Tableau数据源详解
作者 | CDA数据分析师
Tableau内置的连接器可以连接到所有常用的数据源。
数据连接器
目前可以连接70多种数据源，分为本地连接和服务器连接。 Tableau支持的本地连接包括Excel、txt、csv、json等各类常见的源数据格式，还支持多种空间文件， 为使用地图分析提供了条件。
Tableau支持的服务连接包括各类数据库（如MySQL、Oracle、MongoDB）、在线数据服务（如google analtics）等，可以根据使用需要，与目标服务器建立连接关系。
如果以上提供的连接不满足您的需求，可以选择使用“其他数据库 (ODBC)”或“Web 数据连接器”创建自己的连接。
设置数据源
Tableau数据源是数据与Tableau之间的链接，本质上是数据、连接信息以及基于数据进行的自定义操作的总和。
数据源包含：
- 有关数据存储位置的信息，例如文件名和路径或网络位置。
- 有关如何连接到数据的详细信息，例如数据库服务器名称和服务器登录信息。
- 连接中任何表的名称，以及有关各个表如何相互关联的信息。
- 基于数据进行的自定义，例如计算、组和重命名字段等。
本地文件连接
打开Tableau Desktop进入数据连接界面，在连接到文件中选择要连接的文件类型。这里以Excel文件为例，单击“Microsoft Excel”在弹出的“打开”对话框中找到想要连接的文件。
双击或拖动表名至画布区，下方会显示数据预览。
数据库连接
在数据连接界面，连接到服务器中选择要连接的服务器。这里以“MySQL”为例，单击“MySQL”在弹出“MySQL”对话框输入服务器IP、端口号、用户名及密码即可登录到MySQL服务器。
建立连接后，在数据库列表中选择要连接的数据库，下方会显示当前数据库下可用的工作表。双击或拖动表名至画布区，下方会显示数据预览。
也可以双击或拖动“新自定义SQL”至画布区，输入SELECT语句以连接想要的数据。
剪贴板粘贴
- 在数据源选择好目标数据，并进行复制操作（Ctrl+C ）。
- 打开tableau，在连接窗口进行粘贴操作（Ctrl+V ）。
- 数据导入成功，tableau跳转到数据源页面。
组合数据源
在一个工作簿中可以同时创建不同的数据连接。
- 连接到MySQL数据库后，点击“添加”在弹出的“添加连接”对话框中单击“文本文件”，在弹出的“打开”对话框中找到想要连接的文件。
- 选择不同连接下的数据表先后双击或拖放至画布区，建立不同数据源下的表联结关系。
数据联结
当需要从多个数据表中获取数据时，则要用到数据联接操作。这里以两表联结为例，以两个表的共有字段作为关键字段来建立联结关系。 为了简单直观的操作演示，本文使用自制的Excel数据集demo，文件中包含table1和table2两个数据表。
联结方式
Tableau中支持四种联结方式：内联接、左联接、右联接和完全外部联接。通常情况，Tableau会自动判断两张表的关键字段并进行关联，如果关联不正确或关键字段不一致无法自动关联，可以手动进行关联。
- 内联结：仅保留两个数据表中具有相同关键字段的行。
- 左联结：包含左侧表中所有值以及右侧表中相对应的匹配值，如果右侧表中没有与左侧表相匹配的项，则会显示为null。
- 右联结：包含右侧表中所有值以及左侧表中相对应的匹配值，如果左侧表中没有与右侧表相匹配的项，则会显示为null。
- 完全外部联接：包含两个表中的所有值，如果一张表的值在另一张表中没有匹配项，则显示为null。
数据合并
当需要将有多个结构一致的数据表整合汇总在一起时，则可以使用数据合并。数据联接是横向扩展，数据合并是纵向增加。 进行数据合并的要求是，每个数据表的==字段名、个数、顺序和数据类型必须完全一致==。 为了简单直观的操作演示，本文使用自制的Excel数据集demo，文件中包含三个数据表。
手动数据合并
双击或拖放“新建并集”至画布区，将需要合并的数据表拖入弹出的并集（手动）对话框。
合并后的数据表包含三个数据表的所有数据，并且各字段一一对应。需要注意的是，新增了sheet和table%20name两个字段，用于说明并集中的值的来源。
自动数据合并
双击或拖放“新建并集”至画布区，在弹出的“并集”对话框中选择“通配符（自动）”。%20在“工作表”位置，将匹配内容改写为“班”，其中“班”是共有的名称，是通配符，用于匹配三个工作表。
合并后的数据表包含三个数据表的所有数据，并且各字段一一对应。需要注意的是，新增了path、sheet两个字段，用于说明并集中的值的来源路径及表名称。
数据连接方式
与数据源完成连接后，将数据表拖放至画布区，就可以在画布区看到“连接”方式的选择，分别是“实时”和“数据提取”。 实时：直接从数据源实时查询获取数据信息，Tableau不对源数据进行存储。 数据提取：将数据源的数据保存到本地计算机，大幅缩短Tableau查询载入源数据的时间。
为什么有两种连接方式
- 因为很多时候数据源的数据量很大，如果我们选择实时连接，会严重影响计算机的运行效率和性能。因此提供了数据提取的功能，可以只提取小部分数据到本地，开发完毕部署的时候，再选择实时连接获取全部最新的数据。
- 使用数据提取会在本地创建一个数据源的副本，然后可以在其他计算机上继续我们的工作，也可以把打包工作簿分享给那些无法直接访问数据源的用户。
数据提取
数据提取是保存的数据子集。%20在创建数据的数据提取时，可以通过使用筛选器和配置其他限制来减少数据总数。%20创建数据提取后，可使用原始数据中的数据对其进行刷新。在刷新数据时，可以选择进行完全刷新或增量刷新。 完全刷新：默认方式，每次都会重新获取数据源的数据，创建的本地副本与数据源一致。 增量刷新：仅刷新自上次数据提取后新增的行。
数据提取的优势
- 支持大型数据集：可以创建包含数十亿行数据的数据提取。
- 快速创建：如果使用大型数据集，则创建和使用数据提取可能比使用原始数据更快。
- 帮助提高性能：数据提取会在本地创建数据源的副本，不受服务器性能及网络的影响，大大提高了运行效率。
- 支持附加功能：数据提取可以利用原始数据不支持的Tableau功能，例如不重复计数计算功能。
- 提供对数据的离线访问权限：当原始数据不可用时，数据提取允许在本地保存和处理数据。
创建数据提取
选择数据提取后，会显示“编辑”和“刷新”按钮。单击“编辑”在弹出的“数据提取”对话框中设置数据提取的要求。
指定在数据提取中存储数据的方式
- 单个表：用于存储数据提取数据的默认结构，当使用数据提取筛选器、聚合、前 N 个等，可以使用“单个表”存储数据。
- 多个表：当表之间的所有联结均为等值 (=) 联结，联结关键字段的数据类型完全相同，未使用直通函数 (RAWSQL)，未配置增量刷新、数据提取筛选器、“前 N 个”或抽样的情况下，可以使用“多个表”方式存储数据提取。
PS：“单个表”和“多个表”选项只会影响数据提取中数据的存储方式，不影响数据提取中的表在“数据源”页面上的显示方式。 假设您的数据提取由三个表组成。如果直接打开配置为使用默认选项“单个表”的数据提取 (.hyper) 文件，在“数据源”页面上只会显示一个表。但是，如果打开使用打包数据源 (.tdsx) 文件的数据提取或包含其对应数据提取 (.hyper) 文件的数据源 (.tdsx) 文件，在“数据源”页面上可以看到包含数据提取的全部三个表。
指定要提取的数据量
- 筛选器：添加一个或多个筛选器，基于字段及字段值限制提取的数据量。
- 聚合：选择“聚合可视维度的数据”以使用度量的默认聚合，对数据进行聚合来合并行，可以最大限度地减少数据提取文件的大小并提高性能。 选择对数据进行聚合时，也可以选择按指定的日期级别（例如“年”、“月”等）来“汇总日期”。
- 行数：可以提取所有行或前N行。Tableau首先会应用筛选器和聚合，然后从经过筛选和聚合的结果中提取行数。 并非所有数据源都支持抽样。因此，在“提取数据”对话框中可能会看不到“抽样”选项。 数据提取中将不包括最初在“数据源”页面或工作表标签页中隐藏的任何字段。单击“隐藏所有未使用的字段”按钮可将这些隐藏字段从数据提取中移除。
设置完成后，单击工作表标签页可启动数据提取创建过程。在随后显示的对话框中，选择一个用于保存数据提取的位置，为该数据提取文件指定名称，然后单击“保存”即可。
在抽样数据与整个数据提取之间切换
当您使用大型数据提取时，您可能需要创建一个带数据样本的数据提取，以便每次将字段放在工作表标签页中的功能区上时，您都可以设置视图，同时避免长时间查询。然后，可以在使用带数据样本的数据提取和使用整个数据源之间进行切换，方法是在“数据”菜单中选择数据源，然后选择“使用数据提取”。
实时和数据提取的选择
什么情况下选择“实时”
- 源数据的保密性要求较高，处于安全考虑不希望保存到本地时，可以采取实时连接的方式。
- 需要实时更新源数据信息，并且对实时性的要求较高时，可以选择实时连接的方式。
什么情况下选择“数据提取”
- 不便于实时连接数据源，如数据是通过本地服务器获取，但又需要在别的电脑进行分析时，可以通过”数据提取“将所需分析的数据保存到本地电脑。
- 分析的数据量较大，需要提高数据载入效率，降低源数据库的访问压力时，可以通过数据提取将数据转移到本地计算机。
想要获取更多新鲜资讯和优质内容，可搜索进入我们的CDA小程序，不要错过了哟...
