Примечание.
Для доступа к этой странице требуется авторизация. Вы можете попробовать войти или изменить каталоги.
Для доступа к этой странице требуется авторизация. Вы можете попробовать изменить каталоги.
Вы можете запрашивать представления метрик, такие как стандартные представления из любого редактора SQL, подключенного к хранилищу SQL или вычислительному ресурсу, работающему в поддерживаемой среде выполнения. Представления метрик поддерживают гибкое группирование и фильтрацию, поэтому можно анализировать метрики в любом сочетании измерений во время выполнения без предварительного вычисления каждой агрегации. Запросы на этой странице демонстрируют распространенные шаблоны запросов.
Меры и измерения запросов
Все оценки мер в запросе представления метрик должны использовать агрегатную функцию MEASURE . Полные сведения и синтаксис см. в разделеmeasure агрегатной функции. В Databricks Runtime 18.1 и более поздних версий можно также использовать agg.
Замечание
Чтобы выбрать все измерения и показатели из представления метрик, явно перечислите каждое измерение и оберните каждый показатель с помощью MEASURE() агрегатной функции. Поскольку меры требуют правильной MEASURE() оценки функции, необходимо указать отдельные столбцы, а не использовать SELECT *.
Запрос с группировкой
SELECT
`Order Month`,
`Order Status`,
MEASURE(`Order Count`),
MEASURE(`Total Revenue`)
FROM orders_metric_view
GROUP BY ALL
ORDER BY `Order Month`;
Запрос с фильтрацией
SELECT
o_orderpriority,
MEASURE(`Total Revenue`),
MEASURE(`Total Revenue per Customer`)
FROM orders_metric_view
WHERE `Order Status` = 'Fulfilled'
GROUP BY o_orderpriority;
Запрос с другими таблицами
Представления метрик не могут быть напрямую присоединены к другим таблицам во время запроса. Чтобы присоединить представление метрик к другой таблице, отправьте запрос представления метрик в CTE, а затем присоедините результат CTE:
WITH orders AS (
SELECT
o_custkey,
MEASURE(`Order Count`) AS order_count,
MEASURE(`Total Revenue`) AS total_revenue
FROM orders_metric_view
GROUP BY o_custkey
)
SELECT
c.c_mktsegment,
orders.order_count,
orders.total_revenue
FROM orders
JOIN samples.tpch.customer c ON orders.o_custkey = c.c_custkey
ORDER BY c.c_mktsegment;
Просмотр определения и метаданных представления метрик
Следующий запрос возвращает полное определение YAML для представления метрик, включая меры, измерения, соединения и метаданные агента. Параметр AS JSON является необязательным. Полные сведения о синтаксисе см. в выводе в формате JSON.
DESCRIBE TABLE EXTENDED <catalog.schema.metric_view_name> AS JSON
Полное определение YAML отображается в поле "Вид текста " в результатах. Каждый столбец содержит поле метаданных , содержащее метаданные агента.
Использование представлений метрик в средствах
Представления метрик также можно использовать в рабочей области Azure Databricks и во внешних средствах:
| инструмент | Описание |
|---|---|
| Панели мониторинга ИИ/BI | Используйте представления метрик для предоставления точной, объясняемой аналитики. Функция MEASURE() применяется автоматически, а метаданные агента, такие как синонимы, отображаемые имена и форматирование, отображаются в пользовательском интерфейсе. |
| Genie Spaces | Используйте представления метрик в Genie Spaces, чтобы включить точную, объясняемую аналитику с поддержкой ИИ. |
| Оповещения | Отслеживайте меры представления метрик и запускайте уведомления при пересечении пороговых значений. |
| Анализ запросов | Используйте профиль запроса для устранения неполадок и оптимизации запросов представления метрик. |
| JDBC и ODBC | Доступ к представлениям метрик через подключения JDBC и ODBC. API метаданных предоставляют структуру представления метрик внешним средствам бизнес-аналитики и аналитики. |
| Внешние средства бизнес-аналитики | Запрашивайте представления метрик из внешних инструментов бизнес-аналитики, используя режим совместимости для бизнес-аналитики. |
| надстройка Excel | Запрашивайте метрики из Microsoft Excel с помощью надстройки Databricks Excel. |
| Google Sheets | Запрос представлений метрик из Google Sheets с помощью соединителя Databricks. |