由于windows下启动Metabase存在不友好情况，启动linux消耗系统性能，影响工作效率，巧妙借助git-bash来启动Metabase，既可以避免windows下的坑，还特别的轻量级，甚至比cmd、vscode等命令窗口下启动都要快。

由于github源代码开发者用的linux或者mac来作为开发环境，所以存在windows环境下的不友好，有的甚至就是坑。甚至好多Metabase windows开发者也是用linux虚拟机来跑环境的。

当然如果通过虚拟机跑linux，或者用windows自带的Ubuntu进行开发，有些问题就不存在了，还有一种好的方式用git的bash环境去搭建，可参见：Metabase-BI系列03：win系统用git-bash启动Metabase。

概述

Metabase 官网介绍：是一种简单、开源的方式，让公司中的每个人都可以通过它来提问和学习数据。

如果了解更多BI工具，可看我的另一篇文章：BI、数据可视化工具浅析整理。

AI（ Artificial Intelligence ）：人工智能

BI（ Business Intelligence ）：商业智能

BI商业智能，个人感觉商业化了一些，而且感觉没有把数据的价值体现的名称上，也不知道为什么不直接一点叫DI（Data Intelligence ）。

AI和BI似乎不可分割，起码相辅相成。AI似乎更火热，BI提出更早一些，似乎有点过气和传统的感觉，但是想想，可视化数据展示、数据可视化，这些名词或许目前更流行，其实应该都算是BI的变种，个人感觉似乎又有点去商业化，起码不叫什么商业可视化。

阿里云推出了大数据和人工智能DataV数据可视化、 Quick BI等等产品，且不说做到什么程度，加上手机、大屏的时代发展，就会发现数据的价值也越来越大。

由于工作对BI牵扯甚多，近来使用Metabase，准备写一下Metabase系列，就已BI、数据可视化做引子，查找资料总结了一下，后续会更新修改。这里不讲AI，不谈商业，通过搜索网上资料进行整理，就说一下接触的或者市面上BI、数据可视化的工具。

这里进行分类：重量级（商用+服务）、轻量级（开源）、商业级（服务），其它（心血来潮的一些小项目：GitDataV、DataVisualization）

后端源码：https://github.com/dumplingbao/dissplat

前端源码：https://github.com/dumplingbao/dissplat_web

概述

iview：一套基于 Vue.js 的高质量UI 组件库，主流vue前端框架，比较适合前后端分离框架的搭建，当然你也可以选择其他的

koa2：基于nodejs平台的下一代web开发框架，这里我们不选早期的目前用的最多的Express，也不选阿里开源的框架egg，我们选择则目前比较新的koa2，写起来简单，也易于学习

sequelize：这个是个nodejs的ORM框架，用的比较多，关于这个框架的介绍，可以看一下我的另一篇博客，node之ORM框架。

搭建这个前后端分离的框架纯属娱乐加学习，写此博客就是把搭建过程介绍一下，也作为自己的一点心得吧。

概述

写这篇blog的原因，想找个node的ORM框架用用，确很难找到一篇对比分析这些ORM框架的文章，唯一找到了一篇，居然是通过star数来论英雄，我觉着很难服众，于是就找几个看看。后来又不想分析，因为我发现node这种野蛮生长，滋生这些ORM轮子比比皆是，远比我想象的多；后来又觉着可以写，作为一个java出身业余研究node的就想通过java的ORM框架来洞悉node这群ORM框架的是非曲直，于是挑了几个框架小扯一篇。

概述

​ 对于一个程序猿来说，软件开发是本职工作，你会经常听到”发布到测试服务器测试一下“、”今晚弄完打个包发布到正式环境上“，你会发现集成部署已然成为程序员的必备技能，更何况还有转岗专门做实施的。

​ 持续集成实际就是解决这些中间环节，自动化完成，就像构建、测试、集成类的工作，程序猿只需要提交代码剩下的活就自动干了。

​ 持续集成是一种软件开发实践，即团队开发成员经常集成他们的工作，通常每个成员每天至少集成一次，也就意味着每天可能会发生多次集成。每次集成都通过自动化的构建（包括编译，发布，自动化测试）来验证，从而尽早地发现集成错误。（来自百度百科）

概述

chart.xkcd 手绘风格图表库，是透明创业实验第十四周发布的产品，关于这个透明创业实验是一个毕业研究生，一个不想让企业拿钱买自己时间的全干工程师，辞职一年搞实验（羡慕），大家有兴趣可以关注一下。

概述

特点：

1. nodejs生成搭建快速
2. 支持markdown
3. git一键部署
4. 插件丰富，生态完善