Amazon Quick Chat 多數據集主題最佳實踐

Amazon Quick Sight的多數據集主題功能允許分析團隊將多個數據集引入單個主題，為自然語言驅動的數據探索開闢了新路徑。傳統上，跨表查詢需要數據工程師預先連接表並交付單一數據集。現在，Quick Sight提供了兩種方式：定義顯式關係鍵（在另一篇博文中討論）或為生成式AI引擎配備足夠的語義上下文，使其自行編寫SQL。本文聚焦後一種方式——聊天驅動的AI生成SQL。

當您為主題配置聊天功能時，無需提前定義關係。相反，您編寫一個包含數據集級自定義指令、主題級指令、字段同義詞和字段描述的語義層。AI在查詢時利用該上下文生成上下文感知的SQL。這使得外連接、聯合、子查詢、自連接、跨粒度比較和條件連接邏輯都變得觸手可及，且對關係圖沒有結構限制。

本文面向構建或優化Quick Sight主題以實現自然語言聊天探索的數據架構師、BI工程師和分析工程師。您將瞭解：聊天驅動的SQL生成與定義關係主題的差異；用於構建所有元數據的層次框架“語義指導棧”；八個具體的最佳實踐及其示例和反模式；處理複雜模式（外連接、多對多、遞歸層次、角色扮演維度和跨粒度比較）的技術；選擇定義關係、純語義指導或混合方法的決策框架；以及一個完整的端到端零售分析示例。

聊天與定義關係的區別

在深入最佳實踐之前，理解Quick Sight兩種多數據集模式的基本架構區別很有幫助。當您為主題定義顯式關係時，Quick Sight構建一個邏輯連接圖，並在查詢時執行內連接。該圖必須是有向無環圖（DAG），最多支持12個數據集，產生確定性的結果。這適用於需要精確控制表組合方式的受控報表場景。

當用户通過聊天提問時，Quick Sight的生成式AI讀取定義的關係或主題的語義層（指令、描述和同義詞），並生成SQL來回答問題。AI決定查詢哪些數據集、使用哪些列、合適的連接類型以及如何聚合結果。沒有預連接圖，AI基於意圖而非結構操作。

定義關係是護欄：它們防止嘗試不正確的連接。語義元數據是指導：它引導AI生成正確、上下文合適的SQL。兩者都有價值，正確選擇取決於場景。參見後文的決策框架部分。

定義關係和語義指導並非互斥。混合主題可以為核心事實到維度的連接定義關係，同時依賴自定義指令處理預定義圖之外的探索模式。

語義指導棧

驅動Quick Chat的AI引擎在生成SQL時依賴七層元數據，共同構成語義指導棧。理解每一層是編寫有效元數據的基礎。

• 第1層：數據集輸出；數據集——數據集級指令：定義每個數據集的粒度、用途、鍵和業務規則。
• 第2層：主題——主題級指令：定義跨數據集邏輯、消歧規則和默認連接行為。
• 第3層：數據集輸出；字段——同義詞：將業務詞彙映射到技術字段名。
• 第4層：數據集輸出；字段——字段描述：解釋列語義、單位、空值性和有效範圍。
• 第6層：數據集轉換——列排除：移除噪聲，如內部鍵、ETL時間戳和廢棄字段。
• 第7層：數據集轉換——計算字段和命名過濾器：預構建AI可直接引用的通用業務指標和分段定義。

每一層減少AI對您數據的不確定性。各層填充得越精確，合理解釋SQL的空間就越窄，生成結果越準確。稀疏描述的多數據集主題會產生不可靠結果，原因並非AI能力不足，而是缺乏做出正確選擇所需的信息。

最佳實踐1：編寫數據集級指令作為數據字典

數據集級自定義指令是AI與每個表的首次接觸點，併為涉及該數據集的每個問題設定上下文。要包含：表用途和粒度、主鍵、外鍵提示、業務規則、已知邊界情況和聚合規則。

例如，對於SALES_FACT數據集，好的指令應明確：“SALES_FACT包含每個訂單行項目一行。主鍵：order_line_id。粒度：一個行項目對應一個訂單上的一個產品。關鍵列：order_id鏈接到ORDER_HEADER_DIM.order_id等。收入=數量*單價-折扣金額。始終SUM收入。排除order_status='VOID'的行。表每晚UTC 02:00刷新。”

避免的反模式：過於泛泛的指令、嵌入原始SQL片段、相互矛盾的規則。

最佳實踐2：編寫主題級指令處理跨數據集邏輯

主題級指令告訴AI表之間如何關聯、術語歧義時哪個數據集優先以及如何處理跨數據集計算。包括：概念關係、消歧規則、默認連接行為、多事實解析、跨域業務定義和層次導航。

例如，零售分析主題的指令塊可指定：“SALES_FACT和RETURNS_FACT都通過customer_id鏈接到CUSTOMER_DIM，通過product_id鏈接到PRODUCT_DIM。當用户詢問‘銷售’時，使用SALES_FACT；詢問‘退貨’或‘退款’時，使用RETURNS_FACT；對於‘淨銷售額’，連接兩者。優先使用事實表LEFT JOIN維度表，以避免靜默丟失無匹配維度記錄的事實。”

文章還提供了更多最佳實踐，包括使用同義詞、字段描述、列排除、計算字段、處理複雜模式以及決策框架，並附有完整的零售分析主題端到端示例。