Snowflake가 의미 체계 뷰를 검증하는 방법¶

식 유형: 차원 및 팩트는 행 수준 식(집계되지 않음)이고 메트릭은 집계 수준 식입니다.

예를 들어, customer_name 은 차원(행 수준)이고 order_average_value 는 메트릭(집계 수준)입니다.

테이블 연결: 모든 의미 체계 식은 테이블과 연결되어야 합니다.

예를 들어, customer_name 은 customer.customer_name 으로, order_average_value 는 orders.order_average_value 로 정의해야 합니다.

동일한 테이블 참조: 식은 한정된 이름 또는 한정되지 않은 이름을 사용하여 동일한 논리 테이블의 기본 테이블 열 또는 다른 식을 참조할 수 있습니다.

예를 들어, orders 테이블에서 orders.shipping_month 를 다음과 같이 정의할 수 있습니다

• MONTH(o_shipdate) (정규화되지 않은 열 이름 사용)

• MONTH(orders.o_shipdate) (정규화된 이름 사용)

교차 테이블 제한: 식은 다른 테이블의 기본 테이블 열이나 관련 없는 논리 테이블의 식을 참조할 수 없습니다.

예를 들어, customer.customer_name 은 orders 테이블의 식을 직접 참조할 수 없으며, 둘 사이에 관계가 없으면 참조할 수 없습니다. 여러 테이블에 걸쳐 데이터 작업을 하려면 반드시 그래야 합니다.

1. 논리 테이블 간의 관계를 정의합니다(예: customer 및 orders ~ c_custkey 사이).

2. 소스 테이블(예: orders.total_value)에 팩트를 정의합니다.

3. 연결된 논리 테이블에서 이러한 식을 참조하십시오(예: customer.order_value 는 orders.total_value 참조 가능).

이름 확인: 의미 체계 식과 열의 이름이 모두 같은 경우 해당 이름에 대한 참조는 의미 체계 식에 대한 참조로 해석됩니다.

예를 들어, region 차원을 정의하고 region 열도 있는 경우 식의 region 은 열이 아닌 차원으로 해석됩니다. 식이 정의에서 동일한 이름을 참조하는 경우는 예외입니다(예: customer.c_name AS customers.c_name). 참조는 정의 식 자체가 아닌 열로 확인됩니다.

식 참조 주기: 식 간에 순환 참조를 생성할 수 없습니다.

예를 들어, orders.customer_value 를 기반으로 customer.total_value 를 정의한 다음 orders.customer_value 를 기반으로 customer.total_value 를 정의할 수 없습니다.

테이블 참조 주기: 식 정의에서 논리 테이블 간에는 순환 참조를 생성할 수 없습니다.

예를 들어, orders.customer_value 를 기반으로 customer.total_value 를 정의한 다음 orders.customer_count 를 기반으로 customer.c_custkey. 를 정의할 수 없습니다

함수 사용법: 차원에 YEAR* / DAY* / WEEK* / MONTH / QUARTER 등의 스칼라 함수를 사용할 수 있지만 테이블 함수는 허용되지 않습니다.

동일한 테이블 참조: 행 수준 식은 자체 테이블의 열을 직접 참조할 수 있습니다.

예를 들어, customers.customer_name 을 customers.c_name 으로 직접 정의할 수 있습니다.

동일하거나 더 낮은 세분성: 행 수준 식은 동일하거나 더 낮은 세부 수준에서 다른 행 수준 식을 직접 참조할 수 있습니다.

예를 들어, customer 는 orders 보다 세분성이 낮으므로(한 고객이 여러 주문을 가질 수 있음) orders.order_details 은 customer.customer_name 을 참조할 수 있습니다.

더 높은 세분성 참조: 더 높은 세부 수준에서 행 수준 식을 참조할 때 행 수준 식은 집계를 사용해야 합니다.

예를 들어, orders 는 customer 보다 세분성이 높으므로(한 고객이 여러 주문을 가질 수 있음) customer.total_orders 은 COUNT(orders.o_orderkey) 을 참조해야 합니다.

집계 참조: orders.order_type 같은 차원은 orders.order_average_value 같은 메트릭을 참조할 수 없지만, customer.customer_segment 는 orders.order_average_value 를 참조할 수 있으며, 이는 customer 가 주문보다 세분성이 낮기 때문입니다.

기본 집계: 메트릭은 집계 함수를 사용해야 합니다.

예를 들어, orders.order_average_value 는 AVG(orders.o_totalprice) 를 사용해야 합니다.

동일하거나 더 낮은 세분성: 세분성이 같거나 낮은 행 수준 식을 참조할 때 메트릭은 단일 집계를 사용해야 합니다.

예를 들어, line_items 은 주문보다 세분성이 낮으므로 orders.total_value 는 SUM(line_items.discounted_price) 를 사용할 수 있습니다.

더 높은 세분성 참조: 더 높은 세부 수준에서 행 수준 식을 참조할 때 메트릭은 중첩 집계를 사용해야 합니다.

예를 들어, orders 는 customer 보다 세분성이 높으므로 customer.average_order_value 는 AVG(SUM(orders.o_totalprice)) 를 사용해야 합니다.

기타 집계 참조: 메트릭은 집계 없이 동일하거나 더 낮은 세부 수준에서 다른 메트릭을 직접 참조할 수 있습니다.

예를 들어, orders.profit_margin 은 추가 집계 없이 orders.total_revenue / orders.total_cost 로 정의할 수 있습니다. 그러나 더 세분화된 메트릭을 참조할 때는 집계가 필요합니다.