的 SqlTyes 类型 此处。如果脚本成功运行，您应该看到以下终端输出。
python3 create_hyper_file_from_parquet.py
COPY "airSensors" FROM 'airSensors.parquet' WITH (FORMAT PARQUET)
-- 2888 rows have been copied from 'airSensors.parquet' to the table "airSensors" in 'airSensors.hyper'.在 Tableau 中可视化来自 InfluxDB 的时间序列数据
要在 Tableau 中制作时间序列图，我们必须首先将 Hyper 文件加载到 Tableau 中。在到文件部分中，选择更多…，然后选择 Hyper 文件并单击打开。
现在您可以查看您的数据源和其中的数据。单击工作表 1以制作时间序列可视化效果。具体来说，我们将绘制随时间变化的一氧化碳水平图。
在工作表 1中，将 Co 值拖放到行架子上，将 Time 拖放到列架子上。要以正确的时间戳分辨率查看数据，请右键单击并选择更多。默认情况下，我们将可视化所有传感器的总和。
要查看每个传感器的原始 Co 值，请将 sensor_id 拖到标记面板中，并通过右键单击将其设置为维度。接下来，单击 sensor_id 右侧的图标，然后选择颜色以生成四色圆圈图标，并根据传感器值为每个一氧化碳时间序列分配颜色。
最后，右键单击行架子中的 Co 值，并将其从度量更改为属性，以生成 ATTR(Co) 而不是 SUM(Co)。
在 Tableau 中进行预测
Tableau 具有许多功能，包括预测。在 Tableau 中进行预测 的好处之一是它会自动执行算法选择，因此您可以专注于对预测数据采取行动，而不是生成预测。现在，让我们按照 此文档 生成 Co 值总和的预测。具体来说，转到“分析”选项卡，然后将预测拖到您的数据上。如果您收到错误“由于缺少值太多，无法计算预测”，请尝试通过在“列”架子中将时间分辨率更改为 MINUTE(Time) 来降低数据的分辨率。如果您在 Tableau 中预测数据时遇到其他错误，请查阅 以下文档。
最终想法
当使用 Tableau、Parquet 和 Hyper 文件时，我建议使用以下资源
- 随附本教程的 存储库。
- Tableau Hyper API 文档。
- Tableau Hyper API 示例，一个包含 Tableau 支持的 Hyper API 示例和社区支持的 Hyper API 示例的存储库，用于将数据转换为 Hyper 文件。
- 解决预测错误 文档。
- 创建预测 文档。要利用 InfluxDB IOx 的所有进步，请在此处注册 此处。如果您想联系 InfluxDB IOx 开发人员，请加入 InfluxData 社区 Slack 并查找 #influxdb_iox 频道。
我希望这篇博文能激发您探索 InfluxDB Cloud，并让您对它的未来感到兴奋——尤其是能够借助 Parquet 从 InfluxDB 传输大型数据集以使用您选择的工具进行数据处理的能力。如果您对这种互操作性感兴趣，请使用我们的 社区站点 或 Slack 频道联系我们。我很乐意了解您正在尝试实现的目标以及您希望 InfluxDB Cloud 具备哪些功能。
