共用方式為

在計量檢視中使用聯結

計量檢視中的聯結支援從事實數據表到維度數據表（星型架構）的直接聯結，以及從事實數據表周游到維度數據表的聯結，然後聯結到細分數據表，允許跨正規化維度數據表的多躍點聯結（雪花式架構）。 此頁面說明如何在計量檢視的 YAML 定義中定義聯結。

備註

聯結的數據表不能包含 MAP 類型數據行。 若要瞭解如何從 MAP 類型的資料行提取值，請參閱 從映射或陣列分解巢狀元素。

模型星狀結構描述

在星型架構中，是事實數據表， source 並使用 聯結一或多個維度數據表 LEFT OUTER JOIN。 度量視圖會根據選取的維度和量值，結合特定查詢所需的事實和維度表格。

使用 ON 子句或 USING 子句，在計量檢視中指定聯結數據行。

  • ON 子句：使用布爾表達式來定義聯結條件。
  • USING 子句：列出父數據表和聯結數據表中具有相同名稱的數據行。 對於第一層聯結，父系是計量檢視的來源。 對於雪花式架構中的巢狀聯結，父系是直接上游聯結。

聯結應該遵循多對一關聯性。 如果是多對多，則會選取聯結維度數據表中的第一個相符數據列。

備註

YAML 1.1 解析器（例如 PyYAML）可能會將某些未加引號的鍵（例如 on、offyesno、 、 或 NO）誤解為布林值。 這可能會導致聯結錯誤。若要避免此問題，請將這些金鑰括在引號中。 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)

備註

source命名空間會參考指標檢視來源中的資料行，而聯結name會參考聯結資料表中的資料行。 例如，在聯結條件 source.dimension_table_1_fk = dimension_table_1.pk中， source 參照指標檢視的來源表格（fact_table），並 dimension_table_1 參照聯結的表格。 如果 子句中未提供前置詞，則聯結數據表的參考預設為聯結 on 數據表。

模型雪花結構描述

雪花式架構會藉由正規化維度數據表並將其聯機到細分，來擴充星型架構。 這會建立多層級聯結結構，以符合數據模型的深度。

備註

Snowflake 聯結需要 Databricks Runtime 計算 17.1 和更新版本。

若要定義模型雪花式架構的聯結：

  1. 建立計量檢視。
  2. 新增第一層 （星型架構） 聯結。
  3. 與其他維度數據表聯結。
  4. 藉由在檢視中新增維度來公開巢狀維度。

下列範例會使用 TPCH 數據集來說明如何建立雪花式架構的模型。 您可以在 Azure Databricks 工作區的 samples 目錄中存取 TPCH 資料集。

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
  • Last updated on