Перейти к основному содержимому

Настройка семантического слоя dbt

Начало работы​

Существует два варианта разработки проекта dbt, включая Semantic Layer:

  • dbt platform CLI — Команды MetricFlow встроены в dbt platform CLI и доступны через подкоманду dbt sl. На данный момент это самый простой и функционально полный способ разработки кода для Semantic Layer. Вы можете использовать любой удобный редактор и запускать команды из терминала.

  • Studio IDE — Вы можете создавать семантические модели и метрики в Studio IDE.

Основные команды​

  • 🔍 Менее распространённая команда, которая пригодится при работе с Semantic Layer, — dbt parse. Она разбирает ваш проект и создаёт семантический манифест — представление смысловых связей, описанных в проекте. Этот манифест загружается в dbt и используется для выполнения команд dbt sl в процессе разработки. Этот файл предоставляет MetricFlow снимок текущего состояния, на основе которого генерируются запросы.
  • 🧰 dbt sl query — ещё один ваш незаменимый помощник: эта команда выполняет запрос к вашему семантическому слою и возвращает выборку результатов. Она отлично подходит для проверки семантических моделей и метрик по мере их создания. Например, если вы создаёте модель выручки, можно выполнить dbt sl query --metrics revenue --group-by metric_time__month, чтобы убедиться, что месячная выручка рассчитывается правильно.
  • 📝 Наконец, dbt sl list dimensions --metrics [metric name] выводит список всех измерений, доступных для заданной метрики. Это полезно, чтобы проверять, что по мере разработки вы расширяете набор доступных измерений. С помощью dbt sl list можно также просматривать другие элементы вашего Semantic Layer. Чтобы увидеть полный список доступных параметров, выполните dbt sl list --help.

Для получения дополнительной информации о доступных командах обратитесь к справочнику команд MetricFlow или используйте dbt sl --help и dbt sl [subcommand] --help в командной строке. Если вам нужно сначала настроить проект dbt, ознакомьтесь с руководствами по быстрому старту.

Вперед!​

В остальной части руководства мы покажем пример кода на основе проекта Jaffle Shop, вымышленной сети ресторанов. Вы можете сами ознакомиться с кодом и попробовать его в репозитории Jaffle Shop. Так что если вы увидите, как мы рассчитываем метрики, такие как food_revenue, позже в этом руководстве, вот почему!

Нашли ошибку?

0
Loading