Utwórz widok metryki

Eksplorator wykazu udostępnia interfejs wizualny do tworzenia widoków metryk. Pola i miary definiuje się interaktywnie bez konieczności pisania definicji YAML.

Na tej stronie pokazano, jak utworzyć widok metryk w interfejsie użytkownika Catalog Explorer. Aby zapoznać się z bardziej złożonym przykładem sprzężeń i zaawansowanych miar, zobacz Samouczek: tworzenie widoku metryk z sprzężeniami i modelowaniem danych. Aby utworzyć widok metryki na podstawie istniejących zasobów tableau lub Power BI, zobacz Importowanie pliku Tableau lub Power BI przy użyciu kodu Genie.

Wymagania wstępne

Przed utworzeniem widoku metryki sprawdź, czy masz następujące uprawnienia:

  • SELECT uprawnienia do zasobu przypominającego tabelę lub zapytania SQL używane jako źródło.
  • CREATE TABLE i USE SCHEMA uprawnienia w schemacie, w którym chcesz utworzyć widok pomiarowy.
  • USE CATALOG uprawnienia do katalogu nadrzędnego.
  • CAN USE uprawnienia do usługi SQL Warehouse lub innego zasobu obliczeniowego z uruchomionym środowiskiem Databricks Runtime 17.3 lub nowszym.

Administrator magazynu metadanych lub właściciel wykazu może przyznać wszystkie te uprawnienia. Właściciel schematu lub użytkownik z uprawnianiami MANAGE może przyznać uprawnienia USE SCHEMA i CREATE TABLE w obrębie schematu.

Note

Tworzenie widoku metryk jest dostępne w Databricks Runtime 16.4 i nowszych. Ta strona używa funkcji, które wymagają środowiska Databricks Runtime 17.3 lub nowszego, więc 17.3 jest minimalnym przykładem. Poszczególne funkcje YAML mogą wymagać późniejszego środowiska uruchomieniowego. Aby sprawdzić minimalną wersję środowiska uruchomieniowego dla poszczególnych funkcji, zobacz Dostępność funkcji widoku metryk.

Utwórz widok metryk

Utwórz widok metryki w Eksploratorze wykazu przy użyciu jednej z następujących metod:

W poniższych krokach użyto karty interfejsusamples.tpch.orders użytkownika i tabeli dostępnej w każdym obszarze roboczym, aby utworzyć przykładowy widok metryki analizy sprzedaży. Ukończony widok metryki jest zgodny z definicją w sekcji Definiowanie widoku metryki w języku SQL lub YAML. Aby dowiedzieć się więcej na temat tego zestawu danych, zobacz Przykładowe zestawy danych.

Krok 1: Utwórz widok metryki i otwórz edytor

  1. Kliknij ikonę Dane.Wykaz na pasku bocznym obszaru roboczego.
  2. Użyj paska wyszukiwania, aby znaleźć samples.tpch.orders, a następnie kliknij nazwę tabeli.
  3. Kliknij pozycję Utwórz>Widok metryki. W oknie dialogowym Tworzenie widoku metryki wprowadź nazwę, wybierz katalog i miejsce docelowe schematu, a następnie kliknij przycisk Utwórz.

Edytor zostanie otwarty na karcie interfejsu użytkownika . Edytor dodaje wszystkie kolumny źródłowe do karty Pola automatycznie i dodaje przykładową COUNT(*) miarę.

Interfejs edytowania widoku metryki w Eksploratorze wykazu.

Krok 2: Dodaj połączenie

W tym przykładzie dołączono tabelę customer, aby atrybuty klienta były dostępne jako pola. Aby dodać połączenie, kliknij przycisk połączenia w górnym prawym rogu edytora:

  1. Aby dołączyć źródło, wybierz samples.tpch.customer i kliknij Dodaj.
  2. Wprowadź customer jako nazwę połączenia.
  3. Użyj list rozwijanych, aby ustawić warunek łączenia na source.o_custkey = customer.c_custkey. Aby dodać więcej niż jedną kolumnę łączenia, kliknij + Klucz łączenia. Aby ustawić warunek inny niż równość, kliknij pozycję Wyrażenie i uściślij warunek.
  4. W obszarze Dołącz kardynalność wybierz pozycję Wiele do jednego. Aby uzyskać wskazówki dotyczące wybierania kardynalności, zobacz Łączenie kardynalności.
  5. Wybierz pozycję Co najwyżej jedno dopasowanie w obszarze wydajność zapytań. Każde zamówienie odpowiada co najwyżej jednemu klientowi, więc ta optymalizacja jest bezpieczna i ustawia at_most_one_match: true w definicji YAML.
  6. Kliknij pozycję Dołącz.
  7. W oknie dialogowym Dodawanie pól kliknij pozycję Dodaj wszystkie kolumny , aby dynamicznie importować wszystkie kolumny z tabeli źródłowej. Jeśli zamiast tego chcesz dodać poszczególne kolumny, pomiń ten krok. Pola z dołączonego obiektu pojawiają się na liście rozwijanej razem z polami ze źródła.

Sprzężenia łączą tabelę źródłową z innymi tabelami lub zapytaniami. Informacje na temat pojęć związanych z modelowaniem złączeń, w tym schematu gwiazdy i schematu płatka śniegu oraz wzorców YAML, znajdziesz w sekcji Praca ze złączeniami.

Krok 3. Definiowanie filtru

Kompletna definicja YAML na tej stronie zawiera filtr, który ogranicza widok metryki do zamówień złożonych po 1 stycznia 1990 r.

Wprowadzaj wyrażenia za pomocą Kreatora lub w trybie niestandardowym

Podczas definiowania filtru, pola lub miary należy ustawić jego wyrażenie przy użyciu jednej z dwóch opcji w sekcji Wyrażenie :

  • Kreator: Wybierz z list rozwijanych uwzględniających kontekst, a edytor automatycznie utworzy za Ciebie wyrażenie SQL.
  • Niestandardowy: wprowadź wyrażenie SQL bezpośrednio.

W kolejnych krokach używa się Builder do prostego filtrowania kolumn, przekształceń i agregacji, a Custom do wyrażeń, których nie można utworzyć za pomocą narzędzia Builder, takich jak instrukcje CASE i miary złożone.

Aby zdefiniować filtr:

  1. Kliknij ikonę Filtruj.Filtruj w prawym górnym rogu edytora widoku metryk.
  2. Ustaw wyrażenie filtru:
    • W obszarze Konstruktor wybierz kolumnęsource.o_orderdate, operatorGreater than i wartość1990-01-01.
    • W Niestandardowy wpisz wyrażenie SQL source.o_orderdate > '1990-01-01'.

Filtr dotyczy wszystkich zapytań odwołujących się do widoku metryki. Aby zapoznać się z pojęciami dotyczącymi modelowania filtrów i wzorcami YAML, zobacz Stosowanie filtrów.

Krok 4. Dodawanie pól

Podczas definiowania filtru, pola lub miary należy ustawić jego wyrażenie przy użyciu jednej z dwóch opcji w sekcji Wyrażenie :

  • Kreator: Wybierz z list rozwijanych uwzględniających kontekst, a edytor automatycznie utworzy za Ciebie wyrażenie SQL. Dostępne opcje zmieniają się na podstawie typu kolumny i wartości.
  • Niestandardowy: wprowadź wyrażenie SQL bezpośrednio.

Kroki, które należy wykonać, przełączają się między dwiema opcjami na podstawie złożoności każdego wyrażenia. Użyj Builder do prostych przekształceń kolumn i agregacji, a następnie przełącz się na Custom w przypadku wyrażeń, których nie da się utworzyć za pomocą Builder, takich jak instrukcje i miary złożone.

W przykładzie zdefiniowano trzy pola: dwie przekształcone kolumny ze źródła i jedną kolumnę ze sprzężonej customer tabeli. Pola, nazywane również wymiarami, zachowują się jak zwykłe kolumny tabeli. Pole może być kolumną kategorii używaną do grupowania i filtrowania lub nieagregowanej kolumny liczbowej, którą można agregować w czasie zapytania. Aby uzyskać więcej informacji na temat pól modelowania, zobacz Pola.

Edytor automatycznie dodaje wszystkie kolumny źródłowe do karty Pola . Aby uzyskać układ jak w przykładzie, usuń niepotrzebne kolumny, tak aby pozostały tylko source.o_orderdate, source.o_orderstatus i customer.c_mktsegment.

Aby usunąć pole:

  1. Kliknij kartę Pola.
  2. Kliknij pole wyboru po lewej stronie nazwy pola, aby wybrać pola, które chcesz usunąć.
  3. Kliknij przycisk Usuń.

Aby usunąć poszczególne pola, użyj ikony menu Kebab po prawej stronie nazwy pola.

Podczas edytowania pola można również dodać metadane:

  • Nazwa wyświetlana: etykieta opisowa.
  • Komentarz: opis pola.
  • Synonimy: alternatywne nazwy, które ułatwiają narzędziom sztucznej inteligencji odnajdywanie pola. Zobacz Synonimy.
  • Format: niestandardowe formatowanie danych, które kontroluje sposób wyświetlania wartości. Format jest dostępny tylko dla kolumn liczbowych, dat i daty/godziny. Zobacz Specyfikacje formatu.
  • Tagi zarządzane: tagi zarządzane do klasyfikacji i nadzoru.

Edytor pól w interfejsie użytkownika widoku metryki.

Aby zdefiniować każde pole, kliknij jego nazwę na karcie Pola , skompiluj wyrażenie i dodaj opcjonalny komentarz. Aby uruchomić przekształcenie i wyświetlić wynik, kliknij ikonę OdtwórzPodgląd.

  1. Miesiąc zamówienia: Kliknij Builder. Następnie wybierz source.o_orderdate i zastosuj transformację miesiąca, aby utworzyć DATE_TRUNC('MONTH', source.o_orderdate). Dodaj komentarz Month of order.

  2. Stan zamówienia: kliknij pozycję Niestandardowe. Następnie dodaj komentarz Status of order i wprowadź następujące wyrażenie:

    CASE
  WHEN source.o_orderstatus = 'O' THEN 'Open'
  WHEN source.o_orderstatus = 'P' THEN 'Processing'
  WHEN source.o_orderstatus = 'F' THEN 'Fulfilled'
END

  3. Segment rynku: w narzędziu Builder wybierz kolumnę customer.c_mktsegment z tabeli sprzężonej customer . Dodaj komentarz Customer market segment.

Krok 5. Dodawanie miar

W przykładzie zdefiniowano trzy miary. Miary to wyrażenia agregujące, które generują metryki biznesowe, takie jak łączny przychód lub liczba zamówień. Edytor dodaje miarę COUNT(*) automatycznie. Można ją edytować lub usunąć.

Podczas edytowania miary można również dodać nazwę wyświetlaną, komentarz, synonimy, format i tagi zarządzane, te same metadane dostępne dla pól.

Aby dodać każdą miarę, na karcie Miary kliknij pozycję +, skompiluj wyrażenie i dodaj opcjonalny komentarz. Aby uruchomić agregację i wyświetlić wynik, kliknij pozycję Ikona odtwarzaniaPodgląd. Po dodaniu miary sugestie Genie są wyświetlane w górnej części okienka edytora miar; kliknij sugestię, aby utworzyć miarę.

  1. Liczba zamówień: w konstruktorze wybierz agregację Liczba , aby utworzyć COUNT(1). Dodaj komentarz Total number of orders.
  2. Łączny przychód: W Builderze wybierz source.o_totalprice oraz agregację Suma, aby wygenerować SUM(source.o_totalprice). Dodaj komentarz Sum of all order prices.
  3. Całkowity przychód na klienta: w polu Niestandardowy wprowadź wartość SUM(source.o_totalprice) / COUNT(DISTINCT source.o_custkey). Dodaj komentarz Average revenue per unique customer.

Wyświetl podgląd miary w interfejsie użytkownika widoku metryki.

Aby dodać miarę okna czasowego do obliczeń dla szeregów czasowych, takich jak średnie ruchome lub sumy narastające, kliknij pozycję + Okno podczas edytowania miary. Zobacz Wymiary okna.

Krok 6: Zapisz widok metryki

Kliknij Zapisz. Ukończony widok metryki jest zgodny z definicją w sekcji Definiowanie widoku metryki w języku SQL lub YAML.

Definiowanie widoku metryki w języku SQL lub YAML

Zamiast tworzyć widok metryki w interfejsie użytkownika, możesz zdefiniować go bezpośrednio w języku YAML lub w języku SQL przy użyciu CREATE VIEW instrukcji z klauzulą WITH METRICS . Poniżej przedstawiono pełną definicję przykładowego widoku metryki. Jest to filtrowany widok samples.tpch.orders połączonych z samples.tpch.customer, z polami dla miesiąca zamówienia, statusu zamówienia i segmentu rynku klientów oraz miarami dla liczby zamówień, łącznego przychodu i przychodu na klienta.

Note

W tych przykładach użyto słowa kluczowego fields . Podczas tworzenia widoku metrycznego w edytorze low-code generowany plik YAML zamiast tego używa równoważnego słowa kluczowego dimensions. Zobacz Pola.

Definicja YAML

Aby zdefiniować widok metryki bezpośrednio w języku YAML, użyj następującej definicji:

Wyświetlanie definicji YAML 
version: 1.1
comment: 'Orders KPIs for sales analysis'
source: samples.tpch.orders

joins:
  - name: customer
    source: samples.tpch.customer
    'on': source.o_custkey = customer.c_custkey
    rely:
      at_most_one_match: true

filter: source.o_orderdate > '1990-01-01'

fields:
  - name: Order Month
    expr: DATE_TRUNC('MONTH', source.o_orderdate)
    comment: 'Month of order'

  - name: Order Status
    expr: |-
      CASE
        WHEN source.o_orderstatus = 'O' THEN 'Open'
        WHEN source.o_orderstatus = 'P' THEN 'Processing'
        WHEN source.o_orderstatus = 'F' THEN 'Fulfilled'
      END
    comment: 'Status of order'

  - name: Market Segment
    expr: customer.c_mktsegment
    comment: 'Customer market segment'

measures:
  - name: Order Count
    expr: COUNT(1)
    comment: 'Total number of orders'

  - name: Total Revenue
    expr: SUM(source.o_totalprice)
    comment: 'Sum of all order prices'

  - name: Total Revenue per Customer
    expr: SUM(source.o_totalprice) / COUNT(DISTINCT source.o_custkey)
    comment: 'Average revenue per unique customer'

Aby uzyskać szczegółowe informacje o składni YAML, zapoznaj się z Odnośnikiem do składni YAML widoków metryk.

Instrukcja SQL

Aby utworzyć widok metryczny w SQL, ujmij definicję YAML w instrukcji CREATE VIEW z klauzulą WITH METRICS, a kod YAML umieść między separatorami $$:

Wyświetlanie instrukcji SQL 
CREATE OR REPLACE VIEW orders_metric_view WITH METRICS LANGUAGE YAML AS
$$
  version: 1.1
  comment: "Orders KPIs for sales analysis"
  source: samples.tpch.orders

  joins:
    - name: customer
      source: samples.tpch.customer
      'on': source.o_custkey = customer.c_custkey
      rely:
        at_most_one_match: true

  filter: source.o_orderdate > '1990-01-01'

  fields:
    - name: Order Month
      expr: DATE_TRUNC('MONTH', source.o_orderdate)
      comment: "Month of order"

    - name: Order Status
      expr: |-
        CASE
          WHEN source.o_orderstatus = 'O' THEN 'Open'
          WHEN source.o_orderstatus = 'P' THEN 'Processing'
          WHEN source.o_orderstatus = 'F' THEN 'Fulfilled'
        END
      comment: "Status of order"

    - name: Market Segment
      expr: customer.c_mktsegment
      comment: "Customer market segment"

  measures:
    - name: Order Count
      expr: COUNT(1)
      comment: "Total number of orders"

    - name: Total Revenue
      expr: SUM(source.o_totalprice)
      comment: "Sum of all order prices"

    - name: Total Revenue per Customer
      expr: SUM(source.o_totalprice) / COUNT(DISTINCT source.o_custkey)
      comment: "Average revenue per unique customer"
$$

Zbiorcze importowanie pól i miar z symbolami wieloznacznymi

Dotyczy: Databricks Runtime 18.2 i nowsze z specyfikacją YAML 1.1

Zamiast wyświetlać listę każdego pola, możesz użyć symbolu wieloznakowego w elemecie expr , aby zaimportować wszystkie kolumny ze źródła lub tabeli sprzężonej. Jest to przydatne, gdy chcesz, aby widok metryki uwidocznił każdą kolumnę z nadrzędnego zasobu. Pomiń name w symbolu wieloznacznym, ponieważ Azure Databricks wyprowadza nazwę każdej kolumny ze źródła. Symbole wieloznaczne można mieszać z jawnie zdefiniowanymi polami i miarami.

Poniższa definicja importuje wszystkie pola ze źródła z wyjątkiem jednego, dodaje pole z tabeli sprzężonej customer i definiuje jawną miarę:

version: 1.1
source: samples.tpch.orders

joins:
  - name: customer
    source: samples.tpch.customer
    'on': source.o_custkey = customer.c_custkey

fields:
  - expr: source.* EXCEPT (o_comment)
  - name: Market Segment
    expr: customer.c_mktsegment

measures:
  - name: Order Count
    expr: COUNT(1)

Aby uzyskać pełną składnię symboli wieloznacznych, w tym importowanie wszystkich kolumn z dołączonej tabeli (customer.*), rozwijanie struktur i rozwiązywanie kolizji nazw, zobacz Zbiorcze importowanie pól i miar za pomocą symboli wieloznacznych.

Korzystanie z kodu Genie

Genie Code to asystent AI, którego otwierasz za pomocą przycisku ikony Genie Code Sparkle w prawym górnym rogu edytora. Opisz w naturalnym języku, czego potrzebujesz, a Genie Code zaktualizuje definicję widoku metryk. Genie Code uwzględnia kontekst: na karcie UI aktualizuje edytor za Ciebie, natomiast w edytorze YAML wstawia kod YAML.

Aby dodać pojedynczą miarę do istniejącego widoku metryki, opisz ją:

Tip

Powiedz Genie Code (tryb agenta), aby to zrobił za Ciebie:

add an average sales per customer measure

Aby utworzyć pełny widok metryki z opisu języka naturalnego, opisz go w kodzie Genie. Wynik jest definicją podobną do przykładu na tej stronie; dokładne nazwy pól i komentarze mogą się różnić.

Tip

Powiedz Genie Code (tryb agenta), aby to zrobił za Ciebie:

Create a metric view on samples.tpch.orders joined to samples.tpch.customer on o_custkey = c_custkey. Add a field for order month by truncating the order date to the month, a field for order status that maps 'O' to Open, 'P' to Processing, and 'F' to Fulfilled, and a field for the customer market segment. Add measures for the total number of orders, the total revenue as the sum of order price, and the total revenue per unique customer. Filter to orders placed after January 1, 1990.

Widok metryki można również utworzyć, importując plik Tableau lub Power BI. Zobacz Importowanie pliku Tableau lub Power BI przy użyciu kodu Genie.

Dodatkowe zasoby

Po utworzeniu widoku metryki użyj następujących zasobów, aby wykonywać zapytania, modelować i zarządzać pracą.

  • Last updated on