Выполнение DAX запроса AI DAX движка в СУБД на примере PostgreSQL

Привет, Хабр! DAX является мощным аналитическим языком запросов и активно используется во множестве проектов. Кроме того, на текущем уровне развития AI он способен условно в режиме реального времени преобразовать DAX запросы в запросы одной из СУБД, например, PostgreSQL, но, конечно, с рядом ограничений на сложность DAX запроса, схему данных и т.д. В связи с этим может быть актуальным вопрос, реально ли использовать «AI DAX движок» в сочетании с выполнением SQL запросов, сгенерированных этим движком, в одной из СУБД, т.е. выполнить DAX без Power BI на PostgreSQL источнике? Интересующимся возможностями DAX AI на примере PostgreSQL — добро пожаловать под кат 🙂

Раньше был рассмотрен DAX запрос для SUMMARIZECOLUMNS, и сейчас он тоже выглядит актуально. Рассмотрим часть схемы из dax.do с таблицей фактов Sales и таблицей клиентов Customer.

Также пусть есть DAX запрос, который, как было рассмотрено раньше, достаточно успешно преобразуется в SQL для PostgreSQL:

EVALUATE SUMMARIZECOLUMNS (     Customer[Cars Owned],     FILTER ( Sales, Sales[Quantity] > AVERAGE ( Sales[Quantity] ) ),     FILTER ( Customer, Customer[Cars Owned] > 1 ),     "Calculated Quantity",         CALCULATE (             SUMX ( Sales, Sales[Quantity] * RELATED ( Customer[Cars Owned] ) ),             REMOVEFILTERS ( Sales[Quantity] ),             FILTER ( Customer, Customer[Cars Owned] < 4 )         ) )

Условный «DAX AI движок» генерирует PostgreSQL для этого DAX за доли секунды через OpenAI API, за счет простого запроса.

SELECT "Cars Owned", SUM(Quantity * "Cars Owned") AS "Calculated Quantity" FROM sales WHERE Quantity > (SELECT AVG(Quantity) FROM sales)     AND "Cars Owned" > 1     AND "Cars Owned" < 4 GROUP BY "Cars Owned"

Выглядит неплохо, как и было рассмотрено раньше, теперь осталось выполнить этот SQL на PostgreSQL, и тогда это и будет условный «AI DAX движок для PostgreSQL без Power BI».

Пока такой функционал существует лишь в виде прототипа на сайте портфолио, тем не менее, результаты могут выглядеть достаточно интересно.

Видно, что выводится результат «DAX AI движка» — SQL для PostgreSQL, соответствующий исходному DAX, а также таблица с результатами выполнения запроса.

Как и в прошлый раз, для упрощения работы AI использована денормализованная таблица Sales, однако сейчас количество тестовых записей в Sales не 50 миллионов, а всего лишь 500 — для упрощения разработки, также добавлены всего 2-3 поля из таблиц, а не все поля таблиц Customer и Sales из dax.do:

CREATE TABLE sales (     "Order Number" INTEGER,     CustomerKey    INTEGER,     "Cars Owned"   INTEGER,     Quantity       INTEGER );  INSERT INTO sales("Order Number", CustomerKey, ""Cars Owned"", Quantity) SELECT number + 100000000 AS "Order Number",        number % 20        AS CustomerKey,        number % 20 % 5    AS "Cars Owned",        number % 10        AS Quantity FROM generate_series(1, 500) as number;

В рамках описанной схемы данных с двумя таблицами Sales и Customer запрос DAX может быть «условно произвольным», всё зависит от возможностей AI. Например, если добавить в исходный DAX выражение вида 1 + 2 * CALCULATE ( ... ), то можно заметить креатив от AI в сгенерированном SQL и использование CTE.

EVALUATE SUMMARIZECOLUMNS (     Customer[Cars Owned],     FILTER ( Sales, Sales[Quantity] > AVERAGE ( Sales[Quantity] ) ),     FILTER ( Customer, Customer[Cars Owned] > 1 ),     "Calculated Quantity",         1 + 2 * CALCULATE (             SUMX ( Sales, Sales[Quantity] * RELATED ( Customer[Cars Owned] ) ),             REMOVEFILTERS ( Sales[Quantity] ),             FILTER ( Customer, Customer[Cars Owned] < 4 )         ) )

WITH filtered_sales AS (     SELECT "Cars Owned", Quantity     FROM sales     WHERE Quantity > (         SELECT AVG(Quantity) FROM sales     )  ) SELECT "Cars Owned",      SUM(Quantity * "Cars Owned") AS "Calculated Quantity",      1 + 2 * SUM(Quantity * "Cars Owned") AS "Final Quantity" FROM filtered_sales WHERE "Cars Owned" > 1 AND "Cars Owned" < 4 GROUP BY "Cars Owned"

Или, в полном виде, введённый DAX, результаты AI DAX движка и результаты выполнения PostgreSQL запроса для измененного DAX (с выражением) выглядят следующим образом.

Надеюсь, результаты могут быть интересны при создании дашбордов и работе с Business Intelligence. Желаю успехов в BI и дашбордах 🙂