构建数据分析项目不再令人望而生畏！本指南提供一个轻量级、灵活且易于上手的解决方案，帮助您快速搭建一个功能强大的数据分析平台。它自动化数据收集、无服务器数据库存储以及交互式仪表板展示，所有操作都基于python完成。本例使用coingecko的加密货币数据进行演示，但您可以轻松替换成任何其他数据集。
核心技术栈
本项目基于以下三个关键技术：
-
Neon (无服务器PostgreSQL): 提供自动扩展的无服务器PostgreSQL数据库，无需管理底层基础设施，非常适合数据分析项目。
-
Airflow (通过Astronomer): 用于自动化ETL工作流程。本项目使用Airflow从CoinGecko获取历史和实时加密数据，并将其存储到Neon数据库中。
-
Streamlit: 构建基于Python的交互式仪表板的简易方法。只需编写Python脚本，Streamlit即可自动生成用户界面。
数据流向
Airflow定时从CoinGecko API提取加密货币数据，Neon数据库高效地存储这些数据，方便后续查询。Streamlit应用读取存储的数据，并将其可视化在交互式仪表板中。
项目结构
项目采用模块化结构，清晰易懂：
├── astronomer/ # Airflow DAGs for ETL jobs │ ├── dags/ │ ├── Dockerfile │ ├── requirements.txt ├── frontend/ # Streamlit app code │ ├── app.py │ ├── Dockerfile │ ├── requirements.txt ├── .pre-commit-config.yaml ├── compose.yaml └── README.md
-
astronomer/：包含用于数据摄取的Airflow DAGs。 -
frontend/：包含Streamlit应用程序代码。
Docker支持 所有组件都支持Docker，方便部署和管理。
本地运行项目
- 克隆仓库:
git clone https://github.com/olgazju/data_analytics_dashboard_starter_kit.git cd data_analytics_dashboard_starter_kit
- 设置Python虚拟环境: (请根据您的系统调整命令)
brew install pyenv pyenv-virtualenv pyenv install 3.12.0 pyenv virtualenv 3.12.0 da_kit pyenv local da_kit
- 使用Docker运行: 确保已安装Docker，然后运行：
docker-compose build
仪表板将在http://localhost:8501 上运行。
部署
-
部署Airflow DAGs: 导航到
astronomer/文件夹，并使用Astronomer平台部署DAGs。 - 部署Streamlit应用程序: 使用Streamlit Cloud托管应用程序。连接您的GitHub仓库，Streamlit Cloud将自动处理部署。
下一步
如果您对数据分析感兴趣并希望快速上手，不妨尝试使用这个数据分析仪表板启动器套件。您可以fork仓库，尝试不同的数据源，并分享您的成果。欢迎提供反馈和建议！
