BI接入要點：優化性能與總擁有成本

您的BI儀表盤是否運行緩慢？每次查詢需要30秒，調優它們耗費大量時間和金錢。常見做法是構建聚合表來加速，但隨之而來的是維護管道、監控和多個BI工具產生的重複表，導致管理混亂和成本上升。

Databricks提供了一整套BI接入棧，從物理數據佈局到治理語義層，每一層都能疊加性能提升。本文從底向上介紹每個層的優化方法。

首先是物理層。星型模式仍然是BI查詢性能的黃金標準。使用寬維度表和事實表，通過代理鍵連接，能為查詢優化器提供清晰的連接路徑。Databricks支持主鍵和外鍵約束（帶RELY提示）、標識列以及CHECK和NOT NULL約束。建議在銀牌層保留規範化模型，在金牌層構建星型模式供BI使用。

使用Unity Catalog託管表是基礎。託管表自動啓用預測優化、自動液簇選擇和元數據緩存，從而減少雲存儲請求並加速查詢規劃。液簇替代了靜態分區和手動Z-ORDER，且可隨時重新定義集羣鍵而無需重寫數據。對於BI工作負載，建議按常用過濾和連接列（如日期鍵、區域、產品類別）進行集羣，最多可選擇四列。預測優化會自動運行OPTIMIZE、VACUUM和統計信息收集，在觀察的工作負載中平均性能提升22%。

接下來是指標視圖。大多數組織在不同工具中定義相同的業務指標，導致定義漂移。Unity Catalog中的指標視圖提供了一個無頭BI層——一個單一、治理的語義層，你可以在其中集中定義數據模型和KPI，獨立於任何特定BI工具。AI/BI儀表盤、Genie、SQL筆記本和第三方BI工具都從同一定義解析指標。指標視圖還包含語義元數據（如顯示名稱、註釋、同義詞），幫助AI系統正確理解業務問題。

指標視圖物化提供了OLAP級性能，而無須維護單獨的聚合表。啓用物化後，平台會自動維護預聚合結果，並透明地將查詢路由到最佳物化。儀表盤查詢從掃描全表變為命中預聚合，降低延遲和計算成本。

最後，降低總擁有成本的實用建議包括：合理調整SQL倉庫大小（使用無服務器自動擴展）、利用DBSQL緩存層級、通過直接查詢減少數據移動，以及使用系統表監控BI使用情況。從金牌層星型模式、託管表、液簇和預測優化開始，然後定義指標視圖並啓用物化，最後監控結果。

Databricks的BI接入棧旨在幫助用户從底層物理優化到頂層語義治理全面加速BI查詢，同時降低成本。每一步優化都建立在Unity Catalog的治理基礎上，確保數據血緣和訪問控制貫穿始終。對於希望快速見效的團隊，建議優先實施託管表、液簇和預測優化，這些措施無需修改現有查詢即可帶來顯著性能提升。隨後通過指標視圖統一業務定義，並啓用物化以獲得OLAP級性能，最終實現BI儀表盤的毫秒級響應和更低的總擁有成本。