别再为SAP数据可视化发愁了！用Python+pyrfc+ECharts，我花3天搭了个数据看板-程序员充电站

从SAP数据提取到动态看板：Python+pyrfc+ECharts全链路实战

当企业核心业务数据都沉淀在SAP系统中时，如何快速构建灵活的数据可视化看板成为许多技术团队的痛点。传统ABAP开发周期长、SAP原生报表灵活性不足，而Python生态与前端可视化库的组合，正成为破解这一难题的新范式。本文将完整演示如何通过pyrfc连接SAP系统，提取原始业务数据，并通过ECharts构建动态可视化看板的全过程。

1. 技术栈选型与核心组件

1.1 为什么选择Python+pyrfc组合

SAP系统通常通过RFC（Remote Function Call）接口暴露数据访问能力，而pyrfc作为Python与SAP RFC的桥梁，具有几个显著优势：

协议原生支持：直接基于SAP NW RFC协议开发，无需中间件转换
性能优化：Cython实现的底层通信模块，比纯Python方案快3-5倍
开发友好：Pythonic的API设计，与Pandas等数据分析库无缝集成

对比传统方式：

方案	开发效率	运行性能	灵活性
ABAP开发	低	高	低
ODBC/JDBC连接	中	中	中
pyrfc+Python	高	高	高

1.2 ECharts的可视化优势

作为百度开源的JavaScript可视化库，ECharts特别适合业务数据展示：

// 典型ECharts配置示例 option = { tooltip: { trigger: 'axis' }, xAxis: { type: 'category', data: ['Mon', 'Tue', 'Wed'] }, yAxis: { type: 'value' }, series: [{ data: [820, 932, 901], type: 'line' }] };

关键特性包括：

声明式配置：JSON格式的配置方式，与Python后端天然契合
交互丰富：内置缩放、筛选、下钻等交互功能
主题定制：支持企业级UI规范定制

2. 环境配置与SAP连接

2.1 开发环境准备

基础组件清单：

SAP NetWeaver RFC SDK 7.50（需从SAP官网下载）
Python 3.8+（建议使用Miniconda管理环境）
pyrfc 3.3.1（版本需与SDK匹配）

注意：RFC SDK的lib目录需要添加到系统环境变量SAPNWRFC_HOME中，这是pyrfc查找依赖的关键路径。

验证安装成功的快速测试：

import pyrfc print(pyrfc.__version__) # 应输出3.3.1

2.2 建立SAP连接

典型连接参数获取位置：

登录SAP GUI后右键连接条目选择"属性"
查看"连接参数"标签页中的主机、系统编号等信息

连接代码模板：

conn = pyrfc.Connection( ashost='10.0.1.205', # 应用服务器IP sysnr='00', # 系统编号 client='100', # 客户端号 user='developer', # 用户名 passwd='SAPpass123' # 密码 )

常见连接问题排查：

DLL加载失败：检查SDK的lib目录是否包含在SAPNWRFC_HOME环境变量
认证失败：确认用户在该Client有登录权限
网络不通：测试telnet ashost 33端口（默认33+系统编号）

3. 数据提取与处理流水线

3.1 RFC函数调用实战

以获取物料主数据为例，调用BAPI_MATERIAL_GETLIST函数：

result = conn.call( "BAPI_MATERIAL_GETLIST", MATERIAL_GENERAL={ "MATNR_LOW": "100-100", "MATNR_HIGH": "100-200" }, MAX_ROWS=50 )

关键参数说明：

MATNR_LOW/MATNR_HIGH：物料编号范围筛选
MAX_ROWS：限制返回行数，避免超时

3.2 数据清洗与转换

原始数据通常需要经过处理才能用于可视化：

import pandas as pd # 将RFC返回数据转为DataFrame df = pd.DataFrame(result["MATERIAL_LIST"]) # 处理SAP特殊日期格式 df['CREATE_DATE'] = pd.to_datetime( df['CREATED_ON'].astype(str).str.zfill(8), format='%Y%m%d' ) # 分类数据统计 stats = df.groupby('MATL_GROUP')['BASE_UOM'].count()

典型处理场景：

SAP日期数字转换（如20240101 → 2024-01-01）
多语言文本字段提取
单位统一换算（如各工厂不同计量单位标准化）

4. 动态可视化看板构建

4.1 后端API设计

使用FastAPI构建数据接口：

from fastapi import FastAPI from fastapi.middleware.cors import CORSMiddleware app = FastAPI() app.add_middleware( CORSMiddleware, allow_origins=["*"], allow_methods=["GET"] ) @app.get("/api/material-stats") async def get_material_stats(): # 调用SAP获取数据 result = conn.call("BAPI_MATERIAL_GETLIST", ...) # 数据处理逻辑 processed = process_data(result) return processed

4.2 前端集成方案

HTML模板中引入ECharts：

<div id="main" style="width: 800px;height:600px;"></div> <script src="https://cdn.jsdelivr.net/npm/echarts@5.4.3/dist/echarts.min.js"></script> <script> fetch('/api/material-stats') .then(res => res.json()) .then(data => { const chart = echarts.init(document.getElementById('main')); chart.setOption({ title: { text: '物料分类统计' }, tooltip: {}, xAxis: { data: data.categories }, yAxis: {}, series: [{ type: 'bar', data: data.values }] }); }); </script>

增强交互功能：

时间范围选择器联动数据刷新
图表联动（主图表点击下钻明细）
移动端自适应布局

5. 性能优化与生产部署

5.1 缓存策略实现

from datetime import timedelta from fastapi_cache import FastAPICache from fastapi_cache.backends.redis import RedisBackend from fastapi_cache.decorator import cache @app.get("/api/slow-query") @cache(expire=timedelta(hours=1)) async def slow_query(): # 耗时较长的SAP查询 return complex_query_result()

缓存方案对比：

方案	适用场景	实现复杂度
内存缓存	单机部署	低
Redis	分布式环境	中
SAP应用层	数据变更频率低	高

5.2 连接池管理

长期运行的Web服务需要妥善管理RFC连接：

from pyrfc import Connection from queue import Queue class SAPConnectionPool: def __init__(self, size=5): self._pool = Queue(maxsize=size) for _ in range(size): self._pool.put(self._create_connection()) def _create_connection(self): return Connection(ashost='...', ...) def get_conn(self): return self._pool.get() def release_conn(self, conn): self._pool.put(conn)

实际项目中，我们通过这种架构实现了生产计划达成率的实时监控，开发周期从原来的2周缩短到3天。最关键的是当业务部门提出新的分析维度需求时，现在只需要调整前端配置而无需修改SAP底层代码。