Erupt Cube 指标平台

借鉴 Google Looker 的语义层理念，为 Java 生态打造专业级大数据分析方案。数据工程师专注模型构建，数据分析师基于语义层自助完成可视化，无需多方协作，注解定义语义模型 + 拖拽完成可视化，开箱即用。

商业模块

包含：完整源码 · 全版本升级 · 技术支持 · erupt 相关问题优先支持 · 合理需求免费实现 · 能力持续迭代授权：无 License 限制 · 无项目数量限制 · 无商用限制限制：禁止二次开源与分发

由开源 Erupt 框架团队官方出品与维护（GitHub 3k+ ★ · Gitee 5k+ ★），避免 Kylin / Looker 等方案的厂商锁定与运维成本。

演示：https://demo.erupt.xyz 账号：cube 密码：cube

使用文档

快速开始 · 数据源 · 语义建模 · Cube 语法（ML） · 可视化建模 · 可视化分析 · SQL 查询端口

语义模型解决什么问题

数据源接入后由 @EruptCube 统一定义维度与指标，所有消费端共享同一套语义：

问题	没有语义模型	有语义模型
指标口径	每个人写的 SQL 不一样	统一定义，一处修改处处生效
使用门槛	必须懂 SQL	拖拽即用
复用性	逻辑散落在各报表	集中定义，随处复用
可维护性	改表结构要改所有 SQL	只改模型层即可

两种建模方式：注解 + 可视化互补

erupt-cube 同时支持两种语义模型定义方式，覆盖团队内不同角色：

方式	适用人	能力	适用场景
Java 注解建模（主）	开发工程师 / 数据工程师	完整能力，覆盖所有维度、指标、关系、自定义 SQL、动态字段	复杂模型、版本化随代码管理、需要 Code Review
可视化界面建模（辅）	数据分析师 / 业务人员	常用维度、指标、关系配置（能力略少于注解）	临时性 / 探索性建模、非 Java 角色快速试错

两种方式可在同一项目内共存：复杂核心模型用注解定义并 git 管理，业务侧临时分析用可视化建模快速验证，提需求时再由开发同学把可视化模型沉淀为注解。

推荐工作流：注解定义核心模型 → 可视化界面用于业务自助探索 → 探索后稳定下来的模型回流为注解。

注解建模速查（API 参考）

一个语义模型 = 一个 @EruptCube 类，类上定义底表 SQL 与对外查询视图（Explore），字段上用 @Dimension / @Measure 声明维度与指标。下面是一个可直接编译的完整示例（源自 xyz.erupt.project.cube.WorkItemStatsCube）：

java

@Getter
@Setter
@EruptCube(
        name = "Work Item Statistics",
        sql = """
                select wi.type         as type,
                       wi.status       as status,
                       u.name          as assignee_name,
                       wi.story_points as story_points,
                       wi.due_date     as due_date
                from e_project_work_item wi
                         left join e_upms_user u on wi.assignee_id = u.id
                """
)
public class WorkItemStatsCube {

    @Dimension(title = "Assignee", sql = "assignee_name")
    private String assigneeName;

    @Dimension(title = "Status", sql = "status")
    private String status;

    @Dimension(title = "Due Date", sql = "due_date")
    private LocalDate dueDate;

    @Measure(title = "Work Item Count", sql = "count(*)")
    private Long workItemCount;

    @Measure(title = "Overdue Count",
             sql = "sum(case when status <> 'DONE' and due_date < current_date then 1 else 0 end)")
    private Long overdueCount;

    @Measure(title = "Story Points", sql = "sum(story_points)")
    private Double storyPoints;
}

`@EruptCube`（类级）

属性	类型	说明
`name`	String	模型名称（必填）
`datasource`	String	数据源 key，留空使用主数据源
`description`	String	模型描述
`sql`	String	底表 SQL，按 `sqlType` 解释为子查询或表名（支持 VTL 模板）
`sqlType`	SqlType	`SUB_QUERY`（默认）/ `TABLE_NAME`
`explores`	Explore[]	对外暴露的查询视图，默认含一个 `overview`
`prompt`	String	提供给 AI 的提示词（markdown）
`tags`	String[]	标签
`dataProxy`	Class<? extends CubeProxy>[]	查询前后钩子

`@Dimension`（字段级 · 维度）

属性	类型	说明
`title`	String	维度显示名（必填）
`type`	FieldType	`AUTO`（默认，按字段类型推断）/ `NUMBER` / `STRING` / `DATE`
`sql`	String	GROUP BY 列表达式，默认取字段名（支持 VTL）
`prompt`	String	AI 提示词
`hidden`	boolean	是否隐藏
`tags`	String[]	标签

`@Measure`（字段级 · 指标）

属性	类型	说明
`title`	String	指标显示名（必填）
`type`	FieldType	同上
`sql`	String	聚合 SQL 表达式，如 `sum(amount)`（必填）
`drillFields`	String[]	下钻时暴露的明细维度字段
`drillFilter`	String	下钻时追加的过滤条件
`prompt`	String	AI 提示词
`hidden`	boolean	是否隐藏
`tags`	String[]	标签

`@Explore`（查询视图）

定义一个 cube 对外的若干种查询视角，每个 code 对应一组可用维度 / 指标。

属性	类型	说明
`code`	String	视图唯一编码
`name`	String	视图名称
`where`	String	该视图的固定过滤条件
`dimensions`	String[]	该视图暴露的维度（留空为全部）
`measures`	String[]	该视图暴露的指标（留空为全部）
`parameters`	ExploreParameter[]	运行时参数
`joins`	Join[]	与其它 cube 的关联
`hidden`	boolean	是否隐藏

`CubeProxy`（扩展点）

实现 xyz.erupt.annotation.fun.CubeProxy 并在 @EruptCube(dataProxy = ...) 中引用，可在查询表达式生成前后各插一手（行级权限、租户隔离、结果加工）：

java

public interface CubeProxy {

    // 查询表达式生成前动态处理
    default String beforeQuery(String expr, Map<String, Object> context) {
        return expr;
    }

    // 查询结果返回后处理
    default void afterQuery(List<CubeResultRow> result, Map<String, Object> context) {
    }
}

关于注解字符串在 IDE 里如何获得 SQL / VTL 语法高亮与校验，见专题《注解里的那行字符串，不是哑字符串》。

为什么不用 Looker / Metabase / Cube.dev / 自研？

维度	Looker (Google)	Metabase	Cube.dev	自研 SQL 拼接	Erupt Cube
语义层定义方式	LookML（专用 DSL）	Models（GUI 配置）	YAML / JS Schema	无（散落在各报表 SQL）	Java 注解（主）+ 可视化界面（辅）
语言生态	LookML（要单独学）	Java / Clojure（闭源核心）	Node.js / TypeScript	Java	Java（与业务工程同一栈）
部署形态	SaaS（闭源）	独立服务（Docker）	独立服务	与业务一体	与业务工程一体
与权限体系集成	重新对接	自有用户体系，要同步	不含权限	自研	复用 Erupt UPMS，零成本
厂商绑定	重度（Google）	否（但社区版功能受限）	否	否	否（源码交付）
国产数据库支持	几乎没有	一般	一般	看实现	达梦 / 人大金仓 / OceanBase 等
价格区间	$5,000+ / 月起	开源 + 企业版收费	开源 + Cloud 收费	0（人力成本除外）	一次买断 · 查看定价

数据库支持

类型	产品
分析型数仓（OLAP）	Apache Doris、StarRocks、ClickHouse、GreenPlum、Apache Hive、Presto、Trino、Impala、ADB
关系型数据库（OLTP）	MySQL、PostgreSQL、Oracle、SQL Server、TiDB
国产数据库	达梦（DM）、人大金仓（KingbaseES）、OceanBase
云原生数仓	Redshift、Snowflake、BigQuery、Databricks、阿里云 MaxCompute、华为云 DWS

与 Google Looker 的关系

Looker 将语义层理念做到极致，称之为 LookML，核心思想是：所有指标逻辑只定义一次，所有报表共享同一套语义层。Erupt Cube 用 Java 注解替代 LookML 的 DSL，对 Java 开发者更友好，无需学习新语言，且可深度集成 Erupt 体系内的权限、菜单、租户能力。

适合谁

中型企业数据团队（要 BI 但没数据工程师编制）
咨询公司 / 数据交付商（每个项目都要交付几十个看板）
传统行业数字化部门（要 OLAP 但不想踩 Kylin / Looker 的坑）
已在用 Erupt 开源版的团队（无缝升级，权限自然继承）

常见问题

Q1 · 和开源版 erupt 有什么差异？ 开源 erupt 提供基础 CRUD、表单与简单报表能力。erupt-cube 是商业模块，引入完整的语义层 + 多数据源 + 拖拽分析 + 看板能力 —— 这部分开源版不包含、且未来也不会开源。

Q2 · 和 erupt-report 是什么关系？

erupt-report：基于 SQL 直接配置图表，适合有 SQL 能力的开发者快速搭建固定报表
erupt-cube：基于语义层的 BI 平台，适合数据分析师拖拽自助分析，覆盖更复杂的 OLAP 场景

二者可独立使用，也可同时使用（chart 服务开发者，cube 服务业务分析师）。团队规模大、有专职数据分析师，建议直接上 cube。

Q3 · 怎么交付？ 付款后，提供你的 GitHub 用户名，作者会把你加入私有仓库 erupts/erupt-cube 的 collaborator，可直接 clone 源码、本地编译、按需引用，并发一份接入文档。

Q4 · 后续版本升级要再付费吗？ 不需要。一次买断 = 你拥有当前及所有未来版本的访问权。私有仓库的 master 持续更新，git pull 即可。

Q5 · 项目数量 / 商用 / 转手怎么算？

无项目数量限制：你公司内部、你接的外包项目，部署多少个都不限
无商用限制：可用于商业产品（含二次销售你的成品，但不可直接卖 erupt-cube 源码本身）
转手：禁止二次开源、禁止源代码再分发；公司更名或主体变更可申请授权迁移

Q6 · 试用 / 退款？在线演示已开放完整功能（账号 cube / 密码 cube），建议先充分体验。开通仓库权限后视为交付完成，不再支持退款。

如有未列出问题，请前往定价与购买页面联系作者咨询。

贡献者

YuePeng

Claude Opus 5 (1M context)

页面历史

最后编辑于 2 分钟前

查看完整历史

🐴 Erupt Ai Harness

🦞 Erupt Ai Claw

Erupt Upms 权限管理

Erupt Cloud 分布式配置中心

Erupt Report 报表图表 new

Erupt SaaS 多租户

Erupt Flow 流程引擎