发布日志v2.3

2025-8-12 About 45 min

# 数据源

# 扩展文本导入支持的日期模式种类

文本/HTTP(API)数据源，导入时字段数据类型设置为日期之后，系统会尝试自动识别一些常用日期格式，把字符串日期转为数据库日期，其中包括:

本次更新增加了以下四种日期格式的支持，这些格式常见于Power BI、Excel等软件的国际日期数据导出。

"EEE, MMM d, yyyy", // Thu, Dec 26, 2019
"MMM d, yyyy", // Dec 26, 2019
"EEEE, MMMM d, yyyy" // Thursday, December 26, 2019
"MMMM d, yyyy", // December 26, 2019

# 数据集

# ^重要汇总表达式支持环境变量

此前，实现动态汇总指标，需要在计算字段中使用环境变量新增字段。例如：

`动态指标` = IF('${metric}' = 'count', `批次号`, `货值总金额`)

定义好动态指标字段后，在汇总表达式中配合固定的汇总函数（如 SUM）使用。这种方式虽然能实现一定的动态效果，但汇总函数无法随环境变量切换。

SUM(`动态指标`)

在本版本中，环境变量直接支持在汇总表达式中使用。您可以在汇总表达式中，根据环境变量的取值，动态切换聚合字段和聚合函数，例如：

IF (
   '${metric}'=='count', count(`批次号`), 
   IF ('${metric}'=='money', sum(`货值总金额`), sum(`合同/提单量`))
)

1
2
3
4

在上述示例中，调整 metric 环境变量的值，即可灵活切换汇总逻辑，实现汇总函数和汇总对象字段都以传入变量变化的动态汇总指标。

# ^重要计算字段使用CTE构造

计算字段支持构造使用CTE(WITH子查询)替代子查询，从而达到简化SQL、优化性能、方便调试的效果。

如上图所示, 右边的查询使用了 WITH 子句（也称为 Common Table Expressions, CTE），与左边的嵌套子查询相比，具有以下优势：

可读性和维护性：
- 左边的查询使用了大量的嵌套子查询，结构较为复杂，阅读和理解起来相对困难。
- 右边的查询通过 WITH 子句将复杂的查询分解成多个逻辑部分，每个部分都有一个清晰的名称（如 S0, S1, S2, S3）。这使得代码更易于理解和维护。
性能优化：
- 嵌套子查询可能会导致重复计算, 尤其是当红色部分数据集定义查询较为复杂，且重复次数过多，而CTE可以避免这种重复计算，从而提高查询性能。
- WITH 子句可以被数据库优化器更好地处理。它允许数据库在执行查询时进行更有效的优化，因为每个CTE可以被视为一个独立的表，数据库可以更灵活地选择执行计划。
模块化和重用性：
- 左边的嵌套子查询没有这种模块化特性，每次需要使用相同的逻辑时都需要重新编写。
- 右边的查询中，每个CTE都可以视为一个独立的模块，可以在其他查询中重用。例如，S0 和 S1 可以在其他查询中直接引用。
调试和测试：
- 对于嵌套子查询，调试和测试会更加困难，因为需要同时考虑多个层次的逻辑。
- 使用 WITH 子句时，可以单独测试每个CTE，确保每个部分的正确性后再组合成完整的查询。
减少冗余代码：
- 左边的嵌套子查询可能会导致代码冗余，尤其是在需要多次使用相同逻辑时。
- 右边的查询通过CTE减少了代码的冗余，每个逻辑部分只编写一次。

综上所述，右边使用 WITH 子句的查询在可读性、维护性、性能优化、调试等方面都优于左边的嵌套子查询。

注意

当数据库不支持CTE语法时，该特性自动退回为子查询，如: MySQL5.7

# 明细数据查询支持改写WITH子查询

同上，明细数据查询，数据集预览，计算字段查询调试也同步支持WITH子查询

# 日期维度数据补全: 支持年、月、日、周、季度的日期补全

业务场景:

在业务数据分析中，原始数据常因采集不全或系统问题导致日期断层，例如某电商平台在促销期间部分订单未及时录入，造成日销售数据缺失。若不处理，将导致趋势图出现日期跳跃、从而忽略缺失日期数据，严重影响分析准确性。

功能特点:

此次新增的日期维度补全功能，可以根据用户设定的日期最小时间粒度（年、季度、月、周、日），并生成完整连续的时间序列。系统会将缺失日期自动填充，并对空值进行合理处理（如置零或插值），确保时间轴上无断裂。

# 数据库统一函数增加DECODE函数

DECODE(expression, value, result[, value, result]…[, else])

上面数据集汇总表达式

IF (
   '${metric}'=='count', count(`批次号`),
   IF ('${metric}'=='money', sum(`货值总金额`), sum(`合同/提单量`))
)

1
2
3
4

使用DECODE函数实现如下, 避免了IF函数多重嵌套

DECODE('${metric}', 
    'count', count(`批次号`), 
    'money', sum(`货值总金额`), 
    sum(`合同/提单量`)
)

1
2
3
4
5

# 汇总表达式支持count(*)语法

# 图表

# ^重要类别轴层级显示

本版本在ECharts上用多轴方式实现了类别轴分层显示效果，有效解决了传统单层类别轴因标签过长而导致的显示不全、需旋转或间隔展示等问题。
通过将组合分类按多级结构逐层展开，类别轴得以结构化呈现，大幅缩短单层标签长度，显著提升图表的可读性与美观性。

支持值轴为水平轴场景
支持图表拆分场景
支持时间轴拆分场景
优化类别轴分割线, 仅在父级变化时显示分割线
除了支持柱线图之外，在箱线图、子弹图、热力图、瀑布图也实现了类别轴分层效果
刻度标签自适应, 智能判断刻度标签是否自动旋转或自动截断
- 当每个分类项具备足够宽度时，系统自动截断文本并显示前几位关键文字，保持标签水平排列；
- 当项目宽度较窄、密集排列时，则自动切换为倾斜或垂直旋转显示完整刻度。
- 整个过程无需手动配置，智能平衡空间利用，确保图表在不同布局下均能清晰呈现标签内容。

当然，如果您不喜欢层级化的展示效果，也可以在配置中关闭分层显示，恢复为传统的单层类别轴。

# ^重要维度按表达式排序

维度按表达式排序, 让维度按计算指标汇总排序

支持按表达式对维度进行动态排序，可基于指定的计算指标（如销售额、利润、增长率等）对维度成员进行汇总计算，并按结果自动排序。
该功能突破了维度排序只能基于维度本身排序的限制，实现数据驱动的智能排序，帮助用户快速识别关键类别，提升分析效率与可视化表达的洞察力。

行维度按表达式排序
列维度按表达式排序

# 案例1: 按行汇总排序

在最后一个行维配置自定义排序表达式

父维度有排序设置优先按父维排序

# 案例2：按列汇总排序

在最后一个列维配置自定义排序表达式

# 案例3: 父级行维按指定列指标排序

通过query函数查询排序指标集合，再汇总作为维度排序依据，下图中对四个父区域排序，依赖其中某一指标列进行了计算排序

const subset = query(
        '利润', // 查询利润指标列
        [
          rowFilters(), // 当前所有的行维信息过滤器，如: `区域`='中南'过滤
          eq('细分', '公司') // 查询`细分`=='公司'
        ]
);
sum(subset); // query返回的数组汇总求和作为区域维度的排序依据

1
2
3
4
5
6
7
8

# ^重要表计算/视图计算增强

函数树描述
增加窗口计算
表达式增加函数
- windowByColumn, windowByRow、
- getSubset,
- last_value, first_value,
- numFormat, decode

# ^重要增加query函数

增加query函数可查询视图中任意条件范围的数据

query(metric, predict, includeHidden = true)

metric: 指标字段名, metric='指标名.raw' 返回值类型变化之前的原始数据, metric='object'返回对象
predict: 过滤条件对象, 使用内置的条件函数构造, and('field', values), 也可以是数组 [eq(..), neq(..)]
includeHidden: 是否包含隐藏结果
返回数组

// 样例1: 查找视图中所有 product 等于 desk 且 sales 大于 100 的数据
query('指标名', and(eq('product', 'desk'), gt('sales', 100)))

//样例2: 第二个参数为数组则默认为数组中的条件为and关系
query('指标名', [eq('product', 'desk'), gt('sales', 100)])

1
2
3
4
5

支持返回数据对象

// 查询对象
// lodash 风格数据处理,
// 取数据对象的 '订单日期'字段
// 去重
const data = query('object', colFilters());
return _.chain(data).map('订单日期').uniq().value();

1
2
3
4
5
6

query函数在行/列汇总、行/列小计、总计、值类型表达式中全面支持
- 条件组合: and/or/not
- 等值: eq/ne
- 区间: gt/gte/lt/lte/between
- 字符串比较: like/notLike
- 动态维度条件: colFilters/rowFilters, 当前单元格维度信息过滤器
支持多种条件嵌套组合查询: and(or(...), and(...), ...)
构造倒排索引(Inverted Index)优化查询性能

# ^重要交叉表之外的图形增加汇总

柱线图, 饼图, 仪表图, 环形进度条, 指标卡支持汇总计算

# 柱线图汇总

列汇总: 系列中增加一个汇总项
行汇总: 增加汇总系列

# 饼图汇总

行汇总: 有列维时: 增加一个汇总类别饼图

# 环形进度条汇总

行汇总: 有列维时，增加一个汇总类别总进度

# 指标卡汇总

列汇总: 主指标显示为汇总指标
行汇总: 有列维时, 增加一个汇总指标卡

# 饼图汇总

细心的用户可能注意到，图表汇总中饼图增加了行汇总，以新的系列(汇总饼图)显示，为什么饼图没有列汇总？
这是因为列汇总以数据项的形式添加到系列，如果在饼图中新增数据项汇会出现半个饼图扇区显示汇总值的情况，但是为此我们单独增加了饼图汇总功能

# 交叉表

# 指标条件格式交叉比较

条件样式支持指标交叉比较，不仅限于指标自身

# 行维度宽度配置

# 单元格内容支持html

单元格内容支持html, 利用表达式在单元格展示多个汇总指标，并用<br>换行连接

const predict = and(
    colFilters(),
    eq('类别', '技术')
);

const v1 = query('数量', predict);
const v2 = query('销售额', predict);

return ['数量:' + sum(v1), '销售额:' + 
    numFormat(sum(v2), '0.00') ].join('<br>');