Tutorial: Crie uma view completa do Mesh com junção.

Este tutorial orienta você na criação de uma view abrangente de métricas analíticas do Ventas usando o dataset TPC-H. Ao final, você terá uma view métrica que inclui:

Combine pedidos e clientes em várias tabelas usando um esquema em floco de neve.
Define as dimensões para os atributos de tempo, geografia e ordem.
Calcula medidas simples e complexas, incluindo proporções, agregações filtradas e medidas de janela.
Utiliza a capacidade de composição para construir métricas complexas a partir de medidas mais simples.
Inclui metadados do agente para painéis e ferramentas AI .

Se você é novo na visualização de métricas, comece com Criar e editar visualização de métricas para aprender o básico. Este tutorial amplia essa base com a complexidade do mundo real.

Requisitos

Para concluir este tutorial, você precisa de:

Seu workspace deve estar habilitado para o Unity Catalog.
Um SQL warehouse ou recurso compute executando Databricks Runtime 17.3 ou superior.

O modelo de dados

O dataset TPC-H modela uma cadeia de suprimentos de atacado. Este tutorial utiliza três tabelas unidas em um esquema em floco de neve:

orders junte-se a customer em o_custkey = c_custkey
customer junte-se a nation em c_nationkey = n_nationkey

Tabela	Função	colunas principais
`orders`	Tabela de fatos (transações de pedidos)	`o_orderkey`, `o_custkey`, `o_totalprice`, `o_orderdate`, `o_orderstatus`
`customer`	Tabela de dimensões (detalhes do cliente)	`c_custkey`, `c_name`, `c_mktsegment`, `c_nationkey`
`nation`	Tabela de dimensões (referência de país ou região)	`n_nationkey`, `n_name`, `n_regionkey`

o passo 1: Abra o editor YAML

Este tutorial utiliza o editor YAML para criar a definição da sua view de métricas. Para outros métodos, consulte Criar e editar visualização de métricas.

Para abrir o editor YAML:

Clique Catálogo na barra lateral workspace .
Use a barra de pesquisa para encontrar samples.tpch.orders.
Clique no nome da tabela para exibir os detalhes da tabela.
Clique em Criar > viewde métricas . Na caixa de diálogo Criar viewde métricas , insira um nome e selecione um catálogo e um destino de esquema. Em seguida, clique em Criar .
Se necessário, clique em YAML para abrir o editor YAML.

o passo 2: Configure a viewde métricas

Comece com a versão e um comentário descritivo.

YAML
version: 1.1

comment: |-
  Sales analytics metric view for order performance analysis.
  Joins orders with customers and geography.
  Owner: Analytics Team
  Last updated: 2025-01-15

Este exemplo define a versão e adiciona uma descrição:

version: 1.1 Determina a versão da especificação YAML.
comment O documento descreve a finalidade da view métricas, que aparece no Explorador de Catálogo.

o passo 3: Defina a origem e a junção

Defina a tabela de origem primária e join as tabelas relacionadas. A join nation está aninhada sob a join customer para refletir o esquema de floco de neve, onde nação é uma subdimensão de cliente.

YAML
source: SELECT * FROM samples.tpch.orders

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

filter: o_orderdate >= '1995-01-01'

Este exemplo define a tabela de origem, a junção e o filtro:

source Define a tabela de fatos (pedidos) como o grão.
joins Traz dados do cliente usando um relacionamento muitos-para-um.
A join aninhada nation demonstra um padrão de esquema em floco de neve, unindo através de customer para alcançar dados geográficos.
filter Limitações a dados recentes, que se aplicam a todas as consultas nesta view de métricas.

o passo 4: Definir dimensões

As dimensões são os atributos pelos quais os usuários agrupam e filtram.

YAML
dimensions:
  - name: order_date
    expr: o_orderdate

  - name: order_month
    expr: "DATE_TRUNC('MONTH', o_orderdate)"

  - name: order_year
    expr: YEAR(o_orderdate)

  - name: order_status
    expr: |-
      CASE o_orderstatus
        WHEN 'O' THEN 'Open'
        WHEN 'P' THEN 'Processing'
        WHEN 'F' THEN 'Fulfilled'
      END

  - name: order_priority
    expr: "SPLIT(o_orderpriority, '-')[0]"

  - name: customer_name
    expr: customer.c_name

  - name: market_segment
    expr: customer.c_mktsegment

  - name: customer_nation
    expr: customer.nation.n_name

Este exemplo demonstra padrões dimensionais:

As dimensões temporais em múltiplas granularidades (data, mês, ano) atendem a diferentes necessidades de análise.
CASE Expressões transformam códigos enigmáticos em rótulos amigáveis para empresas.
As colunas unidas fazem referência a tabelas usando o alias definido em joins (como customer.c_name).
As colunas join aninhadas usam a notação de ponto encadeado (como customer.nation.n_name) para percorrer o esquema em floco de neve.

a etapa 5: Definir medidas

As métricas são os cálculos que os usuários desejam analisar. Defina primeiro as medidas atômicas e, em seguida, use a composibilidade para construir métricas complexas que referenciam medidas definidas anteriormente com a função MEASURE() .

YAML
measures:
  - name: order_count
    expr: COUNT(DISTINCT o_orderkey)

  - name: total_revenue
    expr: SUM(o_totalprice)

  - name: unique_customers
    expr: COUNT(DISTINCT o_custkey)

  - name: avg_order_value
    expr: MEASURE(total_revenue) / MEASURE(order_count)

  - name: revenue_per_customer
    expr: MEASURE(total_revenue) / MEASURE(unique_customers)

  - name: open_order_revenue
    expr: SUM(o_totalprice) FILTER (WHERE o_orderstatus = 'O')

  - name: fulfilled_order_revenue
    expr: SUM(o_totalprice) FILTER (WHERE o_orderstatus = 'F')

  - name: t7d_customers
    expr: COUNT(DISTINCT o_custkey)
    window:
      - order: order_date
        semiadditive: last
        range: trailing 7 day

Este exemplo demonstra padrões de medição:

Medidas atômicas (order_count, total_revenue, unique_customers) são agregações simples que formam os blocos de construção.
As medidas compostas (avg_order_value, revenue_per_customer) fazem referência a medidas definidas anteriormente usando MEASURE() em vez de duplicar a lógica de agregação. Se total_revenue for alterado, essas medidas usarão automaticamente a definição atualizada. Veja Composability.
FILTER As cláusulas criam métricas condicionais sem dimensões separadas.
A métrica de janela t7d_customers calcula uma contagem móvel de 7 dias de clientes únicos, útil para acompanhar as tendências de engajamento ao longo do tempo. Consulte Medidas de janela para obter mais padrões de medidas de janela.

o passo 6: Adicionar metadados do agente

Os metadados do agente aprimoram a visualização de dados e melhoram a precisão do LLM, fornecendo nomes de exibição, especificações de formato e sinônimos. Adicione essas propriedades às suas dimensões e medidas para dar contexto de negócios às suas métricas.

YAML
dimensions:
  - name: order_date
    expr: o_orderdate
    display_name: Order Date
  - name: order_month
    expr: "DATE_TRUNC('MONTH', o_orderdate)"
    display_name: Order Month
  - name: order_year
    expr: YEAR(o_orderdate)
    display_name: Order Year
  - name: order_status
    expr: |-
      CASE o_orderstatus
        WHEN 'O' THEN 'Open'
        WHEN 'P' THEN 'Processing'
        WHEN 'F' THEN 'Fulfilled'
      END
    display_name: Order Status
    synonyms:
      - status
      - fulfillment status
  - name: order_priority
    expr: "SPLIT(o_orderpriority, '-')[0]"
    display_name: Priority
  - name: customer_name
    expr: customer.c_name
    display_name: Customer Name
  - name: market_segment
    expr: customer.c_mktsegment
    display_name: Market Segment
    synonyms:
      - segment
      - industry
  - name: customer_nation
    expr: customer.nation.n_name
    display_name: Country
    synonyms:
      - nation
      - country

measures:
  - name: order_count
    expr: COUNT(DISTINCT o_orderkey)
    display_name: Order Count
    format:
      type: number
      decimal_places:
        type: exact
        places: 0
      abbreviation: compact
  - name: total_revenue
    expr: SUM(o_totalprice)
    display_name: Total Revenue
    format:
      type: currency
      currency_code: USD
      decimal_places:
        type: exact
        places: 2
      abbreviation: compact
    synonyms:
      - revenue
      - sales
  - name: unique_customers
    expr: COUNT(DISTINCT o_custkey)
    display_name: Unique Customers
    format:
      type: number
      decimal_places:
        type: exact
        places: 0
      abbreviation: compact
  - name: avg_order_value
    expr: MEASURE(total_revenue) / MEASURE(order_count)
    display_name: Avg Order Value
    format:
      type: currency
      currency_code: USD
      decimal_places:
        type: exact
        places: 2
      abbreviation: compact
    synonyms:
      - AOV
  - name: revenue_per_customer
    expr: MEASURE(total_revenue) / MEASURE(unique_customers)
    display_name: Revenue per Customer
    format:
      type: currency
      currency_code: USD
      decimal_places:
        type: exact
        places: 2
      abbreviation: compact
  - name: open_order_revenue
    expr: SUM(o_totalprice) FILTER (WHERE o_orderstatus = 'O')
    display_name: Open Order Revenue
    format:
      type: currency
      currency_code: USD
      decimal_places:
        type: exact
        places: 2
      abbreviation: compact
    synonyms:
      - backlog
  - name: fulfilled_order_revenue
    expr: SUM(o_totalprice) FILTER (WHERE o_orderstatus = 'F')
    display_name: Fulfilled Revenue
    format:
      type: currency
      currency_code: USD
      decimal_places:
        type: exact
        places: 2
      abbreviation: compact
  - name: t7d_customers
    expr: COUNT(DISTINCT o_custkey)
    window:
      - order: order_date
        semiadditive: last
        range: trailing 7 day
    display_name: 7-Day Rolling Customers
    format:
      type: number
      decimal_places:
        type: exact
        places: 0

Este exemplo adiciona os seguintes metadados do agente:

display_name Fornece rótulos legíveis para humanos que aparecem em ferramentas de visualização em vez de nomes técnicos de colunas.
format Define como os valores são exibidos (moeda, número, porcentagem) nos painéis.
synonyms Ajudar ferramentas AI como Genie a descobrir dimensões e medidas por meio de consultas em linguagem natural.

Para obter detalhes completos sobre as opções de metadados do agente, consulte Metadados do agente na visualização métricas.

o passo 7: definição completa de YAML

Aqui está a definição completa view métrica:

YAML
version: 1.1

source: SELECT * FROM samples.tpch.orders

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

filter: o_orderdate >= '1995-01-01'

comment: |-
  Sales analytics metric view for order performance analysis.
  Joins orders with customers and geography.
  Owner: Analytics Team
  Last updated: 2025-01-15

dimensions:
  - name: order_date
    expr: o_orderdate
    display_name: Order Date
  - name: order_month
    expr: "DATE_TRUNC('MONTH', o_orderdate)"
    display_name: Order Month
  - name: order_year
    expr: YEAR(o_orderdate)
    display_name: Order Year
  - name: order_status
    expr: |-
      CASE o_orderstatus
        WHEN 'O' THEN 'Open'
        WHEN 'P' THEN 'Processing'
        WHEN 'F' THEN 'Fulfilled'
      END
    display_name: Order Status
    synonyms:
      - status
      - fulfillment status
  - name: order_priority
    expr: "SPLIT(o_orderpriority, '-')[0]"
    display_name: Priority
  - name: customer_name
    expr: customer.c_name
    display_name: Customer Name
  - name: market_segment
    expr: customer.c_mktsegment
    display_name: Market Segment
    synonyms:
      - segment
      - industry
  - name: customer_nation
    expr: customer.nation.n_name
    display_name: Country
    synonyms:
      - nation
      - country

measures:
  - name: order_count
    expr: COUNT(DISTINCT o_orderkey)
    display_name: Order Count
    format:
      type: number
      decimal_places:
        type: exact
        places: 0
      abbreviation: compact
  - name: total_revenue
    expr: SUM(o_totalprice)
    display_name: Total Revenue
    format:
      type: currency
      currency_code: USD
      decimal_places:
        type: exact
        places: 2
      abbreviation: compact
    synonyms:
      - revenue
      - sales
  - name: unique_customers
    expr: COUNT(DISTINCT o_custkey)
    display_name: Unique Customers
    format:
      type: number
      decimal_places:
        type: exact
        places: 0
      abbreviation: compact
  - name: avg_order_value
    expr: MEASURE(total_revenue) / MEASURE(order_count)
    display_name: Avg Order Value
    format:
      type: currency
      currency_code: USD
      decimal_places:
        type: exact
        places: 2
      abbreviation: compact
    synonyms:
      - AOV
  - name: revenue_per_customer
    expr: MEASURE(total_revenue) / MEASURE(unique_customers)
    display_name: Revenue per Customer
    format:
      type: currency
      currency_code: USD
      decimal_places:
        type: exact
        places: 2
      abbreviation: compact
  - name: open_order_revenue
    expr: SUM(o_totalprice) FILTER (WHERE o_orderstatus = 'O')
    display_name: Open Order Revenue
    format:
      type: currency
      currency_code: USD
      decimal_places:
        type: exact
        places: 2
      abbreviation: compact
    synonyms:
      - backlog
  - name: fulfilled_order_revenue
    expr: SUM(o_totalprice) FILTER (WHERE o_orderstatus = 'F')
    display_name: Fulfilled Revenue
    format:
      type: currency
      currency_code: USD
      decimal_places:
        type: exact
        places: 2
      abbreviation: compact
  - name: t7d_customers
    expr: COUNT(DISTINCT o_custkey)
    window:
      - order: order_date
        semiadditive: last
        range: trailing 7 day
    display_name: 7-Day Rolling Customers
    format:
      type: number
      decimal_places:
        type: exact
        places: 0

Crie a view de métricas usando SQL

Se você estiver criando essa definição fora do Catalog Explorer, execute o seguinte SQL para criar a view de métricas. Cole o YAML completo acima entre os delimitadores $$ .

SQL
CREATE OR REPLACE VIEW catalog.schema.tpch_sales_analytics
WITH METRICS
LANGUAGE YAML
AS $$
  version: 1.1

source: SELECT * FROM samples.tpch.orders

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

filter: o_orderdate >= '1995-01-01'

comment: |-
  Sales analytics metric view for order performance analysis.
  Joins orders with customers and geography.
  Owner: Analytics Team
  Last updated: 2025-01-15

dimensions:
  - name: order_date
    expr: o_orderdate
    display_name: Order Date
  - name: order_month
    expr: "DATE_TRUNC('MONTH', o_orderdate)"
    display_name: Order Month
  - name: order_year
    expr: YEAR(o_orderdate)
    display_name: Order Year
  - name: order_status
    expr: |-
      CASE o_orderstatus
        WHEN 'O' THEN 'Open'
        WHEN 'P' THEN 'Processing'
        WHEN 'F' THEN 'Fulfilled'
      END
    display_name: Order Status
    synonyms:
      - status
      - fulfillment status
  - name: order_priority
    expr: "SPLIT(o_orderpriority, '-')[0]"
    display_name: Priority
  - name: customer_name
    expr: customer.c_name
    display_name: Customer Name
  - name: market_segment
    expr: customer.c_mktsegment
    display_name: Market Segment
    synonyms:
      - segment
      - industry
  - name: customer_nation
    expr: customer.nation.n_name
    display_name: Country
    synonyms:
      - nation
      - country

measures:
  - name: order_count
    expr: COUNT(DISTINCT o_orderkey)
    display_name: Order Count
    format:
      type: number
      decimal_places:
        type: exact
        places: 0
      abbreviation: compact
  - name: total_revenue
    expr: SUM(o_totalprice)
    display_name: Total Revenue
    format:
      type: currency
      currency_code: USD
      decimal_places:
        type: exact
        places: 2
      abbreviation: compact
    synonyms:
      - revenue
      - sales
  - name: unique_customers
    expr: COUNT(DISTINCT o_custkey)
    display_name: Unique Customers
    format:
      type: number
      decimal_places:
        type: exact
        places: 0
      abbreviation: compact
  - name: avg_order_value
    expr: MEASURE(total_revenue) / MEASURE(order_count)
    display_name: Avg Order Value
    format:
      type: currency
      currency_code: USD
      decimal_places:
        type: exact
        places: 2
      abbreviation: compact
    synonyms:
      - AOV
  - name: revenue_per_customer
    expr: MEASURE(total_revenue) / MEASURE(unique_customers)
    display_name: Revenue per Customer
    format:
      type: currency
      currency_code: USD
      decimal_places:
        type: exact
        places: 2
      abbreviation: compact
  - name: open_order_revenue
    expr: SUM(o_totalprice) FILTER (WHERE o_orderstatus = 'O')
    display_name: Open Order Revenue
    format:
      type: currency
      currency_code: USD
      decimal_places:
        type: exact
        places: 2
      abbreviation: compact
    synonyms:
      - backlog
  - name: fulfilled_order_revenue
    expr: SUM(o_totalprice) FILTER (WHERE o_orderstatus = 'F')
    display_name: Fulfilled Revenue
    format:
      type: currency
      currency_code: USD
      decimal_places:
        type: exact
        places: 2
      abbreviation: compact
  - name: t7d_customers
    expr: COUNT(DISTINCT o_custkey)
    window:
      - order: order_date
        semiadditive: last
        range: trailing 7 day
    display_name: 7-Day Rolling Customers
    format:
      type: number
      decimal_places:
        type: exact
        places: 0
$$;

Para outras formas de criar uma view de métricas, consulte Criar e editar visualização de métricas.

o passo 8: Consulte sua viewde métricas

Agora você pode consultar usando uma sintaxe adequada para negócios:

SQL
-- Aggregates total revenue, order count, and average order value
-- by customer nation and market segment, ranked by highest revenue first.
SELECT
  customer_nation,
  market_segment,
  MEASURE(total_revenue) AS total_revenue,
  MEASURE(order_count) AS order_count,
  MEASURE(avg_order_value) AS avg_order_value
FROM catalog.schema.tpch_sales_analytics
GROUP BY customer_nation, market_segment
ORDER BY total_revenue DESC;

SQL
-- Monthly trend with backlog analysis
SELECT
  order_month,
  order_status,
  MEASURE(total_revenue) AS total_revenue,
  MEASURE(open_order_revenue) AS open_order_revenue
FROM catalog.schema.tpch_sales_analytics
GROUP BY order_month, order_status
ORDER BY order_month;

O que você aprendeu

Você criou uma view de métricas que demonstra:

Recurso	Exemplo
Junção de esquema Snowflake	Ordens para cliente para país (junção aninhada de muitos para um)
Dimensões do tempo	Granularidade de data, mês e ano.
Dimensões transformadas	`CASE` declarações, funções `SPLIT`
medidas simples	`COUNT`, `SUM`
Composabilidade	`avg_order_value` e `revenue_per_customer` fazem referência a medidas definidas anteriormente usando `MEASURE()`
Medidas filtradas	`FILTER (WHERE ...)` para agregações condicionais
Medidas da janela	Contagem de clientes acumulada em 7 dias usando `trailing 7 day`
Metadados do agente	`display_name`, `format`, `synonyms`

Próximos passos

Medidas de janela para calcular médias móveis e totais acumulados no ano.
Materialização para visualização de métricas para melhorar o desempenho de consultas para grandes conjuntos de dados.
Use a visualização de métricas view usar suas métricas em painéis de AI/BI .

Requisitos​

O modelo de dados​

o passo 1: Abra o editor YAML​

o passo 2: Configure a viewde métricas​

o passo 3: Defina a origem e a junção​

o passo 4: Definir dimensões​

a etapa 5: Definir medidas​

o passo 6: Adicionar metadados do agente​

o passo 7: definição completa de YAML​

o passo 8: Consulte sua viewde métricas​

O que você aprendeu​

Próximos passos​