Compartir a través de

在指标视图中使用联接

指标视图中的联接支持从事实数据表到维度表（星型架构）的直接联接，以及从事实数据表遍历到维度表的联接，再到细分表，从而允许跨规范化维度表（雪花架构）进行多跃点联接。 本页介绍如何在指标视图的 YAML 定义中定义联接。

模型星型架构

在星型架构中，source是事实数据表，并使用LEFT OUTER JOIN与一个或多个维度表连接。 指标视图根据所选维度和度量值联接特定查询所需的事实和维度表。

使用 ON 子句或 USING 子句在指标视图中指定联接列。

  • ON 子句：使用布尔表达式定义联接条件。
  • USING 子句：列出父表和联接表中名称相同的列。 对于第一级联接，父级是指标视图的源。 对于雪花架构中的嵌套联接，父级是直接的上游联接。

联接应遵循多对一关系。 在多对多关系的情况下，从联接维度表中选择第一个匹配的行。

注释

YAML 1.1 解析器（如 PyYAML）可能会错误地将某些未加引号的键（例如 on、off、yes、no 或 NO）解释为布尔值。 这可能会导致联接错误。若要避免此问题，请将这些密钥包装在引号中。 例如：'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)

注释

命名空间 source 引用指标视图源中的列，而联接 name 引用联接表中的列。 例如，在联接条件 source.dimension_table_1_fk = dimension_table_1.pk中， source 引用指标视图的源表（fact_table），并 dimension_table_1 引用联接表。 如果在on 子句中没有提供前缀，则引用默认为联接表。

模型雪花架构

雪花架构通过标准化维度表并将其连接到子维度来扩展星型架构。 这会创建一个多级联接结构，该结构可以匹配数据模型的深度。

注释

Snowflake 联接需要 Databricks Runtime 计算引擎 17.1 及更高版本。

定义建模雪花架构的联接：

  1. 创建指标视图。

  2. 添加第一级（星型架构）联接。

  3. 与其他维度表联接。

  4. 通过在视图中添加维度来显现出嵌套维度。

以下示例使用 TPCH 数据集来说明如何建模雪花型模式。 可以在 Azure Databricks 工作区的目录中访问 samples TPCH 数据集。

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