# Метрики как измерения с фильтрами метрик

[Метрики](https://docs.getdbt.tech/docs/build/metrics-overview.md) предоставляют пользователям ценные сведения о данных, такие как количество активных пользователей и общие тенденции производительности, чтобы информировать бизнес-решения. [Измерения](https://docs.getdbt.tech/docs/build/dimensions.md), с другой стороны, помогают категоризировать данные через атрибуты, такие как тип пользователя или количество заказов, сделанных клиентом.

Для принятия обоснованных бизнес-решений некоторые метрики нуждаются в значении другой метрики как части определения метрики, что приводит нас к концепции "метрики как измерения".

В этом документе объясняется, как использовать метрики в качестве измерений с помощью фильтров метрик, что позволяет создавать более сложные метрики и получать более глубокие аналитические выводы.

## Ссылка на метрику в фильтре

Используйте синтаксис объекта `Metric()`, чтобы ссылаться на метрику в фильтре `where` для другой метрики. Функция для ссылки на метрику принимает имя метрики и ровно одну сущность:

```yaml
{{ Metric('metric_name', group_by=['entity_name']) }}
```

### Пример использования

Например, компания, предоставляющая программное обеспечение как услугу (SaaS), хочет подсчитать активированные аккаунты. В этом случае определение активированного аккаунта — это аккаунт с более чем пятью запусками модели данных.

Чтобы выразить эту метрику в SQL, компания выполнит следующие шаги:

* Напишет запрос для расчета количества запусков модели данных на аккаунт.
* Затем подсчитает количество аккаунтов, у которых более пяти запусков модели данных.

models/model\_name.sql

```sql
with data_models_per_user as (
    select
        account_id as account,
        count(model_runs) as data_model_runs
    from 
        {{ ref('fct_model_runs') }}
    group by 
        account_id
),

activated_accounts as (
    select
        count(distinct account_id) as activated_accounts
    from 
        {{ ref('dim_accounts') }}
    left join 
        data_models_per_user 
    on 
        {{ ref('dim_accounts') }}.account_id = data_models_per_user.account
    where 
        data_models_per_user.data_model_runs > 5
)

select
    *
from 
    activated_accounts
```

Этот SQL-запрос вычисляет количество `activated_accounts`, используя метрику `data_model_runs` как измерение для сущности пользователя. Он фильтрует на основе значения метрики, ограниченного сущностью аккаунта. Вы можете выразить эту логику на уровне запроса или в YAML-конфигурации метрики.

#### YAML-конфигурация

Используя тот же пример `activated_accounts`, упомянутый в [примере использования](#usage-example), следующий YAML-пример объясняет, как компания может создать [семантические модели](https://docs.getdbt.tech/docs/build/semantic-models.md) и [метрики](https://docs.getdbt.tech/docs/build/metrics-overview.md), и использовать объект `Metric()`, чтобы ссылаться на метрику `data_model_runs` в фильтре метрики `activated_accounts`:

(Версии dbt: v1.12 и новее)

* Создайте две семантические модели: `model_runs` и `accounts`.
* Создайте метрики для подсчета запусков моделей данных и пользователей.
* Укажите внешнюю сущность `account` в семантической модели `model_runs`.
* Затем создайте метрику `Activated Accounts`, отфильтровав аккаунты, у которых более пяти запусков моделей данных.

models/model\_runs.yml

```yaml
models:
  - name: model_runs
    semantic_model:
      enabled: true
    # ... other configurations ...
    columns:
      - name: model_run_id
        entity:
          type: primary
          name: model_run
      - name: account_id
        entity:
          type: foreign
          name: account
    
    metrics:
      - name: data_model_runs
        type: simple
        agg: sum
        expr: 1

  - name: accounts
    semantic_model:
      enabled: true
    # ... other configurations ...
    columns:
      - name: account_id
        entity:
          type: primary
          name: account
    
    metrics:
      - name: accounts
        type: simple
        agg: sum
        expr: 1
      
      # Metric that filters accounts based on another metric
      - name: activated_accounts
        label: Activated Accounts
        type: simple
        agg: sum
        expr: 1
        filter: |
          {{ Metric('data_model_runs', group_by=['account']) }} > 5
```

Давайте разберем SQL, который система генерирует на основе определения метрики при выполнении команды `dbt sl query --metrics activated_accounts` в интерфейсе командной строки:

* Фильтр `{{ Metric('data_model_runs', group_by=['account']) }}` генерирует SQL, аналогичный подзапросу `data_models_per_user`, показанному ранее:

  ```sql
  select
  	sum(1) as data_model_runs,
  	account
  from 
  	data_model_runs
  group by
  	account
  ```

* MetricFlow соединяет этот запрос с запросом, сгенерированным `accounts`, по элементам группировки и применяет условия фильтрации:

  ```sql
  select
    sum(1) as activated_accounts
  from accounts
  left join (
    select
        sum(1) as data_model_runs, 
  	      account
      from data_model_runs
      group by 
  	      account
  ) as subq on accounts.account = subq.account
  where data_model_runs > 5
  ```

  Промежуточные таблицы, используемые для создания этой метрики: Аккаунты с измерением `data_model_runs`

  | account | data\_model runs |
  | ------- | ---------------- |
  | 1       | 4                |
  | 2       | 7                |
  | 3       | 9                |
  | 4       | 1                |

  MetricFlow затем фильтрует эту таблицу до аккаунтов с более чем 5 запусками модели данных и подсчитывает количество аккаунтов, соответствующих этому критерию:

  | activated\_accounts |
  | ------------------- |
  | 2                   |

#### Фильтр запроса

Вы также можете использовать метрики в фильтрах на уровне запроса. Запустите эту команду в интерфейсе командной строки (CLI), чтобы сгенерировать тот же SQL-запрос, на который была ссылка ранее:

`dbt sl query --metrics accounts --where "{{ Metric('data_model_runs', group_by=['account']) }} > 5"`

Полученный SQL и данные будут такими же, за исключением имени метрики `accounts` вместо `activated_accounts`.

## Соображения

* При использовании фильтра по метрике убедитесь, что подзапрос можно соединить с внешним запросом без размножения строк в результате (неожиданного увеличения количества строк).

  * Пример, в котором аккаунты фильтруются с помощью `{{ Metric('data_model_runs', group_by=['account']) }}`, корректен, поскольку запуски моделей агрегируются до уровня аккаунта.
  * Однако фильтрация 'accounts' по `{{ Metric('data_model_runs', group_by=['model']) }}` некорректна из-за связи «один ко многим» между аккаунтами и запусками моделей, которая приводит к дублированию данных.

* Метрику можно группировать только по одной сущности. Поддержка группировки по нескольким сущностям и измерениям пока не реализована.

* В будущем вы сможете использовать метрики в качестве измерений, например в следующих сценариях:

  * Сегментация пользователей: сегментируйте пользователей, используя количество заказов, размещённых пользователем за последние 7 дней, в качестве измерения.
  * Прогнозирование оттока: используйте количество обращений в службу поддержки, отправленных с аккаунта за первые 30 дней, для прогнозирования потенциального оттока.
  * Отслеживание активации: определяйте активацию аккаунта или пользователя на основе конкретных действий, выполненных в течение определённого количества дней после регистрации.
  * Поддержка фильтров по метрикам, требующих соединений через несколько промежуточных сущностей (multi-hop joins), пока не реализована.
