大部分我們的資料處理作業在完成計算以後，都希望能夠把結果可視化的展示出來，形成類似每日報表這樣的東西，供大家直覺的檢視。
或者能有類似阿裡雙11那種實時的資料大屏效果就更好了
它有如下的一些特點：
可視化資料圖表是實時的。
權限控制
我這裡會列舉2個場景作為示範，一個是離線的場景，報表資料每天計算一次，另一個是線上的流式場景，報表資料每10分鐘更新一次，介紹他們大緻的處理方式
示例場景介紹：
使用者通過日志服務（sls）将伺服器的通路日志收集上來，然後投遞到oss，并起一個e-mapreduce叢集來進行處理。分析出當天的pv，uv或其他的業務名額。
最終能得到需要的結果hive表。
使用者通過日志服務（sls）将伺服器日志收集上來，然後在e-mapreduce叢集中，運作一個spark streaming作業，對資料進行業務分析。
這個處理過程的詳細說明将在下一篇中詳細介紹。
目前datav還不能直接支援使用hdfs資料，但是可以支援api接口和rds（mysql）的資料源。我們這裡選用rds作為我們的資料源，當然如果你有自己的mysql資料也可以直接使用
我們需要在資料庫中建立一張表，我們示範建立一張簡單的pv表，如下
其中page是使用者通路的頁面的id标号，amount是該頁面被通路的次數。
主鍵是page。
經過上面的離線計算我們得到了一張hive表，我們使用sqoop将他導入到rds中去。
這裡其他的參數都好了解，有2個需要說明下：
這個是hive對應的hdfs路徑，我們如何從hive表中得到呢？
我們在hive中使用如下指令即可查詢到表對應的hdfs路徑
結果如下，其中的location後面的值就是我們需要的路徑了：
這個是預設的hive都會使用 001 來做分割符，是以我們需要把每行用這個分割成多個字段，然後儲存到rds中。分割出來的每一個字段對應rds中表的每一列
流式場景就是直接在spark streaming中直接寫資料庫，後續我們會寫一個文章來詳細介紹這個過程。
完成了上面的資料庫準備和資料導入，現在我們就可以開始展示這些資料了。
在首頁先建立一個資料源，點選資料源新增
這裡我選擇rds，其實mysql和rds是一樣的，你如果是自己的mysql也是一樣配置
建立完成以後會看到一個資料源
然後我們建立一個項目，由于預設的幾個都是很複雜的圖，我們隻需要一個簡單的，是以你需要手動的删除掉這些用不上的元件。這會花費一些時間。
完成以後，我們先設定螢幕的大小，點選右側的“頁面設定”，設定螢幕大小
考慮有各種不同的頁面，我們先設定小一點，設定為寬度：800，高度：600
然後“縮放方式”選擇：全屏鋪滿， 不過會導緻比例有點失真，你可以根據你的實際情況進行調整。
我們從正常圖表中選中“梯形柱狀圖”，并進行拉伸，擴大到适合的大小。
接着，設定我們的資料綁定到這個圖上，點選右側的資料
選擇“資料源類型”：資料庫
選擇“選擇資料庫”：一開始我們建立的那個資料源
在“sql”中寫語句，以我們的示例為例，我們的資料庫中的pv表有2個字段一個是page，代表使用者的通路頁面id，一個是amount，代表頁面被通路的次數。
我們看到梯形柱狀圖需要x，y兩個坐标軸的資料，x對應類目也就是我們的頁面id，y對應值，也就是通路量，我們使用如下的sql來
這樣就把所有通路頁面的前十給展示出來了
類似如下的效果：
然後，如果你的資料是動态更新的，那麼你可以設定下面的
“自動更新”，設定一個合适的頻率來更新圖示，每當資料變化就可以立刻看到。
預設情況下，這個圖表隻可以被主子賬号通路。
如果要被所有人通路，在螢幕的右上，有一個分享按鈕，點選打開後會産生一個公開的通路位址，所有人都可以通路