概念 #
总览 #
下面这个图清晰地表达了SuperSonic中Headless部分的各种概念之间的关系:
-
数据集、数据模型都归属于一个主题域
-
数据集可由多个模型组装而来
-
数据模型由指标、维度和标签组装而成
-
它们之间类似DB中的对应关系：
Database(主题域)->View(数据集)->Table(数据模型)->Column(指标/维度/标签)
主题域 #
主题域可以理解为一个分类的概念，用户可以根据自己的业务场景来划分主题域。SuperSonic中的数据模型，数据集，术语等概念都归属于一个主题域。
数据模型 #
在SuperSonic中, 数据模型是对数据库中数据的一种逻辑层面上的抽象, 它既可以直接指代一张物理表, 也可以由一段SQL逻辑创建而成。 当我们得到一张表物理表或者一段逻辑SQL后，可以将表头字段指定为主键、维度、度量、时间日期或者是普通字段， 当表头字段都被赋予这些特定的语义后， 即形成了一个数据模型。
| 字段 | 字段类型(表/SQL表头) | 语义类型(模型) |
|---|---|---|
| imp_date | Date | 日期 |
| user_name | String | 主键 |
| department | String | 维度 |
| pv | Bigint | 度量 |
| uv | Bigint | 度量 |
主键 #
SuperSonic中的主键概念不完全等同于数据库中的主键。当我们创建多个模型之后，如果需要指定模型间的关联关系，通俗来讲就是Join的方式， 就可以通过指定主键来进行关联。
维度 #
维度指代那些表格中通常被用来进行分组和过滤的字段。
度量 #
度量的概念则恰好和维度相反，通常是一些数值型的字段，用来表达客观现象的程度。在SuperSonic中，度量主要用来创建一个具体的指标，没有其它实质性的作用。
指标 #
指标是相对度量更具具体和实例化的概念，用户可以基于度量，字段或者已有指标来创建指标并对它进行管理。同时，创建出来的指标也可以被问答这样的上层BI产品进行消费。
时间日期 #
时间日期字段在SuperSonic中有比较重要的作用，比如一个典型的场景，当我们在问答中询问"超音数近10天访问次数"时，需要得到具体的 时间字段来进行时间范围的过滤。因此，提前在建模时把时间字段及其格式显示指定好，能起到很大的作用。并且，目前当模型中包含有度量时， 就必须指定时间日期字段。
标签对象 #
在SuperSonic中，标签对象特指被标签圈选的实体对象。比如“国风类型的歌曲”，歌曲在这里就是一个标签对象，以及“访问次数超过100的用户”，用户在这里也是一个标签对象
标签 #
标签用来圈取标签对象，比如，在上面的例子“国风类型的歌曲”，国风就是一个标签。标签可以由是一个维度，也可以是由一个指标演化而来。
数据集 #
数据集是SuperSonic用来对接问答和其它上层BI应用的一个数据结构，在数据集中，可包含来自多个模型的维度指标。 对上层应用来说，底层建模细节是隐藏的，它只需要关注数据集中暴露出来的维度指标即可，也就是说，上层应用可以把一个数据集当作是一个大宽表，可以直接进行指标维度的分析查询。
术语 #
企业内部通常有自己的私域知识，是否能把私域知识教给大模型对结果准确性有较大的影响。因此，SuperSonic引入了术语的概念，通过配置术语及其描述，就可以把私域知识 传授给大模型。比如SuperSonic给的样例术语：[近期]指代近10天；[核心用户]指Tom和Lucy，就能很容易让大模型学习到这个知识。
SQL变量 #
当我们写SQL脚本的时候，如果希望有一些更加动态的效果，就需要用到SQL变量。举个例子，当我们想基于同一个SQL模板动态的查询日表/周表/月表的时候，就可以采用SQL变量， 如下面这段SQL，interval就是一个SQL变量，通过在调用接口的时候动态的传递interval的值，就可以实现查询不通周期粒度表的效果。
select *
from s2_pv_$interval$
注意 当前SQL变量只作用在通过API接口查询数据的时候，而不作用在智能问答