Headless 指标解析原理

处理Headless 指标解析原理这类问题时，先确认目标场景，再按步骤核对配置或玩法细节。

前文介绍了如何进行建模、如何创建指标；本文主要介绍基于度量，已有指标，原始字段三种模式定义新指标后，如何对其进行解析转换成查询引擎可执行的SQL语义。

原子元素和指标

原子元素：在模型已经定义好能够被模型识别的字段和度量。

指标：由原子元素通过SQL表达式定义。

衍生指标: 由指标通过SQL表达式定义。

解析过程

Headless接收到由Chat发来的SQL查询时，主要通过指标识别-定义拆解-指标替换三个步骤进行解析。

识别：通过对SQL进行解析，识别出查询中所用到的指标。拆解：通过指标的元数据定义，将指标拆解成下一层的指标或者原始定义。替换：当拆解到最底层原子的定义，无法继续往下拆解时，使用原子定义对指标进行替换。

聚合方法的处理：由于LLM给出的指标聚合方法可能和指标定义的不一致，目前主要分两种情况进行处理

(1)  基于单一度量创建的指标，聚合方法通过以下方式依次决定。a.  通过调用参数AggOption指定，其中NATIVE将忽略语义模型中度量的聚合方法，采用SQL或者请求数据中定义的方法。b.  AggOption为DEFAULT将采用语义模型中度量的聚合方法，语义模型中时间维度的聚合粒度为None, 则不采用度量的聚合方法。(2)  基于多个度量，字段，指标创建的指标，其聚合方法以定义的为准，忽略LLM生成的SQL中的聚合方法。

以下通过一个例子进行说明

指标 PV=PV0+PV1

PV0=SUM(case when f0='a' then f1 else 0 end)

PV1=m0+m1

其中PV PV0 PV1 为指标，f0,f1 为字段，m0,m1为度量

select sum(PV) from tb --PV是一个指标定义，原始模型中并不存在，直接交由引擎无法查询--解析后变成select ( SUM(case when f0='a' then f1 else 0 end) )+(SUM(m0)+SUM(m1)) from tb --f0,f1,m0,m1都是模型中存在的原始字段，查询可以直接识别
注意事项
1. 指标不可引用自身指标
指标的拆解存在一个循环递归的过程，引用自身指标进行定义会导致无法跳出拆解过程，目前后台界面对此做了限制，不允许引用一个非字段非度量定义的指标。
2. 表达式要符合规范
（1）表达式采用SQL进行定义，因此需要符合通用的SQL表达式语法，否则SQL解析失败，指标将无法正常替换。
（2）表达式引用的字段，度量，指标需要从待选列表中选择，否则解析时无法识别到引用的元素时，指标将无法正常替换。