Saiku Analytics：用语义层把多维分析交给浏览器與 API
此專案圍繞「Open-source semantic layer: one cube for Excel (MDX/XMLA), dashboards, and AI agents (MCP). Mondrian + Apache Calcite.」建置，聚焦實際場景的開源實作，提供可重用的工具鏈與整合方式。
秒懂
- 它是什麼？
- 面向多维資料立方体的开源语义层分析工具，组合浏览器拖拽、Mondrian 與 Calcite SQL，以及类型化 REST 接口。
- 適合誰用？
- Saiku Analytics 适合已经有 OLAP 立方体或语义模型，希望让分析人员拖拽查询，同时为程序和代理提供统一查询接口的团队。不适合只需要简单报表、没有维护資料模型能力，或需要把 live demo 当成生产部署依据的使用者。
- 可以商用嗎？
- 可以。Apache-2.0 是寬鬆授權：你可以使用、修改並販售以它為基礎的軟體，只需保留著作權與授權聲明。
- 還在維護嗎？
- 有在維護。儲存庫最近一次提交在 3 天前。
- 用什麼語言寫的？
- 主要是 Java（依據 GitHub 的語言統計）。
以上回答依據專案的 GitHub 資料（最近同步於 2026年9月14日）與我們的分析，不構成法律意見。
開源專案深度解析
saiku-embed 标签是什么 · spiculedata-saiku-deep-analysis
此倉庫的 README 聚焦于 `<saiku-embed>`，一个可在任意页面上渲染已保存的 Saiku 查询或仪表板的自定义元素。由于它是一个标准 Web 组件，同一个标签可应用于 React、Vue、Svelte 和原生 HTML，且宿主页面无需了解 Saiku 内部实现。该组件在后台與 Saiku 服务器通信，使用属性指向资源，並使用令牌进行授权。
安装與全局注册 · spiculedata-saiku-deep-analysis
文档说明了两种安装路径。对于简单页面，可在 Saiku 启动器源上包含指向 `/ui/saiku-embed.js` 的脚本标签。对于基于打包器的專案，可从 npm 安装 `@concepttocloud/saiku-embed` 並导入一次；该导入会作为副作用全局注册 `saiku-embed` 标签，因此无需进一步设置。README 展示了脚本标签和 npm 导入，並注明导入具有注册标签的副作用。
以表格、矩阵、图表或 KPI 渲染已保存的查询 · spiculedata-saiku-deep-analysis
預設的 `kind="query"` 透過 `render` 属性支持四种渲染模式。`table` 将结果扁平化为行键映射。`matrix`（v3.19）保留行和列轴结构，将度量放在列上，维度成员放在行上。`chart` 使用 `mode` 属性选择 `bar`、`line` 或 `pie`。`kpi`（v3.20）显示已保存查询最后一个度量的单个大数字，並在存在前一度量列时显示增量标签。`height` 属性控制渲染表面的 CSS 高度。
在嵌入时使用 filter 对查询进行切片 · spiculedata-saiku-deep-analysis
`filter` 属性（v3.20）接受一个 JSON 数组形式的切片器覆盖。这些覆盖使用與仪表板筛选器磁贴相同的经过核驗的切片器路径，因此已保存查询的立方体绑定和轴保持不变。README 展示了一个示例，将 `Time` 维度的 `Year` 级别固定为 `[Time].[2024]`，使宿主无需重新编写查询即可参数化嵌入。
AI 提问與角色作用域答案 · spiculedata-saiku-deep-analysis
对于 `kind="ai"`（v3.19），嵌入在立方体之上呈现一个自然语言提问框。`path` 是形如 `connection/catalog/schema/cubeName` 的立方体引用，且令牌必须是 AI 类型的令牌。在后台，组件向 `/rest/saiku/api/embed/ai/{cubeId}/ask` 发送 POST，透過服务器設定的 LLM 提供商在固定的所有者資料范围内執行问题。`space` 属性（v3.20）将提问范围限定为管理员编写的 Agent Space 角色，在服务器端应用角色的系统提示、技能过滤器和立方体允许列表。如果空间的允许列表排除了固定的立方体，则提问以失败关闭。
仪表板和 App Builder 应用作为单令牌嵌入 · spiculedata-saiku-deep-analysis
另外两种类型涵盖更大的文档。`kind="dashboard"` 渲染已保存的 `.saikudash` 仪表板。`kind="app"`（v3.20）将整个 App Builder 文档（`.saikuapp`）作为单个令牌作用域单元嵌入：令牌仅授予该应用，所有页面都依赖同一授权。应用文档在服务器端获取，每个页面的磁贴查询與仪表板磁贴查询完全相同，因此行级安全和 PII 编辑以相同方式强制执行。作者自定义 CSS 在第一阶段仅限设计器使用；嵌入表面透過现有的 `--saiku-embed-*` 变量进行主题化。
Saiku Analytics 现场核验边界
Saiku Analytics 验收第1项：输入样例必须可重复，保存原始檔案、命令输出和版本資訊。
Saiku Analytics 验收第2项：结果观察要落到字段、路径、页码、任务或请求，而不是只记录成功提示。
Saiku Analytics 验收第3项：出现异常时先缩小到一个组件和一个输入，再與 README 的明确限制对照。
Saiku Analytics 验收第4项：冷启动與重复執行应分别记录，因为缓存和持久状态会改变表现。
Saiku Analytics 验收第5项：权限、網路和本地資料目錄要单独检查，功能透過不代表部署边界已经清楚。
Saiku Analytics 验收第6项：升级前复制資料或索引，升级后重跑相同样例並比较差异。
Saiku Analytics 验收第7项：專案没有说明的預設值不能补成肯定结论，应在自己的环境里留下观测记录。
Saiku Analytics 验收第8项：最终采用范围只覆盖已测试的格式、后端、语言、框架和執行时。
Saiku Analytics 的部署记录应可回放
Saiku Analytics 的部署评估应把事实與判断分开。在正式采用前，先建立一个只包含必要資料的隔离样例，固定输入、設定和執行版本。每次只改变一个变量，保存命令、日志和结果截图，把成功、失败、警告與未覆盖的能力分开记录。
Saiku Analytics 的功能验收需要具体观察点。验收不能只看页面或命令返回成功。要检查实际输出是否包含预期字段、内容、索引、表格、调用边、任务、音频或檔案，並确认错误发生时不会静默生成错误结果。
Saiku Analytics 的資料边界需要具体控制。涉及網路、凭证、权限和持久資料时，先使用低权限账号與脱敏檔案，确认服务监听地址、缓存目錄、备份方式和清理动作。升级前保留可恢复副本，升级后用同一组样例比较差异。
Saiku Analytics 的结论需要限定范围。README 未说明的兼容性、性能和預設值都不能由專案热度推断。结论只适用于已经测过的语言、框架、格式、后端、设备和版本组合，超出范围时应重新建立测试记录。
完成一次完整回放后，再决定是否扩大输入规模、连接更多来源或开放更多调用入口。若结果发生变化，优先比较版本、設定、缓存和输入差异，並回到对应的官方 README、倉庫檔案與发布记录核对。
Saiku Analytics 的结果记录还应包含输入规模、首次執行與重复執行的差异、失败后的恢复动作，以及最终由谁审核输出。对于服务类專案，补充监听地址、依赖进程和重启后的状态；对于库类專案，补充构建产物、测试框架和索引或缓存的生命周期。对于文档、程式碼和資料处理工具，补充原始檔案、生成檔案和人工比对的位置。这样的记录让一次试用能够被另一位维护者重新执行，也能明确哪些结论来自 README，哪些结论只来自本地样例。
針對 spiculedata/saiku，素材記錄的主要語言是 Java，授權為 Apache-2.0。核驗時先對照 README 的專案名稱、安裝入口與實際命令，再觀察輸出或畫面；不把未記載的效能、安全性或相容性推成承諾。 在 spiculedata/saiku 的情境中，先確認 README 指向的安裝方式與作業系統，再保存版本、設定檔位置和終端機輸出。 對照 spiculedata/saiku 的範例、腳本或路由名稱與參數，記錄成功結果及錯誤訊息，分辨文件描述和環境差異。 素材沒有說明的功能保持未知，不能以倉庫統計推斷品質；授權也不等於維護或支援保證。 評估 spiculedata/saiku 時回到它自己的輸入、輸出、依賴和限制，檢查 README 提到的檔案是否存在。 在 spiculedata/saiku 的情境中，先確認 README 指向的安裝方式與作業系統，再保存版本、設定檔位置和終端機輸出。 對照 spiculedata/saiku 的範例、腳本或路由名稱與參數，記錄成功結果及錯誤訊息，分辨文件描述和環境差異。 素材沒有說明的功能保持未知，不能以倉庫統計推斷品質；授權也不等於維護或支援保證。
編輯結論
Saiku Analytics 适合已经有 OLAP 立方体或语义模型，希望让分析人员拖拽查询，同时为程序和代理提供统一查询接口的团队。不适合只需要简单报表、没有维护資料模型能力，或需要把 live demo 当成生产部署依据的使用者。先用倉庫中的示例立方体和 demo.saiku.bi 对照同一指标，检查筛选、聚合、SQL 與 REST 返回是否一致，再决定部署边界。 spiculedata/saiku 適合需要 README 已列功能且能符合環境條件的使用者，不適合把未記錄行為當成既定保證的場景。先依 README 的專案專屬命令或檔案入口核對安裝結果。
社群筆記