模型度量視角

指標檢視為你的資料建立語意層，將表格和檢視轉換成標準化的商業指標。 他們定義要衡量什麼、如何彙整，以及如何分割。 因此，組織內的每位使用者都能針對相同的KPI報告相同值，消除報告不一致，並能靈活分析各欄位。

你定義的核心元件包括來源、連接、濾波器、欄位和度量。

如需完整範例，包含連接、欄位、度量與代理元資料，請參見 教學：建立結合與資料建模的度量視圖。

核心元件

度量視角包含以下元素：

定義來源

您可以使用類似數據表的資產或 SQL 查詢作為計量檢視的來源。 你至少必須對任何參考的資產擁有 SELECT 權限。

類表格資產是指任何暴露表格結構並支援SELECT查詢的 Unity 目錄物件，包括表格、檢視、實體化檢視、串流表格、外部表格、系統表格及度量檢視。

使用類似表格的資產作為來源

若要使用類似資料表的資產作為來源，請指定完全限定的名稱。 例如： samples.tpch.orders 。

使用度量視角作為來源

你可以用現有的度量視圖作為新的度量視圖來源：

version: 1.1

source: views.examples.source_metric_view

fields:
  - name: Order month
    expr: '`Order Month`'

measures:
  - name: Latest order month
    expr: MAX(`Order month`)
  - name: Latest order year
    expr: "DATE_TRUNC('year', MEASURE(`Latest order month`))"

當以度量視圖作為來源時，引用欄位與度量的組合規則相同。 請參閱 組合性。

使用 SQL 查詢作為來源

要使用 SQL 查詢，請直接在 YAML 中撰寫查詢文字：

version: 1.1

source: SELECT * FROM samples.tpch.orders o LEFT JOIN samples.tpch.customer c ON o.o_custkey
  = c.c_custkey

fields:
  - name: Order key
    expr: o_orderkey

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

解析源碼中的陣列與映射

場、測度與連接皆作用於平坦的純量柱上。 如果你的來源資料有 ARRAY 欄位或 MAP 類型欄位，請先在查詢中將其解析為平面欄位 source ，再在指標視圖的其他地方參考。 有兩種轉換策略，取決於你是想要每個陣列元素一列，還是每個來源列只用一個值。 無論陣列是在頂層來源還是你加入的表格中，兩者都適用。 完整轉換函數集合請參見複雜 資料型態轉換 。

目錄中 samples 沒有任何資料集有陣列欄位，因此本節範例使用的 orders 是包含 line_items 結構體陣列的檢視。 請使用以下範例建立一個包含陣列欄位的視圖。 用你想寫入的目錄和架構來取代 catalog.schema 。 你必須擁有在該結構中建立物件的權限。

CREATE OR REPLACE VIEW catalog.schema.orders AS
SELECT
  o.o_orderkey,
  o.o_custkey,
  o.o_orderdate,
  o.o_orderstatus,
  collect_list(named_struct(
    'product_id', l.l_partkey,
    'quantity', cast(l.l_quantity as int)
  )) AS line_items
FROM samples.tpch.orders o
JOIN samples.tpch.lineitem l ON o.o_orderkey = l.l_orderkey
GROUP BY o.o_orderkey, o.o_custkey, o.o_orderdate, o.o_orderstatus;

將陣列壓平成行列

若要分析每個陣列元素作為獨立列，查詢中explode()使用 來source解包陣列。 每個元素會變成獨立的一列，而來源列的其他欄位則會對每個元素重複。 參見 從映射或陣列中爆破巢狀元素。

以下範例解包陣 line_items 列，使每個項目成為一列：

version: 1.1
source: |
  SELECT o_orderkey, o_custkey, item.product_id, item.quantity
  FROM catalog.schema.orders
  LATERAL VIEW explode(line_items) AS item

fields:
  - name: Product
    expr: product_id

measures:
  - name: Total quantity
    expr: SUM(quantity)
  - name: Line item count
    expr: COUNT(1)

在 中 source 爆破陣列會乘以來源列，因此像 的 COUNT(1) 聚合是計數陣列元素，而非原始列。 若要測量原始行且不向外展開，則將爆炸表建模為連接 one_to_many 。 參見 一對多連接。

將陣列聚合為單一值

若要將陣列縮減為每個來源列一個值而不改變列數，查詢時 source 需套用純量陣列函數，例如 aggregate()、 array_size()、 或 reduce()。 每個來源列保持其粒度，計算出的欄位可供欄位和度量使用。

以下範例計算每訂單的項目數量與陣列總數量 line_items ：

version: 1.1
source: |
  SELECT o_orderkey, o_custkey,
    array_size(line_items) AS item_count,
    aggregate(line_items, 0, (acc, x) -> acc + x.quantity) AS total_quantity
  FROM catalog.schema.orders

measures:
  - name: Total quantity
    expr: SUM(total_quantity)
  - name: Average items per order
    expr: AVG(item_count)

由於原始查詢在度量檢視處理前先縮小陣列，來源每訂單保留一列，並照常跨順序進行聚合。

解析連接資料表中的陣列

同樣的規則適用於陣列存在你想加入的資料表，而不是在頂層來源中。 連接是處理平面欄位，因此在連接前，先解析連接資料表中自己的 source 子查詢陣列。 將 join source 寫成 SQL 查詢，將陣列平整或聚合，然後在產生的欄位上加入。 請參見 度量視圖中的連接。

以下範例以 為 customer 來源，並將 orders 視圖 cardinality: one_to_many與 連接起來。 連接 source 會將每個訂單的 line_items 陣列彙總為加入前的標量 total_quantity ，因此度量視圖可以依客戶加總，而不會重複客戶列：

version: 1.1
source: samples.tpch.customer

joins:
  - name: orders
    source: |
      SELECT o_orderkey, o_custkey,
        aggregate(line_items, 0, (acc, x) -> acc + x.quantity) AS total_quantity
      FROM catalog.schema.orders
    on: orders.o_custkey = source.c_custkey
    cardinality: one_to_many

fields:
  - name: Customer name
    expr: c_name

measures:
  - name: Total quantity
    expr: SUM(orders.total_quantity)
  - name: Order count
    expr: COUNT(orders.o_orderkey)

若將每個陣列元素視為連接表中的獨立列，則以相同方式將 在 explode() 連接 source 中的陣列平整。 請參見 將陣列扁平成行。

欄位

欄位（也稱為維度）是度量檢視資料欄，可在查詢時用於 SELECT、WHERE 和 GROUP BY 子句。 欄位可以是類別欄位，例如區域或狀態，或是未彙總的數字欄位，如價格或數量，這些欄位可以在查詢時彙總。 每個場表達式必須回傳一個純量值。 它可以參考來源資料中的欄位，或是指標檢視中先前定義的欄位。 每個領域包含兩個組成部分：

• name：該柱的別名
• expr： 一個 SQL 運算式，用於參考指標視圖中來源資料或先前定義的欄位

措施

指標是產生結果的表達式，無需預設聚合層級。 它們必須使用聚合函數來表示。 要在查詢中參考測度，請使用函 MEASURE 式。 度量可以參考來源資料中的基底欄位、先前定義的欄位或先前定義的度量。 每個量值都包含下列元件：

• name：該指標的別名
• expr： 一個可包含 SQL 聚合函式的 SQL 聚合表達式

以下範例展示了分析訂單與收入資料的常見衡量模式。 這些範例使用 TPC-H 訂單表，該表包含訂單價格（o_totalprice）、客戶識別碼（o_custkey）、訂單金鑰（o_orderkey）、訂單日期（o_orderdate）及優先順序等級（o_orderpriority）：

measures:
  # Simple count measure
  - name: Order Count
    expr: COUNT(1)

  # Sum aggregation measure
  - name: Total Revenue
    expr: SUM(o_totalprice)

  # Distinct count measure
  - name: Unique Customers
    expr: COUNT(DISTINCT o_custkey)

  # Calculated measure combining multiple aggregations
  - name: Average Order Value
    expr: SUM(o_totalprice) / COUNT(DISTINCT o_orderkey)

  # Filtered measure with WHERE condition
  - name: High Priority Order Revenue
    expr: SUM(o_totalprice) FILTER (WHERE o_orderpriority = '1-URGENT')

  # Measure using a field
  - name: Average Revenue per Month
    expr: SUM(o_totalprice) / COUNT(DISTINCT DATE_TRUNC('MONTH', o_orderdate))

如需聚合函數的清單，請參閱 聚合 函數。

套用篩選器

所有參考度量視圖的查詢都會有過濾器。 要在 UI 中定義過濾器，請參見 步驟 3：定義過濾器。

要在 YAML 定義中定義濾器，請寫一個布林運算式。 以下範例展示了常見的濾波器模式：

# Single condition
filter: o_orderdate > '2024-01-01'

# Multiple conditions
filter: o_orderdate > '2024-01-01' AND o_orderstatus = 'F'

# IN clause
filter: o_orderstatus IN ('F', 'P') AND o_orderdate >= '2024-01-01'

聯接操作

指標檢視支援聯結，可使用相關資料表中的屬性來擴充來源資料。 你可以建模星型結構（事實表與維度表相連）、雪花結構（多層次維度連接）以及一對多關係（從維度來源展開事實擴展）。 關於連接類型、基數、結構模式及限制的詳細資訊，請參見 度量視圖中的連接。

要在 UI 中定義連接，請參見 步驟 2：新增連接。 要在 YAML 定義中定義 join，請使用以下章節的模式。

模型星狀結構描述

在星型架構中，source 是事實數據表，並使用 LEFT OUTER JOIN 聯結一或多個維度數據表。 度量檢視會根據所選欄位和度量，結合特定查詢所需的事實表與維度表。

請使用 on 子句（布林表達式）或 using 子句（共用欄位名稱）來指定連接欄位。 連接必須遵循多對一關係。 在多對多的情況下，引擎會從聯結的維度資料表中選取第一個相符的資料列。

以下範例將 orders （事實表）與 customer （維度表）連接，並將客戶屬性暴露為欄位。 設定 rely.at_most_one_match: true 宣告連接為多對一（每個訂單恰好有一位客戶），這讓引擎能優化查詢，過濾連接表中的欄位。

請參見使用 rely最佳化聯結。

version: 1.1
source: samples.tpch.orders

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

fields:
  - name: Customer name
    expr: customer.c_name

measures:
  - name: Total revenue
    expr: SUM(o_totalprice)

YAML 語法和格式

計量檢視定義遵循標準 YAML 表示法語法。 請參閱 Metric 視圖 YAML 語法參考， 了解所需的語法與格式。

最佳做法

建立度量視圖模型時，請使用下列準則：

• 建模原子測度：首先定義最簡單的測度（例如， SUM(revenue)， COUNT(DISTINCT customer_id)）。 利用可組合性建立複雜的度量。
• 標準化欄位值：使用轉換（如 CASE 對帳單）將資料庫代碼轉換為明確的企業名稱（例如，將訂單狀態「O」轉換為「Open」，「F」轉換為「已完成」）。
• 定義範圍並搭配篩選器：如果一個指標檢視只應該包含已完成的訂單，請在指標檢視中設定該篩選條件，避免使用者不小心包含不完整的資料。
• 使用明確命名：指標名稱應對業務使用者易於辨識（例如，應用「客戶終身價值」代替 cltv_agg_measure）。
• 獨立時間欄位：包含細緻時間欄位（如「訂單日期」）及截短時間欄位（如「訂單月份」或「訂單週」），以支援細節層級與趨勢分析。

其他資源

• 度量視圖中的連接
• 度量視圖的進階技術
• 指標視圖中的代理元資料
• 度量視圖的具體化
• 度量視圖 YAML 語法參考