Unity Catalog visão métrica

info

Visualização

Esse recurso está em Public Preview.

A visualização de métricas fornece uma maneira centralizada de definir e gerenciar métricas de negócios centrais consistentes, reutilizáveis e governadas. Esta página explica as visualizações métricas, como defini-las, controlar o acesso e consultá-las em ferramentas downstream.

O que é uma métrica view?

key A visão métrica abstrai a lógica empresarial complexa em uma definição centralizada, permitindo que as organizações definam os indicadores de desempenho uma vez e os utilizem de forma consistente em ferramentas de relatórios como painéis, Genie spaces e alerta. As visualizações métricas são definidas no formato YAML e registradas em Unity Catalog. O senhor pode criá-los usando o SQL ou a interface do usuário do Catalog Explorer. Como qualquer outra tabela ou view, as visualizações métricas podem ser consultadas usando SQL.

A visualização métricas pode modelar relações complexas entre dados, suportando esquemas em estrela e em floco de neve. Isso permite que você faça uma pesquisa por dimensão ( join ) através de vários níveis de tabelas de dimensões normalizadas. join Por exemplo, é possível criar uma hierarquia de categorias a partir de pedidos para produtos e, em seguida, para categorias. Essa abordagem permite um design de métricas mais flexível e escalável em ambientes de dados normalizados.

Uma métrica view especifica um conjunto de definições de métricas , que incluem dimensões e medidas , com base em uma fonte de dados ou em várias fontes, se for usada a lógica join. O source na definição métricas view pode ser uma consulta view, tabela ou SQL. são compatíveis apenas com visualizações e tabelas.

Uma dimensão é um atributo categórico que organiza e filtra dados, como nomes de produtos, tipos de clientes ou regiões. As dimensões fornecem o rótulo e os agrupamentos necessários para analisar as medidas de forma eficaz.

Uma medida é um valor que resume a atividade comercial, normalmente usando uma função agregada, como SUM() ou AVG(). As medidas são definidas independentemente das dimensões, permitindo que os usuários as agreguem em qualquer dimensão em tempo de execução. Por exemplo, definir uma medida total_revenue permite a agregação por cliente, fornecedor ou região. As medidas geralmente são usadas como KPIs em relatórios e painéis.

O exemplo a seguir mostra como medidas e dimensões são definidas em uma view de métricas:

YAML

version: 1.1

source: samples.tpch.orders
filter: o_orderdate > '1990-01-01'

dimensions:
  - name: Order Month
    expr: DATE_TRUNC('MONTH', o_orderdate)

  - name: Order Status
    expr: CASE
      WHEN o_orderstatus = 'O' then 'Open'
      WHEN o_orderstatus = 'P' then 'Processing'
      WHEN o_orderstatus = 'F' then 'Fulfilled'
      END

  - name: Order Priority
    expr: SPLIT(o_orderpriority, '-')[1]

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

  - name: Total Revenue
    expr: SUM(o_totalprice)

  - name: Total Revenue per Customer
    expr: SUM(o_totalprice) / COUNT(DISTINCT o_custkey)

  - name: Total Revenue for Open Orders
    expr: SUM(o_totalprice) FILTER (WHERE o_orderstatus='O')

visão métrica comparada à visão padrão

Normalmente, a visualização padrão é projetada para responder a uma pergunta comercial específica. Eles geralmente incluem lógica de agregação e agrupamentos de dimensões que devem ser especificados quando o site view é criado. Isso pode causar problemas quando um usuário quiser consultar uma dimensão não incluída no site original view. Medidas mais complexas, como proporções ou contagens distintas, geralmente não podem ser reagregadas sem retornar resultados incorretos.

As visualizações métricas permitem que os autores definam medidas e dimensões independentemente de como os usuários filtram e agrupam os dados. Essa separação permite que o sistema gere a consulta correta com base na seleção do usuário, preservando a lógica métrica consistente e centralizada.

Exemplo

Suponha que você queira analisar a receita por cliente distinto em diferentes níveis geográficos. Com uma view padrão, você precisa criar uma visualização separada para cada agrupamento, como por estado, região ou país, ou compute todas as combinações com antecedência usando GROUP BY CUBE() e filtrar depois. Essas soluções alternativas aumentam a complexidade e levam a problemas de desempenho e governança.

Com as métricas view, o senhor define as métricas apenas uma vez, e elas podem ser agrupadas por diferentes dimensões quando consultadas. Por exemplo, soma da receita dividida pela contagem distinta de clientes . Em seguida, os usuários podem agrupar por qualquer dimensão geográfica disponível. O mecanismo de consulta reescreve a consulta nos bastidores para realizar a computação correta, independentemente de como os dados são agrupados.

Casos de uso para visualização de métricas

As visualizações métricas são benéficas quando:

• O senhor precisa padronizar as definições de métricas entre equipes e ferramentas.
• O senhor deseja expor métricas que não podem ser reagregadas com segurança, como proporções ou contagens distintas.
• O senhor deseja permitir o fatiamento e a filtragem flexíveis para os usuários corporativos e, ao mesmo tempo, manter a transparência e a governança por meio do SQL.

Essa abordagem ajuda a evitar inconsistências, reduz a duplicação e simplifica a experiência do usuário ao trabalhar com métricas de negócios em toda a organização.

Definir a métricas view

Os usuários com o privilégioCREATE TABLE em um esquema podem criar visualizações métricas. Você deve ter pelo menos privilégios SELECT nos objetos de origem. O senhor pode criar visualizações métricas usando o editor YAML na interface do usuário do Catalog Explorer ou usando SQL.

A definição YAML para uma view de métricas inclui os seguintes campos de nível superior:

• version: padrão para 1.1. Esta é a versão da especificação view de métricas. Veja o changelog da especificação da versão.
• source: Os dados de origem das métricas view. Isso pode ser um ativo semelhante a uma tabela ou uma consulta SQL.
• joins: Opcional. A junção de esquemas em estrela e em floco de neve é suportada.
• filter: Opcional. Uma expressão booleana SQL que se aplica a todas as consultas; equivalente à cláusula WHERE.
• comment: Opcional. Descrição da view de métricas.
• dimensions: Uma matriz de definições de dimensão, incluindo o nome e a expressão da dimensão.
• measures: Uma matriz de colunas de expressão agregada.

métricas view são compostas, permitindo que o senhor crie uma lógica em camadas e reutilizável em um único view. As dimensões podem fazer referência a dimensões definidas anteriormente, e as medidas podem fazer referência a qualquer dimensão ou medidas definidas anteriormente. Ao definir novas dimensões ou medidas, o senhor também pode fazer referência a colunas de junções definidas nas métricas view.

O exemplo a seguir explica como criar uma métrica view usando a UI Databricks. Veja CREATE VIEW para obter informações sobre como definir a visualização de métricas usando SQL.

Para obter um exemplo completo que mostra como criar uma métrica view, consulte Criar uma métrica view.

visualizar ou editar uma métrica view

Qualquer pessoa com privilégios SELECT nas métricas view pode view a definição YAML detalhada. O senhor pode editar a definição se for o proprietário da métricas view. Para view detalhes ou editar uma métrica existente view:

1. Clique em Catálogo na barra lateral.
2. Clique no nome das métricas view que o senhor deseja revisar.
3. Clique em Editar para abrir o editor YAML.

Consulte métricas view Referência YAML. Veja ALTER VIEW para obter informações sobre como editar as métricas view usando SQL.

Junte a fonte de dados em uma métrica. view

A junção suporta tanto a junção direta da tabela de fatos às tabelas de dimensões (esquema em estrela) quanto a junção transversal da tabela de fatos às dimensões e, em seguida, às subdimensões, permitindo a junção multi-hop entre tabelas de dimensões normalizadas (esquemas em floco de neve). Snowflake A junção é suportada apenas ao utilizar Databricks Runtime compute 17.1 e versões superiores.

Usar metadados semânticos em uma viewde métricas

Metadados semânticos, como nomes de exibição, formato e sinônimos, fornecem informações e contexto adicionais para dimensões e medidas e ajudam ferramentas de visualização, como painéis AI/BI e ferramentas AI , como Genie spaces, a consumir melhor a visualização de métricas. Consulte Usar metadados semânticos na exibição de métricas.

gerenciar métricas view permissões

As visualizações métricas são um objeto Unity Catalog securable e seguem o mesmo modelo de permissões de outras visualizações. Consulte Privilégios e objetos protegíveis do Unity Catalog.

visualizar métricas visualizar

A visualização de métricas é registrada no Unity Catalog. Usuários com pelo menos permissão SELECT na view de métricas podem acessar detalhes usando a interface do usuário do Catalog Explorer ou consultando a view.

ver detalhes na interface do usuário do Catalog Explorer

Para view a view de métricas no Catalog Explorer:

1. Clique em Catálogo na barra lateral.
2. Navegue pelos dados disponíveis ou use a barra de pesquisa para procurar a view de métricas por nome.
3. Clique no nome da view de métricas.
4. Utilize a aba para view informações sobre a view de métricas:

• Visão geral : mostra todas as medidas e dimensões definidas nas métricas e quaisquer metadados semânticos que tenham sido definidos.
• Detalhes : Mostra a definição YAML completa para a view de métricas.
• Permissões : mostra todos os principais que podem acessar a view de métricas, seus privilégios e o objeto de banco de dados que contém o privilégio no qual ele está definido.
• Linhagem : exibe ativos relacionados, como tabelas, Notebook, painéis e outras visualizações de métricas.
• percepções : As consultas feitas na view de métricas e os usuários que acessaram a view de métricas nos últimos 30 dias são listados em ordem de frequência, com os mais frequentes no topo.

ver detalhes como resultado da consulta

A consulta a seguir retorna a definição YAML completa para uma view de métricas, incluindo medidas, dimensões, junção e metadados semânticos. Para obter detalhes completos de sintaxe, consulte Saída formatada em JSON.

SQL

DESCRIBE TABLE EXTENDED <catalog.schema.metric_view_name> AS JSON

A definição completa do YAML é mostrada no campo Texto de exibição nos resultados. Cada coluna contém um campo de metadados que contém metadados semânticos.

Consumir métricas view

O senhor pode consultar as visualizações métricas da mesma forma que uma visualização padrão view. consultas de execução de qualquer editor SQL que esteja conectado a um SQL warehouse ou outro recurso compute que esteja executando o Databricks Runtime 16.4 ou superior. Todas as avaliações de medidas em uma consulta métricas view devem usar a função agregada MEASURE.

Para obter detalhes e sintaxe completos, consulte a função agregadameasure.

O senhor também pode usar a vista métrica em todo o site Databricks workspace. Para obter mais informações, consulte a documentação associada:

• Use a visualização métrica com os painéis AI/BI
• Use a visualização métricas com AI/BI Genie
• Definir alerta na visualização de métricas
• Solucionar problemas com o perfil de consulta

Limitações

As seguintes limitações se aplicam à visualização de métricas:

• A visualização de métricas não oferece suporte Delta Sharing.
• O monitoramento do lakehouse não é suportado.
• A classificação de dados (em Beta) não é suportada.
• join no momento da consulta não são suportados. Use CTEs para join na fonte de dados.
• SELECT * não é suportado.
• Uma medida não pode ser reagregada. Por exemplo, expressões como SUM(MEASURE(measure_name)) não são suportadas. Aplique agregações somente a campos base, não a medidas agregadas.
• Tabelas unidas não podem incluir colunas do tipo MAP .
• Não é possível combinar uma medida em janela e um campo base agregado em uma expressão MEASURE .