Datus-MetricFlow 介绍

说明：本项目基于 dbt-labs/metricflow 0.140.0 分支继续演进，感谢 dbt Labs 团队对原始项目的出色贡献。

什么是 MetricFlow？

MetricFlow 是一层语义层，用于以代码方式组织与管理“业务指标”的定义。它能根据指标定义自动生成简洁、可复用且一致的 SQL，让全组织范围内的指标口径统一。

借助 MetricFlow 你可以：

• 将业务指标用标准化方式“一次定义，多处复用”
• 按不同维度（时间、地域、品类等）一致地查询这些指标
• 获取针对数据仓库优化生成的 SQL

关键特性

指标管理

• 集中式定义：使用简洁 YAML 在统一位置维护指标
• 多种指标类型：简单指标、比率、表达式、累计指标
• 维度分析：按任意维度拆分（时间、地理、品类等）

智能查询生成

• 自动 SQL 生成：将指标请求转换为优化 SQL 查询
• 多跳联接：处理事实表与维表之间的复杂联接
• 时间粒度：按日/周/月等多粒度聚合

集成与灵活性

• 多数据仓库：适配多种数据平台
• API 集成：可与下游工具进行扩展集成
• 版本控制：像代码一样用 Git 管理指标定义

支持的系统

数据仓库

当前支持：

• DuckDB — 嵌入式分析数据库（适合本地与 Demo）
• SQLite — 轻量级嵌入式数据库
• StarRocks — 高性能分析型数据库

datus-metricflow 的增强

在 0.140.0 的基础上，我们提供了：

• Python 3.12 支持
• 新增数据库适配：SQLite、StarRocks
• 与 Datus 集成：统一配置、无缝协作
• 独立安装包：可作为依赖单独使用
• MCP 服务器：通过 Model Context Protocol 让 LLM 应用查询指标

安装

确保系统已安装 Python 3.12，然后执行：

pip install datus-metricflow

下一步

1. 定义指标：在语义模型目录编写 YAML，或使用 subagent 定义业务指标
2. 查询指标：使用 mf query 或结合 Datus Agent 进行查询
3. 工具集成：通过 MCP 服务器将 MetricFlow 接入 LLM 应用