SQL驱动的数据可视化神器：开源工具Shaper的Docker部署与使用指南

最近在 GitHub 闲逛时，我又发现了一个让人眼前一亮的新项目。这回不是什么花哨的前端框架，而是一个特别对“后端党”胃口的工具——Shaper。

坦白说，现在市面上数据分析（BI）和可视化工具已经很多了，从功能庞杂的商业软件到各式各样的云服务，选择确实不少。但每次想要快速搭建一个内部数据看板，我的操作流程都出奇地一致：先用 SQL 客户端连上数据库，查询数据，导出为 CSV 文件，再导入某个图表工具里调整样式、配置筛选器。这一套“组合拳”打下来，大半个上午就没了，而且整个数据流转过程非常脆弱，像块苏打饼干，轻轻一碰就散架。

Shaper 的出现，让我眼前一亮。它的核心理念简单直接：既然所有数据的最终来源都可以通过 SQL 获取，那为什么不能用 SQL 来定义整个仪表盘呢？

简单来说，Shaper 是一个支持自主部署的开源数据可视化工具，完全由 SQL 驱动。后端用 Go 编写，前端基于 React，整个项目代码完全开放，通过 Docker 一条命令就能快速启动。开发者可以很轻松地加入我们的技术讨论。

1. 丰富的数据源支持

Shaper 几乎能连接我们日常使用的所有数据源：从本地的 CSV、JSON、Parquet、Excel、文本文件，到远程的 HTTP 文件、Amazon S3 存储，再到主流的 PostgreSQL、SQLite、MySQL 等数据库，当然还包括其内置的 DuckDB 引擎。

更有意思的是，借助 DuckDB 强大的扩展生态，Shaper 还能间接访问 Snowflake、BigQuery、ClickHouse、Arrow Flight、Iceberg 乃至 Google Sheets 等数据源。这意味着我们可以通过一个统一入口，轻松访问分散在各个角落的数据。

2. 动态交互的嵌入式仪表盘

Shaper 构建的仪表盘不仅高度动态，交互体验也很流畅。你可以轻松添加筛选条件，让所有图表组件实时联动更新。同时，它支持为图表添加注释，还能灵活控制各个部件的显示与隐藏。

对于想在自己产品中嵌入分析功能的开发者来说，Shaper 提供了 JavaScript 嵌入式 API，可以无缝地将仪表盘集成到 Web 应用中，配合 JWT Token 机制来管理访问权限，实现安全可控的内部分享。

3. 自动化的工作流支持

Shaper 对生产环境的需求考虑得很周到。它支持创建定时任务，自动执行 SQL 脚本，无论是定时拉取远程数据、执行 ETL 转换还是清理历史数据都不在话下。

更关键的是，整个仪表盘的构建完全基于 SQL 脚本文件，这意味着我们可以像管理代码一样，用任意文本编辑器来编写和维护，配合 Git 进行版本控制，轻松融入团队的 CI/CD 流程。

4. 便捷的分享与导出

分析结果只有被看到才有价值。Shaper 支持生成可在线分享的仪表盘链接，并可以设置密码保护，方便又安全地与他人协作。同时，分析结果可以导出为 CSV、Excel 等格式，或直接生成精美的 PDF 报告，满足不同场景的需求。

5. 一键部署体验

Shaper 的部署非常友好，官方推荐的 Docker 方式简单得不能再简单：

docker run --rm -it -p5454:5454 -v ./mydata:/data taleshape/shaper

这条命令会拉取最新镜像，映射端口并挂载本地目录用于数据持久化。启动后，浏览器访问 http://localhost:5454，点击 “+ New” 就能开始创建第一个可视化仪表盘。

6. 直观的使用体验

写段 SQL 查数据，在传统工具里还得手动点选“这里用柱状图”、“那里显示成表格”。但在 Shaper 中，你可以在编辑框里直接告诉它：

SELECT 'Sessions per Week'::LABEL;
SELECT
  date_trunc('week', created_at)::XAXIS,
  category::CATEGORY,
  count()::BARCHART_STACKED,
FROM dataset
GROUP BY ALL ORDER BY ALL;

然后它就会自动生成一个可交互的图表，整个过程行云流水。

开源地址：https://github.com/taleshape-com/shaper