模型指标视图

本页介绍如何定义指标视图的核心组件：源、字段、度量值、筛选器和联接。

指标视图为数据创建语义层，将表和视图转换为标准化的业务指标。他们定义要度量的内容、如何聚合它以及如何细分它，以便整个组织中的每个用户都报告相同的 KPI 值，消除不一致的报告，并跨任何字段实现灵活的分析。

有关联接、字段、度量值和代理元数据的完整示例，请参阅教程：使用联接生成完整的指标视图。

核心组件

指标视图由以下元素组成：

组件	说明	示例
来源	包含数据的基表、视图或 SQL 查询。	`samples.tpch.orders`
字段	用于细分或分组指标的列属性。	产品类别、订单月份、客户区域
措施	用于生成指标的列聚合。	`COUNT(o_orderkey)` 作为订单计数， `SUM(o_totalprice)` 作为总收入
筛选器	应用于源数据以定义范围的条件。	`status = 'completed'` `order_date > '2024-01-01'`
联接	表、视图和指标视图之间的关系，以扩充数据。	使用 `orders` 表与 `customers` 表通过 `customer_key` 进行联接

定义源

可以使用类似表的资产或 SQL 查询作为指标视图的源。您必须对任何引用的资产至少拥有SELECT权限。

类似表的资产是公开表格架构并支持SELECT查询的任何 Unity Catalog 对象，包括表、视图、物化视图、流式处理表、外部表、系统表和指标视图。

将类似表的资产用作源

若要将表格型资产用作源，请指定完全限定的名称。例如： samples.tpch.orders。

将指标视图用作源

可以将现有指标视图用作新指标视图的源：

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`))"

将指标视图用作源时，相同的可组合性规则适用于引用字段和度量值。请参阅 “可组合性”。

使用 SQL 查询作为源

若要使用 SQL 查询，请直接在 YAML 中编写查询文本：

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)

注释

将 SQL 查询用作包含 JOIN 子句的源时，对基础表设置主键和外键约束，并使用 RELY 该选项来获得最佳查询性能。请参阅声明主键、外键和唯一约束和使用主键和唯一约束进行查询优化。

Fields

字段是在查询时用于 SELECT、WHERE 和 GROUP BY 子句中的列。每个表达式必须返回标量值。字段可以引用源数据中的列或指标视图中以前定义的字段。每个字段由两个组件组成：

name：列的别名
expr：引用指标视图中的源数据或以前定义的字段的 SQL 表达式

Warning

指标视图字段始终为 STRING，即使源列为 CHAR 或 VARCHAR。在表格边界处应用的 CHAR(n) 空格填充会丢失，因此比较结果可能与源表不同。例如，值 CHAR(10)'COLLEGE' 会存储为 'COLLEGE '，因此 column = 'COLLEGE' 在表中返回 true，而在指标视图字段中返回 false。

措施

度量值是在未预先确定聚合级别的情况下生成结果的表达式。必须使用聚合函数来表示它们。若要在查询中引用度量值，请使用函数 MEASURE 。度量值可以引用源数据、早期定义的字段或早期定义的度量值中的基列。每个度量值由以下组件组成：

name：度量值的别名
expr：可包含 SQL 聚合函数的聚合 SQL 表达式

以下示例演示了用于分析订单和收入数据的常见度量模式。这些示例使用 TPC-H 订单表，其中包含销售交易数据，包括订单价格（）、客户标识符（o_totalpriceo_custkey）、订单键（o_orderkey）、订单日期（o_orderdate）和优先级（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))

请参阅聚合函数获取聚合函数列表。

应用过滤器

YAML 定义中的筛选器适用于引用指标视图的所有查询。以下示例演示如何将筛选器编写为布尔表达式：

# 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'

处理联接

指标视图支持联接，以使用相关表中的属性丰富源数据。您可以建模星型模式（事实表与维度表的连接）、雪花模式（多级维度连接）以及一对多关系（从维度源扩展事实表）。有关联接类型、基数、架构模式和限制的详细信息，请参阅指标视图中的联接。

以下示例将 orders 事实数据表联接到 customer 维度表：

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 语法和格式设置

指标视图定义遵循标准 YAML 表示法语法。有关所需语法和格式，请参阅指标视图 YAML 语法参考。

最佳做法

对指标视图进行建模时，请使用以下准则：

模型原子度量值：首先定义最简单的度量值（例如，SUM(revenue)COUNT(DISTINCT customer_id)）。使用可组合性构建复杂的度量值。
标准化字段值：使用转换（如 CASE 语句）将数据库代码转换为明确的业务名称（例如，将订单状态“O”转换为“打开”，将“F”转换为“履行”）。
使用筛选器定义范围：如果指标视图只应包含已完成订单，请在指标视图中定义该筛选器，以便用户不能意外包含不完整的数据。
使用明确的命名：指标名称应可识别给业务用户（例如，“客户生存期值”而不是 cltv_agg_measure）。
单独的时间字段：包括粒度时间字段（如“订单日期”）和截断的时间字段（如“订单月”或“订单周”），以支持详细级别和趋势分析。

其他资源

Last updated on 2026-07-17