维度与度量

语义层字段属性定义

维度与度量概述

维度和度量是语义模型的核心构建元素，它们定义了可用于分析的字段，描述数据特征并支持各类计算。

• 维度：描述性属性（如产品类别、日期或用户ID），用于数据分组、筛选和切片
• 度量：可量化的数值（如销售额、数量或成本），用于聚合计算和指标构建

定义维度和度量的基本结构如下：

dimensions:
  - name: dimension_name   # 必需 - 唯一标识符，通常基于列名
    description: "业务定义" # 必需 - 清晰明确的业务解释
    type: data_type       # 必需 - 基础数据类型（如string, date）

measures:
  - name: measure_name    # 必需 - 唯一标识符，通常基于列名
    description: "业务定义" # 必需 - 清晰明确的业务解释
    type: data_type       # 必需 - 基础数据类型（如number, integer）

维度

维度是数据的描述性属性或特征，通常为非数字或分类字段，用于切片、分组和筛选数据。可以将维度视为分析中回答"谁、什么、哪里、何时、为什么"等问题的要素。常见示例包括日期、用户ID、产品类别、地理位置或状态标识。

字段	是否必需	描述
name	是	模型中维度的唯一名称，通常与数据库列名对应
description	是	维度的详细业务描述，必须提供
type	是	底层数据库或数据仓库中的原始数据类型（如VARCHAR、INT、TIMESTAMP）
searchable	否	指定是否为此维度创建搜索索引，默认为false
options	否	预定义的可选值列表，适用于分类型数据

度量

度量是可聚合的定量字段，用于计算业务指标，如金额总和或数量统计。

字段	是否必需	描述
name	是	模型中度量的唯一名称，通常与数据库列名对应
description	是	度量的详细业务描述，必须提供
type	是	数据库/仓库中定义的底层列类型，支持的聚合类型取决于查询引擎能力

最佳实践

• 描述性命名：使用清晰、符合业务语境的名称，直观传达字段含义
• 详细描述：提供完整描述，帮助用户理解字段的业务上下文和用途
• 明确数据类型：准确设置类型，确保系统正确处理和显示数据值
• 标注单位：在描述中注明度量单位（如"美元"、"天数"），避免误解

实例讲解

以下是一个标准化的订单语义模型示例，展示了维度和度量的实际应用：

name: orders
description: >
  表示客户订单交易数据。包含每个订单的详细信息，
  包括唯一标识、客户关联、时间信息、状态和财务数值。
  这是基于事件的模型，对销售分析、收入跟踪和购买
  模式洞察至关重要。
dimensions:
  - name: order_id
    description: >
      订单交易的唯一标识符，作为此模型的主键。
      用于查询特定订单或计算不重复订单数。
    type: string
  - name: customer_id
    description: >
      关联到'customers'模型中'id'字段的外键，将订单
      链接到下单客户。是客户分析的关键连接点。
    type: string
  - name: order_date
    description: >
      订单创建日期。用于时间序列分析、按时间范围筛选
      （如日/周/月收入）及基于时间的队列分析。
    type: date
    searchable: true # 常用于日期筛选/搜索
  - name: status
    description: >
      订单的当前履行或支付状态（如'待处理'、'已发货'、
      '已送达'、'已取消'）。用于运营报告和状态筛选。
    type: string
    options: ["pending", "shipped", "delivered", "cancelled"] # 预定义值示例
measures:
  - name: amount
    description: >
      订单的总金额，通常以特定货币单位（如美元）计算。
      是收入相关计算（求和、平均值）的核心指标。
    type: number
  - name: item_count
    description: 订单中包含的商品总数，用于分析订单规模。
    type: integer

示例解析

维度:

• order_id：典型维度，可能为数字或字符串，但主要用于标识而非计算
• customer_id：典型维度，用于关联客户信息，而非直接参与计算
• order_date：时间类维度，提供事件发生的时间背景，是时序分析的基础
• status：分类文本维度，描述订单状态，options列表确保数据规范性

度量:

• amount：核心财务度量，表示订单金额，常用于汇总计算
• item_count：数量类度量，表示订单规模，用于各类聚合分析

这种结构清晰区分了用于上下文和筛选的描述性属性（维度）与用于计算和聚合的可量化值（度量），使模型既符合业务含义又便于分析使用。

后续步骤

完成维度和度量定义后，您可以：

1. 基于这些基础元素创建更复杂的业务计算指标
2. 建立模型间的关联关系，构建完整数据模型网络