SKILLOfficialdatabase

databricks-metric-views

プラグイン: databricks
ソース: GitHub で見る ↗

説明

Unity Catalogメトリック表示: YAMLで統治されたビジネスメトリクス（事業の重要な数値指標）を定義・作成・検索・管理します。次のような場合に使用: 標準化されたKPI（経営成績を測る主要指標）、売上メトリクス、注文分析、または複数のチーム・ツール間で一貫した定義が必要な再利用可能なビジネスメトリクスを構築する場合。

原文を表示

Unity Catalog metric views: define, create, query, and manage governed business metrics in YAML. Use when building standardized KPIs, revenue metrics, order analytics, or any reusable business metrics that need consistent definitions across teams and tools.

ユースケース

標準化されたKPIを構築するとき
売上メトリクスを定義・管理するとき
注文分析を行うとき
複数チーム間でメトリクス定義を統一するとき

本文（日本語訳）

Unity Catalog メトリックビュー

YAMLで再利用可能な統治下のビジネスメトリクスを定義し、測定値の定義と次元グループを分離することで、柔軟なクエリを実現します。

使用する場合

次のような場合に使用:

標準化されたビジネスメトリクス（売上、注文数、コンバージョン率）を定義する
ダッシュボード、Genie、SQLクエリ全体で共有するKPI層（重要業績評価指標）を構築する
複雑な集計を伴うメトリクス（比率、重複を除いた件数、条件付き測定値）を作成する
ウィンドウ測定値（移動平均、累計、期間比較、年初来累計）を定義する
メトリクス定義内の結合を使用してスター型スキーマまたはスノーフレーク型スキーマをモデル化する
事前計算されたメトリクス集計のための事前計算機能を有効にする

前提条件

Databricks Runtime 17.2以上（YAML バージョン 1.1の場合）; セマンティック（意味情報の）メタデータ（synonyms / display_name / format）の場合は 17.3以上
CAN USE 権限を持つSQLウェアハウス
ソーステーブルに対する SELECT 権限、ターゲットスキーマの CREATE TABLE + USE SCHEMA 権限

メトリックビューのライフサイクル

作業内容	リファレンス	参照すべき場面
作成	metric-view-advisor.md	作成作業全般 — アドバイザーが完全なワークフロー（スキーマプロファイリング、ソース分析、提案、デプロイ）を処理します。create-patterns.md をYAML仕様とパターンリファレンスとして併読してください。
YAML仕様 / パターン	create-patterns.md	パターン1～12、完全なYAMLフィールドリファレンス、フォーマットの注意点、デプロイエラー、クイックリファレンス。アドバイザーの補助資料です。パターン検索の場合は直接参照してください。
クエリ	query-patterns.md	メトリックビューに対するSQLの作成 — `MEASURE()` の基本、フィルタ、結合のロールアップ、ウィンドウ測定値、ルール1～3。
Genie統合	metric-view-advisor.md §Genie Design Rules	ワンファクトソースルール、ベースビュー、ドメイン組織、命名規則。エージェントメタデータフィールド（`comment`、`synonyms`、`display_name`、`format`）は create-patterns.md §YAML Field Reference に記載されています。

典型的なフロー: アドバイザー → 作成 → クエリ/検証 → Genie統合（Genieエージェントに追加する場合）

宣言的自動化バンドルを使用したソースコード管理下でのデプロイ

メトリックビューをソースコード管理に置くには、その完全なSQL定義をコミットし、バンドル管理のSQLジョブを通じて実行します。DAB（宣言的自動化バンドル）にはネイティブなメトリックビューリソースがありませんが、バンドル管理のSQLジョブでコミットされた定義を適用できます:

# databricks.yml
bundle:
  name: orders_metrics

variables:
  catalog: { default: main }
  schema:  { default: default }
  warehouse_id: { default: "" }

resources:
  jobs:
    deploy_orders_metrics:
      name: deploy_orders_metrics
      parameters:
        - name: catalog
          default: ${var.catalog}
        - name: schema
          default: ${var.schema}
      tasks:
        - task_key: create_metric_view
          sql_task:
            warehouse_id: ${var.warehouse_id}
            file:
              path: ../src/orders_metrics.metric_view.sql

デプロイと実行:

databricks bundle deploy --target <TARGET> --profile <PROFILE>
databricks bundle run deploy_orders_metrics --target <TARGET> --profile <PROFILE>

公式のメトリックビューバンドル例を参照してください。

リソース

原文（English）を表示

Unity Catalog Metric Views

Define reusable, governed business metrics in YAML that separate measure definitions from dimension groupings for flexible querying.

When to Use

Use this skill when:

Defining standardized business metrics (revenue, order counts, conversion rates)
Building KPI layers shared across dashboards, Genie, and SQL queries
Creating metrics with complex aggregations (ratios, distinct counts, filtered measures)
Defining window measures (moving averages, running totals, period-over-period, YTD)
Modeling star or snowflake schemas with joins in metric definitions
Enabling materialization for pre-computed metric aggregations

Prerequisites

Databricks Runtime 17.2+ (for YAML version 1.1); 17.3+ for semantic metadata (synonyms / display_name / format)
SQL warehouse with CAN USE permissions
SELECT on source tables, CREATE TABLE + USE SCHEMA in the target schema

Metric View Lifecycle

Task	Reference	Load when
Create	metric-view-advisor.md	Any creation task — the advisor handles the full workflow (profile schema, analyze sources, suggest, deploy). Load create-patterns.md alongside as the YAML spec and pattern reference.
YAML spec / patterns	create-patterns.md	Patterns 1–12, full YAML field reference, formatting gotchas, deployment errors, quick reference. Companion to the advisor; also load directly for pattern lookup.
Query	query-patterns.md	Writing SQL against a metric view — `MEASURE()` basics, filters, join rollups, window measures, Rules 1–3.
Genie integration	metric-view-advisor.md §Genie Design Rules	One-fact-source rule, base views, domain organization, naming. Agent metadata fields (`comment`, `synonyms`, `display_name`, `format`) are in create-patterns.md §YAML Field Reference.

Typical flow: advisor → create → query/validate → Genie integration (if adding to a Genie Agent).

Source-controlled deployment with Declarative Automation Bundles

To source-control a metric view, commit its complete SQL definition and execute it through a bundle-managed SQL job. DABs do not have a native metric-view resource, but a bundle-managed SQL job can apply a committed definition:

# databricks.yml
bundle:
  name: orders_metrics

variables:
  catalog: { default: main }
  schema:  { default: default }
  warehouse_id: { default: "" }

resources:
  jobs:
    deploy_orders_metrics:
      name: deploy_orders_metrics
      parameters:
        - name: catalog
          default: ${var.catalog}
        - name: schema
          default: ${var.schema}
      tasks:
        - task_key: create_metric_view
          sql_task:
            warehouse_id: ${var.warehouse_id}
            file:
              path: ../src/orders_metrics.metric_view.sql

Deploy and run:

databricks bundle deploy --target <TARGET> --profile <PROFILE>
databricks bundle run deploy_orders_metrics --target <TARGET> --profile <PROFILE>

See the official metric view bundle example.

Related Skills

databricks-genie-agents — create, manage, and validate Genie Agents that consume the metric views built here. Metric-view design rules for Genie are in the advisor §Genie Design Rules; query rules are in query-patterns.md.
databricks-aibi-dashboards — build AI/BI dashboards on top of metric views.
databricks-data-discovery — explore data before creating metric views; answer questions across your workspace.
databricks-dabs — source-control and deploy metric view SQL definitions via bundle-managed jobs.

Resources

原文・著作権は Anthropic および各プラグイン作者に帰属します。日本語訳は Claude API による自動翻訳です。

SKILLOfficialdatabase

databricks-metric-views

プラグイン: databricks
ソース: GitHub で見る ↗

説明

原文を表示

ユースケース

標準化されたKPIを構築するとき
売上メトリクスを定義・管理するとき
注文分析を行うとき
複数チーム間でメトリクス定義を統一するとき

本文（日本語訳）

Unity Catalog メトリックビュー

YAMLで再利用可能な統治下のビジネスメトリクスを定義し、測定値の定義と次元グループを分離することで、柔軟なクエリを実現します。

使用する場合

次のような場合に使用:

標準化されたビジネスメトリクス（売上、注文数、コンバージョン率）を定義する
ダッシュボード、Genie、SQLクエリ全体で共有するKPI層（重要業績評価指標）を構築する
複雑な集計を伴うメトリクス（比率、重複を除いた件数、条件付き測定値）を作成する
ウィンドウ測定値（移動平均、累計、期間比較、年初来累計）を定義する
メトリクス定義内の結合を使用してスター型スキーマまたはスノーフレーク型スキーマをモデル化する
事前計算されたメトリクス集計のための事前計算機能を有効にする

前提条件

Databricks Runtime 17.2以上（YAML バージョン 1.1の場合）; セマンティック（意味情報の）メタデータ（synonyms / display_name / format）の場合は 17.3以上
CAN USE 権限を持つSQLウェアハウス
ソーステーブルに対する SELECT 権限、ターゲットスキーマの CREATE TABLE + USE SCHEMA 権限

メトリックビューのライフサイクル

作業内容	リファレンス	参照すべき場面
作成	metric-view-advisor.md	作成作業全般 — アドバイザーが完全なワークフロー（スキーマプロファイリング、ソース分析、提案、デプロイ）を処理します。create-patterns.md をYAML仕様とパターンリファレンスとして併読してください。
YAML仕様 / パターン	create-patterns.md	パターン1～12、完全なYAMLフィールドリファレンス、フォーマットの注意点、デプロイエラー、クイックリファレンス。アドバイザーの補助資料です。パターン検索の場合は直接参照してください。
クエリ	query-patterns.md	メトリックビューに対するSQLの作成 — `MEASURE()` の基本、フィルタ、結合のロールアップ、ウィンドウ測定値、ルール1～3。
Genie統合	metric-view-advisor.md §Genie Design Rules	ワンファクトソースルール、ベースビュー、ドメイン組織、命名規則。エージェントメタデータフィールド（`comment`、`synonyms`、`display_name`、`format`）は create-patterns.md §YAML Field Reference に記載されています。

典型的なフロー: アドバイザー → 作成 → クエリ/検証 → Genie統合（Genieエージェントに追加する場合）

宣言的自動化バンドルを使用したソースコード管理下でのデプロイ

# databricks.yml
bundle:
  name: orders_metrics

variables:
  catalog: { default: main }
  schema:  { default: default }
  warehouse_id: { default: "" }

resources:
  jobs:
    deploy_orders_metrics:
      name: deploy_orders_metrics
      parameters:
        - name: catalog
          default: ${var.catalog}
        - name: schema
          default: ${var.schema}
      tasks:
        - task_key: create_metric_view
          sql_task:
            warehouse_id: ${var.warehouse_id}
            file:
              path: ../src/orders_metrics.metric_view.sql

デプロイと実行:

databricks bundle deploy --target <TARGET> --profile <PROFILE>
databricks bundle run deploy_orders_metrics --target <TARGET> --profile <PROFILE>

公式のメトリックビューバンドル例を参照してください。

リソース

原文（English）を表示

Unity Catalog Metric Views

Define reusable, governed business metrics in YAML that separate measure definitions from dimension groupings for flexible querying.

When to Use

Use this skill when:

Defining standardized business metrics (revenue, order counts, conversion rates)
Building KPI layers shared across dashboards, Genie, and SQL queries
Creating metrics with complex aggregations (ratios, distinct counts, filtered measures)
Defining window measures (moving averages, running totals, period-over-period, YTD)
Modeling star or snowflake schemas with joins in metric definitions
Enabling materialization for pre-computed metric aggregations

Prerequisites

Databricks Runtime 17.2+ (for YAML version 1.1); 17.3+ for semantic metadata (synonyms / display_name / format)
SQL warehouse with CAN USE permissions
SELECT on source tables, CREATE TABLE + USE SCHEMA in the target schema

Metric View Lifecycle

Task	Reference	Load when
Create	metric-view-advisor.md	Any creation task — the advisor handles the full workflow (profile schema, analyze sources, suggest, deploy). Load create-patterns.md alongside as the YAML spec and pattern reference.
YAML spec / patterns	create-patterns.md	Patterns 1–12, full YAML field reference, formatting gotchas, deployment errors, quick reference. Companion to the advisor; also load directly for pattern lookup.
Query	query-patterns.md	Writing SQL against a metric view — `MEASURE()` basics, filters, join rollups, window measures, Rules 1–3.
Genie integration	metric-view-advisor.md §Genie Design Rules	One-fact-source rule, base views, domain organization, naming. Agent metadata fields (`comment`, `synonyms`, `display_name`, `format`) are in create-patterns.md §YAML Field Reference.

Typical flow: advisor → create → query/validate → Genie integration (if adding to a Genie Agent).

Source-controlled deployment with Declarative Automation Bundles

# databricks.yml
bundle:
  name: orders_metrics

variables:
  catalog: { default: main }
  schema:  { default: default }
  warehouse_id: { default: "" }

resources:
  jobs:
    deploy_orders_metrics:
      name: deploy_orders_metrics
      parameters:
        - name: catalog
          default: ${var.catalog}
        - name: schema
          default: ${var.schema}
      tasks:
        - task_key: create_metric_view
          sql_task:
            warehouse_id: ${var.warehouse_id}
            file:
              path: ../src/orders_metrics.metric_view.sql

Deploy and run:

databricks bundle deploy --target <TARGET> --profile <PROFILE>
databricks bundle run deploy_orders_metrics --target <TARGET> --profile <PROFILE>

See the official metric view bundle example.

Related Skills

databricks-genie-agents — create, manage, and validate Genie Agents that consume the metric views built here. Metric-view design rules for Genie are in the advisor §Genie Design Rules; query rules are in query-patterns.md.
databricks-aibi-dashboards — build AI/BI dashboards on top of metric views.
databricks-data-discovery — explore data before creating metric views; answer questions across your workspace.
databricks-dabs — source-control and deploy metric view SQL definitions via bundle-managed jobs.

Resources

原文・著作権は Anthropic および各プラグイン作者に帰属します。日本語訳は Claude API による自動翻訳です。

databricks-metric-views

Unity Catalog メトリックビュー

使用する場合

前提条件

メトリックビューのライフサイクル

宣言的自動化バンドルを使用したソースコード管理下でのデプロイ

関連スキル

リソース

Unity Catalog Metric Views

When to Use

Prerequisites

Metric View Lifecycle

Source-controlled deployment with Declarative Automation Bundles

Related Skills

Resources

databricks-metric-views

Unity Catalog メトリックビュー

使用する場合

前提条件

メトリックビューのライフサイクル

宣言的自動化バンドルを使用したソースコード管理下でのデプロイ

関連スキル

リソース

Unity Catalog Metric Views

When to Use

Prerequisites

Metric View Lifecycle

Source-controlled deployment with Declarative Automation Bundles

Related Skills

Resources