标签：overview 架构 sum 制作 登录 product sele 数据源 用户名
第一步：准备低成本存储的业务数据和DLA表
OSS（https://www.aliyun.com/produc...）是云上低成本数据存储的优选方案
DLA（https://www.aliyun.com/produc...）是云上低成本、无服务器化的支持OSS数据查询、分析的优选方案
参考如下文档使用案例，准备OSS上存储的业务数据和DLA表：
https://yq.aliyun.com/article...
此步骤预计耗时：5分钟。
第二步：使用DataV访问DLA制作数据大屏
DataV（https://data.aliyun.com/visua...）是云上大数据可视化大屏的优选方案
以第一步中的业务数据为例，构建企业销售数据大屏，本大屏主要涉及三张表：
orders表，销售订单数据；
customer表，客户记录数据；
nation表，国家记录数据；
登录控制台DataV控制台：http://datav.aliyun.com/data，购买基础版：
使用“兼容MySQL”的方式，就能连接DLA服务，本例中基础版就能满足。
点击 “我的数据”，“添加数据”
编辑数据源：
选择“兼容MySQL数据库”类型；
名称按需进行命名；
根据在DLA控制台https://datalakeanalytics.con...（经典网络）和在阿里云站内信收到用户名、密码信息，填入相应栏目，选择目标的tpch数据库，确定保存。
点击 “我的可视化”，“新建可视化”
选择“销售实时监控模板”，点“创建”
本示例大屏中，目标显示各个国家的销售数据情况，把下面标红的框内的组件删除。
然后为了布局，美观，重新调整一个组件在画布上的位置。
为了显示各个国家的销售数据情况，需要世界地图，删除现有的中国地图组件，然后在导航栏的“地图”中选择“3D平面世界地图”。
4.1 给地图配置数据
根据如下操作，给地图render数据：
选择地图，在数据tab页面中，“数据源类型数据库选择已有数据源我的数据**”中配置的DLA数据源；
在SQL中，填入如下SQL，计算按国家销售额排序的数据；
select sum(o_totalprice) total_price, n_nationkey, n_name, n_id
from orders
join customer on o_custkey = c_custkey
join nation on c_nationkey = n_nationkey
group by n_nationkey, n_name, n_id
order by total_price desc;
字段id和value，分别填入上述SQL返回的n_id列和total_price列；
根据业务数据更新需求（见附一：架构示意），选择大屏数据“自动更新请求”，比如60秒一次；
然后点击“刷新数据”。
4.2 给总销售额配置数据
根据如下操作，给总销售额配置数据：
选择销售总额组件，在数据tab页面中，“数据源类型数据库选择已有数据源我的数据**”中配置的DLA数据源；
在SQL中，填入如下SQL，计算销售总额的数据；
select sum(o_totalprice) total_price
from orders;
字段value，填入上述SQL返回的total_price列；
根据业务数据更新需求（见附一：架构示意），选择大屏数据“自动更新请求”，比如60秒一次；
然后点击“刷新数据”。
4.3 给按国家销售排名配置数据
根据如下操作，给总销售额配置数据：
选择销售额国家排名组件，在数据tab页面中，“数据源类型数据库选择已有数据源我的数据**”中配置的DLA数据源；
在SQL中，填入如下SQL，计算按国家销售额排序的数据；
select sum(o_totalprice) total_price, n_nationkey, n_name
from orders
join customer on o_custkey = c_custkey
join nation on c_nationkey = n_nationkey
group by n_nationkey, n_name
order by total_price desc;
字段value和content，填入上述SQL返回的total_price列和n_name列；
根据业务数据更新需求（见附一：架构示意），选择大屏数据“自动更新请求”，比如60秒一次；
然后点击“刷新数据”。
点击右上角的“预览”，可以看到大屏发布后的效果。
确认无误后，可以进行发布：
此步骤预计耗时：10分钟。
附：架构示意
和使用传统数据库加DataV构建大屏相比，DataV + DLA + OSS的方案是另外一种低成本选择，在绝大部分频率较低的数据刷新的业务大屏场景下，DataV + DLA + OSS的方式远比DataV + 传统数据库的成本低。结合业务数据的产生，整体架构示意如下：
可能的业务数据产出的大屏数据刷新链路：
业务应用程序产出的增量数据，直接上传到OSS中，通过定时查询，刷新到业务数据大屏中；
业务应用程序产出的业务日志，采集到日志服务中，通过定时日志投递（最小5分钟延迟），投递到OSS中，再通过定时查询，刷新到业务数据大屏中。
标签：overview 架构 sum 制作 登录 product sele 数据源 用户名
原文地址：https://www.cnblogs.com/daomeidan/p/11912347.html
