大部分我们的数据处理作业在完成计算以后，都希望能够把结果可视化的展示出来，形成类似每日报表这样的东西，供大家直观的查看。
或者能有类似阿里双11那种实时的数据大屏效果就更好了
它有如下的一些特点：
可视化数据图表是实时的。
权限控制
我这里会列举2个场景作为示范，一个是离线的场景，报表数据每天计算一次，另一个是在线的流式场景，报表数据每10分钟更新一次，介绍他们大致的处理方式
示例场景介绍：
用户通过日志服务（sls）将服务器的访问日志收集上来，然后投递到oss，并起一个e-mapreduce集群来进行处理。分析出当天的pv，uv或其他的业务指标。
最终能得到需要的结果hive表。
用户通过日志服务（sls）将服务器日志收集上来，然后在e-mapreduce集群中，运行一个spark streaming作业，对数据进行业务分析。
这个处理过程的详细说明将在下一篇中详细介绍。
目前datav还不能直接支持使用hdfs数据，但是可以支持api接口和rds（mysql）的数据源。我们这里选用rds作为我们的数据源，当然如果你有自己的mysql数据也可以直接使用
我们需要在数据库中创建一张表，我们示范创建一张简单的pv表，如下
其中page是用户访问的页面的id标号，amount是该页面被访问的次数。
主键是page。
经过上面的离线计算我们得到了一张hive表，我们使用sqoop将他导入到rds中去。
这里其他的参数都好理解，有2个需要说明下：
这个是hive对应的hdfs路径，我们如何从hive表中得到呢？
我们在hive中使用如下命令即可查询到表对应的hdfs路径
结果如下，其中的location后面的值就是我们需要的路径了：
这个是默认的hive都会使用 001 来做分割符，所以我们需要把每行用这个分割成多个字段，然后保存到rds中。分割出来的每一个字段对应rds中表的每一列
流式场景就是直接在spark streaming中直接写数据库，后续我们会写一个文章来详细介绍这个过程。
完成了上面的数据库准备和数据导入，现在我们就可以开始展示这些数据了。
在首页先创建一个数据源，点击数据源新增
这里我选择rds，其实mysql和rds是一样的，你如果是自己的mysql也是一样配置
创建完成以后会看到一个数据源
然后我们新建一个项目，由于默认的几个都是很复杂的图，我们只需要一个简单的，所以你需要手动的删除掉这些用不上的组件。这会花费一些时间。
完成以后，我们先设置屏幕的大小，点击右侧的“页面设置”，设置屏幕大小
考虑有各种不同的页面，我们先设置小一点，设置为宽度：800，高度：600
然后“缩放方式”选择：全屏铺满， 不过会导致比例有点失真，你可以根据你的实际情况进行调整。
我们从常规图表中选中“梯形柱状图”，并进行拉伸，扩大到适合的大小。
接着，设置我们的数据绑定到这个图上，点击右侧的数据
选择“数据源类型”：数据库
选择“选择数据库”：一开始我们创建的那个数据源
在“sql”中写语句，以我们的示例为例，我们的数据库中的pv表有2个字段一个是page，代表用户的访问页面id，一个是amount，代表页面被访问的次数。
我们看到梯形柱状图需要x，y两个坐标轴的数据，x对应类目也就是我们的页面id，y对应值，也就是访问量，我们使用如下的sql来
这样就把所有访问页面的前十给展示出来了
类似如下的效果：
然后，如果你的数据是动态更新的，那么你可以设置下面的
“自动更新”，设置一个合适的频率来更新图标，每当数据变化就可以立刻看到。
默认情况下，这个图表只可以被主子账号访问。
如果要被所有人访问，在屏幕的右上，有一个分享按钮，点击打开后会产生一个公开的访问地址，所有人都可以访问