メインコンテンツまでスキップ

メトリクス ビューで結合を使用する

メトリクス ビューでの結合は、ファクト テーブルからディメンション テーブルへの直接結合 (スター スキーマ) と、ファクト テーブルからディメンション テーブル、さらにサブディメンション テーブルへと移動する結合の両方をサポートし、正規化されたディメンション テーブル間でのマルチホップ結合 (スノーフレーク スキーマ) を可能にします。 このページでは、メトリクス ビューの YAML 定義で結合を定義する方法について説明します。

注記

結合されたテーブルにはMAPタイプの列を含めることはできません。MAP型の列から値を展開する方法については、 「マップまたは配列からネストされた要素を展開する」を参照してください。

モデルスタースキーマ​

スター スキーマでは、 sourceはファクト テーブルであり、 LEFT OUTER JOINを使用して 1 つ以上のディメンション テーブルと結合します。メトリックス ビューは、選択されたディメンションとメジャーに基づいて、特定のクエリに必要なファクト テーブルとディメンション テーブルを結合します。

ON句またはUSING句を使用して、メトリクス ビューで結合列を指定します。

  • ON句 : ブール式を使用して結合条件を定義します。
  • USING句 : 親テーブルと結合テーブルの両方で同じ名前を持つ列をリストします。第 1 レベルの結合の場合、親はメトリクス ビューのソースです。 スノーフレーク スキーマ内のネストされた結合の場合、親は直上の上流の結合になります。

結合は多対 1 の関係に従う必要があります。多対多の場合、結合されたディメンション テーブルから最初に一致する行が選択されます。

注記

YAML 1.1 パーサー (PyYAML など) は、 on 、 off 、 yes 、 no 、 NOなどの引用符で囲まれていない特定のキーをブール値として誤って解釈することがあります。 これにより、結合エラーが発生する可能性があります。この問題を回避するには、これらのキーを引用符で囲みます。例えば： 'on': source.dim_fk = dim.pk

source: catalog.schema.fact_table

joins:

  # The on clause supports a boolean expression
  - name: dimension_table_1
    source: catalog.schema.dimension_table_1
    on: source.dimension_table_1_fk = dimension_table_1.pk

  # The using clause supports an array of columns
  # found in both of the tables being joined.
  - name: dimension_table_2
    source: catalog.schema.dimension_table_2
    using:
      - dimension_table_2_key_a
      - dimension_table_2_key_b

dimensions:

  # Dimension referencing a join column from dimension_table_1 using dot notation
  - name: Dimension table 1 key
    expr: dimension_table_1.pk

measures:

  # Measure referencing a join column from dimension_table_1
  - name: Count of dimension table 1 keys
    expr: COUNT(dimension_table_1.pk)

注記

source名前空間はメトリクス ビューのソースの列を参照しますが、結合nameは結合されたテーブルの列を参照します。 たとえば、結合条件source.dimension_table_1_fk = dimension_table_1.pkでは、 sourceメトリクス ビューのソース テーブル ( fact_table ) を参照し、 dimension_table_1結合されたテーブルを参照します。 on句にプレフィックスが指定されていない場合、参照はデフォルトで結合テーブルに設定されます。

モデルスノーフレークスキーマ​

スノーフレーク スキーマは、ディメンション テーブルを正規化し、サブディメンションに接続することで、スター スキーマを拡張します。これにより、データ モデルの深さに一致する複数レベルの結合構造が作成されます。

注記

Snowflake結合には、 Databricks Runtimeコンピュート 17.1 以降が必要です。

スノーフレーク スキーマをモデル化する結合を定義するには:

  1. メトリクス ビューを作成します。
  2. 第 1 レベル (スター スキーマ) の結合を追加します。
  3. 他のディメンション テーブルと結合します。
  4. ビューにディメンションを追加して、ネストされたディメンションを公開します。

次の例では、TPCH データセットを使用して、スノーフレーク スキーマをモデル化する方法を示します。TPCH データセットには、Databricks ワークスペースのsamplesカタログからアクセスできます。

YAML
source: samples.tpch.orders

joins:
- name: customer
  source: samples.tpch.customer
  on: source.o_custkey = customer.c_custkey
  joins:
  - name: nation
    source: samples.tpch.nation
    on: customer.c_nationkey = nation.n_nationkey
    joins:
    - name: region
      source: samples.tpch.region
      on: nation.n_regionkey = region.r_regionkey

dimensions:
- name: clerk
  expr: o_clerk
- name: customer
  expr: customer # returns the full customer row as a struct
- name: customer_name
  expr: customer.c_name
- name: nation
  expr: customer.nation
- name: nation_name
   expr: customer.nation.n_name

に最終更新