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 командdbt slв 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 выполнитьdbt 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 помощьюdbt sl listможно также просматривать другие элементы вашего Semantic Layer. Чтобы увидеть полный список доступных параметров, выполнитеdbt 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!