Amazon Quick Chat 多数据集主题最佳实践

Amazon Quick Sight的多数据集主题功能允许分析团队将多个数据集引入单个主题，为自然语言驱动的数据探索开辟了新路径。传统上，跨表查询需要数据工程师预先连接表并交付单一数据集。现在，Quick Sight提供了两种方式：定义显式关系键（在另一篇博文中讨论）或为生成式AI引擎配备足够的语义上下文，使其自行编写SQL。本文聚焦后一种方式——聊天驱动的AI生成SQL。

当您为主题配置聊天功能时，无需提前定义关系。相反，您编写一个包含数据集级自定义指令、主题级指令、字段同义词和字段描述的语义层。AI在查询时利用该上下文生成上下文感知的SQL。这使得外连接、联合、子查询、自连接、跨粒度比较和条件连接逻辑都变得触手可及，且对关系图没有结构限制。

本文面向构建或优化Quick Sight主题以实现自然语言聊天探索的数据架构师、BI工程师和分析工程师。您将了解：聊天驱动的SQL生成与定义关系主题的差异；用于构建所有元数据的层次框架“语义指导栈”；八个具体的最佳实践及其示例和反模式；处理复杂模式（外连接、多对多、递归层次、角色扮演维度和跨粒度比较）的技术；选择定义关系、纯语义指导或混合方法的决策框架；以及一个完整的端到端零售分析示例。

聊天与定义关系的区别

在深入最佳实践之前，理解Quick Sight两种多数据集模式的基本架构区别很有帮助。当您为主题定义显式关系时，Quick Sight构建一个逻辑连接图，并在查询时执行内连接。该图必须是有向无环图（DAG），最多支持12个数据集，产生确定性的结果。这适用于需要精确控制表组合方式的受控报表场景。

当用户通过聊天提问时，Quick Sight的生成式AI读取定义的关系或主题的语义层（指令、描述和同义词），并生成SQL来回答问题。AI决定查询哪些数据集、使用哪些列、合适的连接类型以及如何聚合结果。没有预连接图，AI基于意图而非结构操作。

定义关系是护栏：它们防止尝试不正确的连接。语义元数据是指导：它引导AI生成正确、上下文合适的SQL。两者都有价值，正确选择取决于场景。参见后文的决策框架部分。

定义关系和语义指导并非互斥。混合主题可以为核心事实到维度的连接定义关系，同时依赖自定义指令处理预定义图之外的探索模式。

语义指导栈

驱动Quick Chat的AI引擎在生成SQL时依赖七层元数据，共同构成语义指导栈。理解每一层是编写有效元数据的基础。

• 第1层：数据集输出；数据集——数据集级指令：定义每个数据集的粒度、用途、键和业务规则。
• 第2层：主题——主题级指令：定义跨数据集逻辑、消歧规则和默认连接行为。
• 第3层：数据集输出；字段——同义词：将业务词汇映射到技术字段名。
• 第4层：数据集输出；字段——字段描述：解释列语义、单位、空值性和有效范围。
• 第6层：数据集转换——列排除：移除噪声，如内部键、ETL时间戳和废弃字段。
• 第7层：数据集转换——计算字段和命名过滤器：预构建AI可直接引用的通用业务指标和分段定义。

每一层减少AI对您数据的不确定性。各层填充得越精确，合理解释SQL的空间就越窄，生成结果越准确。稀疏描述的多数据集主题会产生不可靠结果，原因并非AI能力不足，而是缺乏做出正确选择所需的信息。

最佳实践1：编写数据集级指令作为数据字典

数据集级自定义指令是AI与每个表的首次接触点，并为涉及该数据集的每个问题设定上下文。要包含：表用途和粒度、主键、外键提示、业务规则、已知边界情况和聚合规则。

例如，对于SALES_FACT数据集，好的指令应明确：“SALES_FACT包含每个订单行项目一行。主键：order_line_id。粒度：一个行项目对应一个订单上的一个产品。关键列：order_id链接到ORDER_HEADER_DIM.order_id等。收入=数量*单价-折扣金额。始终SUM收入。排除order_status='VOID'的行。表每晚UTC 02:00刷新。”

避免的反模式：过于泛泛的指令、嵌入原始SQL片段、相互矛盾的规则。

最佳实践2：编写主题级指令处理跨数据集逻辑

主题级指令告诉AI表之间如何关联、术语歧义时哪个数据集优先以及如何处理跨数据集计算。包括：概念关系、消歧规则、默认连接行为、多事实解析、跨域业务定义和层次导航。

例如，零售分析主题的指令块可指定：“SALES_FACT和RETURNS_FACT都通过customer_id链接到CUSTOMER_DIM，通过product_id链接到PRODUCT_DIM。当用户询问‘销售’时，使用SALES_FACT；询问‘退货’或‘退款’时，使用RETURNS_FACT；对于‘净销售额’，连接两者。优先使用事实表LEFT JOIN维度表，以避免静默丢失无匹配维度记录的事实。”

文章还提供了更多最佳实践，包括使用同义词、字段描述、列排除、计算字段、处理复杂模式以及决策框架，并附有完整的零售分析主题端到端示例。