> For the complete documentation index, see [llms.txt](https://navixy.com/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://navixy.com/docs/analytics/es/iot-query/connection-setup/selecting-bi-tools/connecting-apache-superset.md).

# Conectar Apache Superset

Conecte Apache Superset a IoT Query a través del controlador PostgreSQL. Configure la conexión a la base de datos y cree paneles interactivos de monitoreo de flota

En este artículo, recorreremos el proceso de conectar Apache Superset con la base de datos analítica. Para que sea más ilustrativo, también construiremos un panel que se conecta a la base de datos analítica y monitorea el estado en tiempo real de los vehículos, todo usando Apache Superset.

{% hint style="info" %}
Esta guía forma parte de la **IoT Query** suite de documentación y cubre específicamente la conexión de Power BI con su almacén de datos. Si todavía está decidiendo qué herramienta de BI usar, consulte la [Seleccionar herramientas de BI](/docs/analytics/es/iot-query/connection-setup/selecting-bi-tools.md) visión general.
{% endhint %}

## Características del panel

* Mostrar el número total de objetos
* Visualizar los estados de movimiento de los vehículos (en movimiento/detenido/aparcado)
* Visualizar los estados de conexión (activo/inactivo/fuera de línea)
* Tabla detallada con el estado actual de todos los vehículos
* Filtrado por tipo de vehículo, grupo, estado de movimiento y estado de conexión
* Capacidades de exportación de datos y reportes
* Notificaciones y alertas personalizables

## Requisitos técnicos

* Docker y Docker Compose
* Mínimo 4 GB de RAM (8 GB recomendados)
* 20 GB de espacio libre en disco
* Linux/Windows con WSL2/macOS
* Python 3.8+
* Acceso a Internet para la conexión a la base de datos

## Instalación y configuración

### 1. Instalación con Docker (método recomendado)

1. Instale Docker y Docker Compose siguiendo la documentación oficial:

* [Instalación de Docker](https://docs.docker.com/engine/install/)
* [Instalación de Docker Compose](https://docs.docker.com/compose/install/)

2. Descargue el archivo oficial docker-compose:

{% code overflow="wrap" %}

```sh
curl -fL https://raw.githubusercontent.com/apache/superset/master/docker-compose-non-dev.yml -o docker-compose.yml
```

{% endcode %}

3. Inicie Superset:

```sh
docker-compose up -d
```

4. Cree un administrador:

```sh
docker-compose exec superset superset fab create-admin \
  --username admin \
  --firstname Superset \
  --lastname Admin \
  --email admin@superset.com \
  --password admin
```

5. Inicialice la base de datos:

```sh
docker-compose exec superset superset db upgrade
```

6. Cargue los ejemplos e inicialice los roles:

```sh
docker-compose exec superset superset init
```

### 2. Instalación con pip (para desarrollo)

1. Cree un entorno virtual:

```sh
python -m venv venv
source venv/bin/activate  # for Linux/macOS
# or
.\venv\Scripts\activate  # for Windows
```

2. Instale Superset:

```sh
pip install apache-superset
```

3. Inicialice la base de datos:

```sh
superset db upgrade
```

4. Cree un administrador:

```sh
export FLASK_APP=superset
superset fab create-admin
```

5. Cargue los ejemplos e inicialice los roles:

```sh
superset init
```

6. Inicie Superset:

```sh
superset run -p 8088 --with-threads --reload --debugger
```

## Conexión a la base de datos

1. Inicie sesión en Superset (valor predeterminado: <http://localhost:8088>)
2. Vaya a Data → Databases
3. Haga clic en "+" para agregar una nueva base de datos
4. Complete los parámetros de conexión:
   1. Base de datos: PostgreSQL
   2. URI de SQLAlchemy: `postgresql://${DB_USER}:${DB_PASS}@${DB_HOST}:${DB_PORT}/${DB_NAME}`
   3. Nombre para mostrar: Analytics Database
   4. Extra: `{"engine_params": {"connect_args": {"sslmode": "require"}}}`
5. Haga clic en **Probar conexión** para verificar la conexión
6. Guarde la configuración

### Referencia de parámetros de conexión

<table><thead><tr><th width="177.9090576171875">Parámetro de Lakehouse</th><th>Ubicación de la configuración de Apache Superset</th><th>Notas</th></tr></thead><tbody><tr><td><strong>Host</strong></td><td><code>DB_HOST</code> en la URI de SQLAlchemy</td><td>La dirección del servidor de la base de datos proporcionada en su correo de bienvenida</td></tr><tr><td><strong>Puerto</strong></td><td><code>DB_PORT</code> en la URI de SQLAlchemy</td><td>El valor predeterminado es 5432 para PostgreSQL</td></tr><tr><td><strong>Nombre de la base de datos</strong></td><td><code>DB_NAME</code> en la URI de SQLAlchemy</td><td>El nombre asignado a su base de datos</td></tr><tr><td><strong>Nombre de usuario</strong></td><td><code>DB_USER</code> en la URI de SQLAlchemy</td><td>Su nombre de usuario de la base de datos</td></tr><tr><td><strong>Contraseña</strong></td><td><code>DB_PASS</code> en la URI de SQLAlchemy</td><td>Su contraseña segura de la base de datos</td></tr><tr><td><strong>Modo SSL</strong></td><td><code>connect_args</code> en los parámetros Extra</td><td>Establezca en <strong>require</strong> en la configuración JSON Extra</td></tr><tr><td><strong>Esquema</strong></td><td>Configuración del conjunto de datos</td><td>Especifique el esquema (<code>raw_business_data</code> o <code>raw_telematics_data</code>) en cada conjunto de datos</td></tr></tbody></table>

## Importación de paneles y gráficos

1. Clone el [repositorio bi-integratons](https://github.com/Navixy/bi-integrations) :

```sh
git clone https://github.com/Navixy/bi-integrations.git
```

2. En Superset, vaya a **Settings → Import/Export**
3. Importe los archivos en el siguiente orden:
   1. `datasets.json` - conjuntos de datos
   2. `charts.json` - gráficos
   3. `dashboards.json` - paneles
4. Después de importar, actualice las conexiones de la base de datos en cada conjunto de datos

## Solución de problemas

### Problemas de conexión a la base de datos

* **Error de conexión:** Verifique la exactitud de las credenciales y los parámetros de conexión
* **Error de firewall:** Asegúrese de que su dirección IP esté agregada a la lista de permitidos
* **Problemas de SSL:** Verifique la configuración de SSL en los parámetros de conexión

### Problemas de rendimiento

* **Carga lenta de las visualizaciones:**
  * Optimice las consultas SQL
  * Reduzca la cantidad de elementos mostrados simultáneamente
  * Use almacenamiento en caché de resultados
* **Alto uso de memoria:**
  * Aumente los recursos del contenedor de Docker
  * Optimice las consultas de la base de datos

### Otros problemas

Aquí hay algunos trucos que pueden ayudarle a corregir problemas comunes:

1. Revise los registros de Superset:

```
docker-compose logs superset
```

2. Reinicie los contenedores:

```
docker-compose restart
```

3. Borre la caché del navegador
4. Revise la versión de Superset y actualícela si es necesario

## Próximos pasos

Después de conectar correctamente Power BI a su **IoT Query** instancia, le recomendamos que:

* Explore los esquemas de datos disponibles revisando la [Visión general del esquema](/docs/analytics/es/iot-query/schema-overview.md) sección para comprender mejor la estructura y las relaciones de los datos.
* Empiece con consultas sencillas enfocadas en entidades de negocio específicas antes de crear paneles complejos - consulte nuestras [consultas de ejemplo](/docs/analytics/es/example-queries.md) como referencia.

### **Soporte**

Para preguntas técnicas o solicitudes de acceso a la base de datos de demostración, comuníquese con: <support@squaregps.com>


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://navixy.com/docs/analytics/es/iot-query/connection-setup/selecting-bi-tools/connecting-apache-superset.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.