Data Formulator 与 Apache Superset 集成本地测试环境搭建与插件联通指南【免费下载链接】data-formulator Data Formulator is an interactive AI-powered data analysis system makes it easy to connect, explore and visualize data.项目地址: https://gitcode.com/GitHub_Trending/da/data-formulator本文基于仓库tests/database-dockers/superset/下的整套测试基建完整讲解如何用一条命令在本机拉起一个带示例数据与预置仪表盘过滤器的 Apache Superset 实例并将其接入 Data Formulator 的 Superset 数据插件。读完你将掌握启动/停止脚本的四种用法、测试数据与 DF Filter Test 仪表盘的构造原理、预定义过滤器与令牌免密登录SSO Bridge两条端到端测试路径以及不依赖脚本的手动部署方式与故障排查清单。一、这套测试环境解决什么问题Data Formulator 的 SupersetLoader 将 Apache Superset 视为一个分层数据源dashboard → dataset允许用户在 DF 中直接浏览仪表盘、加载数据集并应用预定义过滤器。而tests/database-dockers/superset/目录下的脚本与配置正是为验证这一插件而准备的最小可复现测试环境启动一个官方apache/superset容器测试固定使用 4.1.1 镜像自动完成数据库迁移、管理员创建、示例数据与自定义数据加载通过PLG_SUPERSET_URL环境变量让 DF 后端感知 Superset 地址并启用插件卡片额外注入一个/df-sso-bridge/端点见 superset_config.py用于测试用户在 Superset 侧登录、DF 免密获取 JWT的委托登录流程。整套环境可以用一个脚本控制无需手工敲docker compose与迁移命令。二、快速开始start.sh 的四种用法核心入口是 start.sh。首次运行需要下载镜像并执行迁移Superset 完整就绪约需2 分钟。# 同时启动 Superset 与 DF 后端首次运行 Superset 约需 2 分钟 ./tests/superset/start.sh # 或者分开启动 ./tests/superset/start.sh superset # 只启动 Superset ./tests/superset/start.sh df # 只启动 DF假设 Superset 已在运行 # 查看状态 ./tests/superset/start.sh status # 停止并拆除 Superset 容器 ./tests/superset/start.sh stop脚本内部的执行逻辑对应 start.sh 源码stop模式执行docker compose -f $COMPOSE_FILE down拆除容器加载环境变量依次读取tests/database-dockers/superset/.env.superset与仓库根目录.env若存在并设置默认值export PLG_SUPERSET_URL${PLG_SUPERSET_URL:-http://localhost:8088}启动 Superset若容器df-test-superset未在运行先docker rm -f清理同名残留容器避免端口/名称冲突再docker compose -f ... up -d --force-recreate随后以curl -sf http://localhost:8088/health轮询等待就绪启动 DF 后端优先用uv run data_formulator --port 5567 --dev无 uv 时回退到python -m data_formulator --port 5567 --dev。提示前端 Vite 开发服务器默认 http://localhost:5173需要另开终端自行npx vite启动脚本只负责后端与容器。三、启动后你得到了什么启动完成后两大服务与凭据如下摘自 README 的组件清单组件地址凭据Apache Supersethttp://localhost:8088admin/adminData Formulatorhttp://localhost:5567—3.1 三个自定义示例数据集init 流程 中的python /tmp/sample_data.py会在 Superset 的examplesSQLite 数据库中创建三张表实现见 sample_data.py表名行数描述df_test_sales100含日期、区域、产品、数量、价格的销售数据df_test_employees30含部门、入职日期、薪资的员工目录df_test_weather3653 个城市的每日天气读数如果superset load_examples --force成功还会附带 Superset 内置的官方示例数据集。3.2 预置测试仪表盘 DF Filter Test容器启动时会自动创建一个 slug 为df-filter-test、名为DF Filter Test的仪表盘并在其上配置了面向示例数据的原生过滤器native filters用于端到端验证插件中的预定义过滤器功能过滤器类型数据集列多选默认值Regionfilter_selectdf_test_salesregion是North, SouthProductfilter_selectdf_test_salesproduct否Widget ASale Datefilter_timedf_test_salesdate—最近一季度Quantity Rangefilter_rangedf_test_salesquantity—[5, 30]Departmentfilter_selectdf_test_employeesdepartment是Engineering从源码实现看sample_data.py采用了纯 sqlite3 直写的思路不依赖任何 Superset 导入create_tables()直接向/app/superset_home/examples.db写入表结构与random.Random(42)固定的伪随机数据保证可复现而add_native_filters_to_sales_dashboard()则直接修改/app/superset_home/superset.db中仪表盘记录的json_metadata注入native_filter_configuration数组每个元素含filterType、targets、controlValues、defaultDataMask等字段。这解释了 README 中表格里filter_select/filter_time/filter_range三种过滤器类型的来源。四、深入容器初始化流程拆解与直觉相反init-superset.sh并不是真正的入口——它只是被挂载进容器留作参考的占位脚本。真正的初始化序列定义在 docker-compose.yml 的entrypoint/command中entrypoint: [/bin/bash, -c] command: - | superset db upgrade # 1. 数据库迁移 superset fab create-admin \ # 2. 创建 admin 用户 --username admin --firstname Admin --lastname User \ --email adminexample.com --password admin || true superset init # 3. 初始化角色/权限 superset load_examples --force || echo Examples load failed (non-fatal) # 4. 内置示例 python /tmp/sample_data.py || echo Custom sample data load failed (non-fatal) # 5. 自定义数据 superset run -h 0.0.0.0 -p 8088 --with-threads --reload # 6. 启动服务其中第 5 步加载的是挂载进容器的./sample_data.py:/tmp/sample_data.py。容器还挂载了./init-superset.sh:/docker-entrypoint-initdb.d/init-superset.sh:ro参考用./superset_config.py:/app/pythonpath/superset_config.py:ro关键承载 SSO Bridge。健康检查healthcheck以curl -f http://localhost:8088/health为判据start_period: 120s给足首次迁移时间。环境变量方面值得注意几点SUPERSET_SECRET_KEY已配置测试用密钥TALISMAN_ENABLED: False关闭安全头允许弹窗嵌入SUPERSET_CORS_ENABLED: true且SUPERSET_CORS_ORIGINS显式放行localhost:5567 / 127.0.0.1:5567 / localhost:5173 / 127.0.0.1:5173四个来源DF 后端与 Vite 开发服务器PUBLIC_ROLE_LIKE: Gamma允许访客以 Gamma 角色浏览数据Gamma 是只读数据集访问的最低权限角色。五、测试插件连通从 DF 加载 Superset 数据集按 README 的操作路径连接插件的完整步骤如下启动两个服务./tests/superset/start.sh浏览器打开 http://localhost:5567点击Add Data上传按钮在Connect to Live Data下应能看到Apache Superset卡片点击卡片用admin/admin登录浏览数据集并加载一个到 Data Formulator这套流程背后的插件实现SupersetLoader.auth_mode()返回token即 JWT 令牌认证见 superset_data_loader.py。连接时支持三层优先级的认证策略显式传入的access_token来自 SSO Bridge 弹窗或凭据库sso_access_token触发_try_sso_exchange()调用POST /api/v1/df-token-exchange/需 Superset 侧部署 TokenExchangeView失败时静默降级用户名/密码走 SupersetAuthBridge.login() 调POST /api/v1/security/login请求体为{username, password, provider: db, refresh: true}。登录后目录层级为dashboard → datasetcatalog_hierarchy()返回[{key: dashboard}, {key: dataset}]未挂到任何仪表盘的数据集会出现在根目录的合成命名空间All Datasets下数据集实际取数走 Superset 的Chart Data APIPOST /api/v1/chart/data只需datasource access权限并自动套用行级安全RLSsource_table参数为数字形式的 dataset ID如42。如果你不想手动验证 UI仓库还提供了纯 mock 的单元测试 test_superset_data_connector.py用MockSupersetClient模拟 Superset API覆盖 connect/disconnect、目录浏览、元数据、取数、令牌刷新与前端配置下发等全部契约无需真实实例即可回归。六、预定义过滤器端到端测试DF 插件的过滤面板会读取 Superset 仪表盘的原生过滤器配置并映射为对应的控件启动两个服务./tests/superset/start.sh打开 http://localhost:5567 并连接 Supersetadmin/admin登录在 Superset 插件面板中切换到Dashboards视图选择DF Filter Test仪表盘挑选一个数据集如df_test_sales应弹出包含预定义过滤器的对话框Region多选下拉选项从 Superset 实时加载Product单选下拉Sale Date时间/日期范围选择器Quantity Range数值范围输入调整过滤值并点击 Load验证加载的数据确实被正确过滤这一能力在插件侧由两个方法支撑见 superset_data_loader.pyget_column_values()为下拉控件拉取列的去重值采用三级回退策略——先试GET /api/v1/datasource/table/{id}/column/{col}/values/再试GET /api/v1/dataset/distinct/{col}最后用 Chart Data API 的columns聚合GROUP BY 等价 DISTINCT兜底_build_chart_data_filters()把 DF 侧统一的过滤器 DSL如BETWEEN、IN、LIKE翻译成 Chart Data API 的{col,op,val}格式其中BETWEEN会被拆成与两条因为 Chart Data API 没有原生 BETWEEN 操作符。七、令牌免密登录SSO Bridge 流程这是测试环境最有价值的部分DF 不直接收集 Superset 密码而是复用 Superset 侧已有的登录会话签发 JWT。7.1 操作步骤启动两个服务./tests/superset/start.sh先在 Superset UIhttp://localhost:8088用admin/admin登录建立会话打开 http://localhost:5567Vite 开发模式下为 http://localhost:5173在 Superset 登录面板点击Login via Superset按钮弹出窗口打开 → Superset 识别已有会话 → 通过postMessage回传 JWT 令牌DF 收到令牌后即完成登录无需在 DF 侧输入任何凭据注意桥接依赖 Superset 侧的活跃会话第 2 步。若尚未登录 Superset弹窗会先跳转到 Superset 登录页。7.2 源码级实现SSO Bridge 是一个注册进 Superset 的 Flask Blueprint定义在 superset_config.py路由GET /df-sso-bridge/校验查询参数df_originDF 前端来源来源必须命中白名单_DEFAULT_DF_ALLOWED_ORIGINS含 5567/5173 的 localhost 与 127.0.0.1也支持通过环境变量DF_ALLOWED_ORIGINS追加未认证时使用_safe_next_path()只允许站内相对路径跳转到/login/?next...防止开放重定向已认证时调用flask_jwt_extended的create_access_token(identitycurrent_user.id, freshTrue)与create_refresh_token(...)签发令牌拼装{type: df-sso-auth, access_token, refresh_token, user: {...}}载荷返回一个内联 HTML 页面其script通过window.opener.postMessage(payload, targetOrigin)把令牌投递给 DF 前端窗口随后window.close()自动关闭弹窗。DF 侧插件据此生成登录配置auth_config()返回mode: sso_exchangelogin_url指向/df-sso-bridge/exchange_url指向/api/v1/df-token-exchange/PLG_SUPERSET_SSO_LOGIN_URL可覆盖默认登录地址。令牌过期后_ensure_token()会先解析 JWT 的exp声明判断是否过期带 60 秒缓冲无需请求 API过期后优先用 refresh token 调POST /api/v1/security/refresh注意 flask-jwt-extended 要求把 refresh token 放在Authorization: Bearer头而非 JSON body见 superset_auth_bridge.py失败再回退到用户名密码重新登录。八、不依赖脚本的手动部署如果不想用start.sh可以拆开手动执行等价流程# 1. 启动 Superset docker compose -f tests/superset/docker-compose.yml up -d # 2. 等待其健康就绪 docker logs -f df-test-superset # 3. 带插件环境变量启动 DF PLG_SUPERSET_URLhttp://localhost:8088 python -m data_formulatorPLG_SUPERSET_URL是插件启用的开关——delegated_login_config()只有在检测到该变量非空时才返回登录配置未设置时前端不会展示 Superset 登录入口。九、故障排查清单症状排查方向Superset 启动太慢首次运行需下载镜像并执行迁移观察docker logs df-test-superset插件标签页不显示确认PLG_SUPERSET_URL已设置并用./tests/superset/start.sh status核对状态登录失败确认 Superset 健康curl http://localhost:8088/health数据集不可见打开 http://localhost:8088 在 Data → Datasets 中检查若自动注册失败需手动添加df_test_*表端口冲突修改 docker-compose.yml 的端口映射并同步更新.env.superset十、相关源码与测试索引环境编排docker-compose.yml、start.sh、init-superset.sh数据与过滤器注入sample_data.pySSO Bridge 与特性开关superset_config.py插件后端实现superset_data_loader.py、superset_client.py、superset_auth_bridge.py契约级单元测试test_superset_data_connector.py若需在 CI 或多人协作中复用可先跑通 README 的快速开始命令再用test_superset_data_connector.py做不依赖环境的回归验证两条路径互为补充覆盖从真实容器到 API 契约的完整插件质量闭环。【免费下载链接】data-formulator Data Formulator is an interactive AI-powered data analysis system makes it easy to connect, explore and visualize data.项目地址: https://gitcode.com/GitHub_Trending/da/data-formulator创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/13 23:24:58 · 阅读 1.2k Data Formulator 与 Apache Superset 集成：本地测试环境搭建与插件联通指南
Data Formulator 与 Apache Superset 集成本地测试环境搭建与插件联通指南【免费下载链接】data-formulator Data Formulator is an interactive AI-powered data analysis system makes it easy to connect, explore and visualize data.项目地址: https://gitcode.com/GitHub_Trending/da/data-formulator本文基于仓库tests/database-dockers/superset/下的整套测试基建完整讲解如何用一条命令在本机拉起一个带示例数据与预置仪表盘过滤器的 Apache Superset 实例并将其接入 Data Formulator 的 Superset 数据插件。读完你将掌握启动/停止脚本的四种用法、测试数据与 DF Filter Test 仪表盘的构造原理、预定义过滤器与令牌免密登录SSO Bridge两条端到端测试路径以及不依赖脚本的手动部署方式与故障排查清单。一、这套测试环境解决什么问题Data Formulator 的 SupersetLoader 将 Apache Superset 视为一个分层数据源dashboard → dataset允许用户在 DF 中直接浏览仪表盘、加载数据集并应用预定义过滤器。而tests/database-dockers/superset/目录下的脚本与配置正是为验证这一插件而准备的最小可复现测试环境启动一个官方apache/superset容器测试固定使用 4.1.1 镜像自动完成数据库迁移、管理员创建、示例数据与自定义数据加载通过PLG_SUPERSET_URL环境变量让 DF 后端感知 Superset 地址并启用插件卡片额外注入一个/df-sso-bridge/端点见 superset_config.py用于测试用户在 Superset 侧登录、DF 免密获取 JWT的委托登录流程。整套环境可以用一个脚本控制无需手工敲docker compose与迁移命令。二、快速开始start.sh 的四种用法核心入口是 start.sh。首次运行需要下载镜像并执行迁移Superset 完整就绪约需2 分钟。# 同时启动 Superset 与 DF 后端首次运行 Superset 约需 2 分钟 ./tests/superset/start.sh # 或者分开启动 ./tests/superset/start.sh superset # 只启动 Superset ./tests/superset/start.sh df # 只启动 DF假设 Superset 已在运行 # 查看状态 ./tests/superset/start.sh status # 停止并拆除 Superset 容器 ./tests/superset/start.sh stop脚本内部的执行逻辑对应 start.sh 源码stop模式执行docker compose -f $COMPOSE_FILE down拆除容器加载环境变量依次读取tests/database-dockers/superset/.env.superset与仓库根目录.env若存在并设置默认值export PLG_SUPERSET_URL${PLG_SUPERSET_URL:-http://localhost:8088}启动 Superset若容器df-test-superset未在运行先docker rm -f清理同名残留容器避免端口/名称冲突再docker compose -f ... up -d --force-recreate随后以curl -sf http://localhost:8088/health轮询等待就绪启动 DF 后端优先用uv run data_formulator --port 5567 --dev无 uv 时回退到python -m data_formulator --port 5567 --dev。提示前端 Vite 开发服务器默认 http://localhost:5173需要另开终端自行npx vite启动脚本只负责后端与容器。三、启动后你得到了什么启动完成后两大服务与凭据如下摘自 README 的组件清单组件地址凭据Apache Supersethttp://localhost:8088admin/adminData Formulatorhttp://localhost:5567—3.1 三个自定义示例数据集init 流程 中的python /tmp/sample_data.py会在 Superset 的examplesSQLite 数据库中创建三张表实现见 sample_data.py表名行数描述df_test_sales100含日期、区域、产品、数量、价格的销售数据df_test_employees30含部门、入职日期、薪资的员工目录df_test_weather3653 个城市的每日天气读数如果superset load_examples --force成功还会附带 Superset 内置的官方示例数据集。3.2 预置测试仪表盘 DF Filter Test容器启动时会自动创建一个 slug 为df-filter-test、名为DF Filter Test的仪表盘并在其上配置了面向示例数据的原生过滤器native filters用于端到端验证插件中的预定义过滤器功能过滤器类型数据集列多选默认值Regionfilter_selectdf_test_salesregion是North, SouthProductfilter_selectdf_test_salesproduct否Widget ASale Datefilter_timedf_test_salesdate—最近一季度Quantity Rangefilter_rangedf_test_salesquantity—[5, 30]Departmentfilter_selectdf_test_employeesdepartment是Engineering从源码实现看sample_data.py采用了纯 sqlite3 直写的思路不依赖任何 Superset 导入create_tables()直接向/app/superset_home/examples.db写入表结构与random.Random(42)固定的伪随机数据保证可复现而add_native_filters_to_sales_dashboard()则直接修改/app/superset_home/superset.db中仪表盘记录的json_metadata注入native_filter_configuration数组每个元素含filterType、targets、controlValues、defaultDataMask等字段。这解释了 README 中表格里filter_select/filter_time/filter_range三种过滤器类型的来源。四、深入容器初始化流程拆解与直觉相反init-superset.sh并不是真正的入口——它只是被挂载进容器留作参考的占位脚本。真正的初始化序列定义在 docker-compose.yml 的entrypoint/command中entrypoint: [/bin/bash, -c] command: - | superset db upgrade # 1. 数据库迁移 superset fab create-admin \ # 2. 创建 admin 用户 --username admin --firstname Admin --lastname User \ --email adminexample.com --password admin || true superset init # 3. 初始化角色/权限 superset load_examples --force || echo Examples load failed (non-fatal) # 4. 内置示例 python /tmp/sample_data.py || echo Custom sample data load failed (non-fatal) # 5. 自定义数据 superset run -h 0.0.0.0 -p 8088 --with-threads --reload # 6. 启动服务其中第 5 步加载的是挂载进容器的./sample_data.py:/tmp/sample_data.py。容器还挂载了./init-superset.sh:/docker-entrypoint-initdb.d/init-superset.sh:ro参考用./superset_config.py:/app/pythonpath/superset_config.py:ro关键承载 SSO Bridge。健康检查healthcheck以curl -f http://localhost:8088/health为判据start_period: 120s给足首次迁移时间。环境变量方面值得注意几点SUPERSET_SECRET_KEY已配置测试用密钥TALISMAN_ENABLED: False关闭安全头允许弹窗嵌入SUPERSET_CORS_ENABLED: true且SUPERSET_CORS_ORIGINS显式放行localhost:5567 / 127.0.0.1:5567 / localhost:5173 / 127.0.0.1:5173四个来源DF 后端与 Vite 开发服务器PUBLIC_ROLE_LIKE: Gamma允许访客以 Gamma 角色浏览数据Gamma 是只读数据集访问的最低权限角色。五、测试插件连通从 DF 加载 Superset 数据集按 README 的操作路径连接插件的完整步骤如下启动两个服务./tests/superset/start.sh浏览器打开 http://localhost:5567点击Add Data上传按钮在Connect to Live Data下应能看到Apache Superset卡片点击卡片用admin/admin登录浏览数据集并加载一个到 Data Formulator这套流程背后的插件实现SupersetLoader.auth_mode()返回token即 JWT 令牌认证见 superset_data_loader.py。连接时支持三层优先级的认证策略显式传入的access_token来自 SSO Bridge 弹窗或凭据库sso_access_token触发_try_sso_exchange()调用POST /api/v1/df-token-exchange/需 Superset 侧部署 TokenExchangeView失败时静默降级用户名/密码走 SupersetAuthBridge.login() 调POST /api/v1/security/login请求体为{username, password, provider: db, refresh: true}。登录后目录层级为dashboard → datasetcatalog_hierarchy()返回[{key: dashboard}, {key: dataset}]未挂到任何仪表盘的数据集会出现在根目录的合成命名空间All Datasets下数据集实际取数走 Superset 的Chart Data APIPOST /api/v1/chart/data只需datasource access权限并自动套用行级安全RLSsource_table参数为数字形式的 dataset ID如42。如果你不想手动验证 UI仓库还提供了纯 mock 的单元测试 test_superset_data_connector.py用MockSupersetClient模拟 Superset API覆盖 connect/disconnect、目录浏览、元数据、取数、令牌刷新与前端配置下发等全部契约无需真实实例即可回归。六、预定义过滤器端到端测试DF 插件的过滤面板会读取 Superset 仪表盘的原生过滤器配置并映射为对应的控件启动两个服务./tests/superset/start.sh打开 http://localhost:5567 并连接 Supersetadmin/admin登录在 Superset 插件面板中切换到Dashboards视图选择DF Filter Test仪表盘挑选一个数据集如df_test_sales应弹出包含预定义过滤器的对话框Region多选下拉选项从 Superset 实时加载Product单选下拉Sale Date时间/日期范围选择器Quantity Range数值范围输入调整过滤值并点击 Load验证加载的数据确实被正确过滤这一能力在插件侧由两个方法支撑见 superset_data_loader.pyget_column_values()为下拉控件拉取列的去重值采用三级回退策略——先试GET /api/v1/datasource/table/{id}/column/{col}/values/再试GET /api/v1/dataset/distinct/{col}最后用 Chart Data API 的columns聚合GROUP BY 等价 DISTINCT兜底_build_chart_data_filters()把 DF 侧统一的过滤器 DSL如BETWEEN、IN、LIKE翻译成 Chart Data API 的{col,op,val}格式其中BETWEEN会被拆成与两条因为 Chart Data API 没有原生 BETWEEN 操作符。七、令牌免密登录SSO Bridge 流程这是测试环境最有价值的部分DF 不直接收集 Superset 密码而是复用 Superset 侧已有的登录会话签发 JWT。7.1 操作步骤启动两个服务./tests/superset/start.sh先在 Superset UIhttp://localhost:8088用admin/admin登录建立会话打开 http://localhost:5567Vite 开发模式下为 http://localhost:5173在 Superset 登录面板点击Login via Superset按钮弹出窗口打开 → Superset 识别已有会话 → 通过postMessage回传 JWT 令牌DF 收到令牌后即完成登录无需在 DF 侧输入任何凭据注意桥接依赖 Superset 侧的活跃会话第 2 步。若尚未登录 Superset弹窗会先跳转到 Superset 登录页。7.2 源码级实现SSO Bridge 是一个注册进 Superset 的 Flask Blueprint定义在 superset_config.py路由GET /df-sso-bridge/校验查询参数df_originDF 前端来源来源必须命中白名单_DEFAULT_DF_ALLOWED_ORIGINS含 5567/5173 的 localhost 与 127.0.0.1也支持通过环境变量DF_ALLOWED_ORIGINS追加未认证时使用_safe_next_path()只允许站内相对路径跳转到/login/?next...防止开放重定向已认证时调用flask_jwt_extended的create_access_token(identitycurrent_user.id, freshTrue)与create_refresh_token(...)签发令牌拼装{type: df-sso-auth, access_token, refresh_token, user: {...}}载荷返回一个内联 HTML 页面其script通过window.opener.postMessage(payload, targetOrigin)把令牌投递给 DF 前端窗口随后window.close()自动关闭弹窗。DF 侧插件据此生成登录配置auth_config()返回mode: sso_exchangelogin_url指向/df-sso-bridge/exchange_url指向/api/v1/df-token-exchange/PLG_SUPERSET_SSO_LOGIN_URL可覆盖默认登录地址。令牌过期后_ensure_token()会先解析 JWT 的exp声明判断是否过期带 60 秒缓冲无需请求 API过期后优先用 refresh token 调POST /api/v1/security/refresh注意 flask-jwt-extended 要求把 refresh token 放在Authorization: Bearer头而非 JSON body见 superset_auth_bridge.py失败再回退到用户名密码重新登录。八、不依赖脚本的手动部署如果不想用start.sh可以拆开手动执行等价流程# 1. 启动 Superset docker compose -f tests/superset/docker-compose.yml up -d # 2. 等待其健康就绪 docker logs -f df-test-superset # 3. 带插件环境变量启动 DF PLG_SUPERSET_URLhttp://localhost:8088 python -m data_formulatorPLG_SUPERSET_URL是插件启用的开关——delegated_login_config()只有在检测到该变量非空时才返回登录配置未设置时前端不会展示 Superset 登录入口。九、故障排查清单症状排查方向Superset 启动太慢首次运行需下载镜像并执行迁移观察docker logs df-test-superset插件标签页不显示确认PLG_SUPERSET_URL已设置并用./tests/superset/start.sh status核对状态登录失败确认 Superset 健康curl http://localhost:8088/health数据集不可见打开 http://localhost:8088 在 Data → Datasets 中检查若自动注册失败需手动添加df_test_*表端口冲突修改 docker-compose.yml 的端口映射并同步更新.env.superset十、相关源码与测试索引环境编排docker-compose.yml、start.sh、init-superset.sh数据与过滤器注入sample_data.pySSO Bridge 与特性开关superset_config.py插件后端实现superset_data_loader.py、superset_client.py、superset_auth_bridge.py契约级单元测试test_superset_data_connector.py若需在 CI 或多人协作中复用可先跑通 README 的快速开始命令再用test_superset_data_connector.py做不依赖环境的回归验证两条路径互为补充覆盖从真实容器到 API 契约的完整插件质量闭环。【免费下载链接】data-formulator Data Formulator is an interactive AI-powered data analysis system makes it easy to connect, explore and visualize data.项目地址: https://gitcode.com/GitHub_Trending/da/data-formulator创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考