语义层解决方案

让团队与 Agent 共用业务定义的语义层。

语义层集中定义业务指标、维度与关系，让团队、BI 工具和 AI Agent 使用同一套业务口径。DOSI 校验兼容的 Apache Ossie 模型，将受支持的指标查询编译成数仓原生 SQL，让团队能够审核定义，并核查结果的生成依据。

免费开始使用了解工作方式

统一定义业务含义，在不同工具中复用。

语义模型将业务逻辑与数据映射放在一起，让团队、BI 工具和 Agent 在回答不同问题时，使用同一套业务定义。

Apache Ossie

指标

booked_revenueSUM((lines.gross_sales_cents-lines.discount_cents)*0.01)

order_countCOUNT(DISTINCT orders.order_id)

order_return_ratereturned_order_count*1.0/NULLIF(order_count,0)

维度

citycustomers.cityString

categoryproducts.categoryString

delivered_atorders.delivered_atDate

↔ 左右滑动，探索完整模型。

选择一个实体，探索它的业务关系与数据映射。

本体

Customer

数据源映射

crm.dim_customer

业务关系

placed_byOrder → Customer

held_byMembership → Customer

从业务含义追溯到背后的数据集与字段。

数据源	语义模型	本体
crm.dim_customer	customers.customer_id	Customerid
commerce.fct_orders	orders.order_id	Orderid
commerce.fct_order_lines	lines.order_line_id	OrderLineid
catalog.dim_product	products.product_id	Productid
logistics.fct_order_logistics	deliveries.order_id	Deliveryid
finance.fct_order_line_costs	line_costs.order_line_id	LineCostid

在同一份模型中，探索指标与维度、业务关系及数据源映射。

让业务定义独立于单一技术栈。

从已有 SQL、受支持的 BI 看板及新需求中整理业务定义，以 Apache Ossie 格式保存。这一标准开放、厂商中立，便于团队审核、维护和复用。

从日常数据工作中，沉淀业务定义。

已有 SQL、BI 看板和新的业务问题，都包含建模所需的知识。Datus Agent 帮你将它们整理为可复用的语义定义。

已有 SQL

SELECT customer_region,
  SUM(net_revenue)
FROM sales
GROUP BY customer_region

从历史 SQL 提炼

以历史查询和 SQL 文件为依据，将可复用的计算、筛选条件、维度与数据源映射整理为语义模型。

计算逻辑、筛选条件与分组方式

看板查询逻辑

从 BI 看板梳理

从受支持的 BI 看板中选择查询，梳理图表背后的计算逻辑，将分散的业务定义汇入共享模型。

图表查询与源数据

新的业务需求

在新需求开发中沉淀

描述新的业务需求，与 Datus Agent 在开发过程中一起定义数据集、业务关系与指标，再校验模型，让定义随工作成果一起沉淀。

业务需求与实时表结构

共享的语义定义

数据集
指标
维度
业务关系

由 Datus Agent 辅助起草，团队审核定义、校验模型后再使用。

查看建模流程

开放的定义，原生的执行。

Apache Ossie 是 DOSI 语义执行的核心规范。DOSI 读取兼容的 Ossie 模型，校验业务定义，再将语义查询编译为已配置数仓的原生 SQL。

选择一个环节，了解它的作用。

1 / 4

共享定义

从 SQL、看板查询或新业务需求中整理并审核定义，将数据集、维度、指标与关系统一保存在兼容的 Ossie 模型中。

指标维度业务关系

以已有的业务定义，开始使用 Datus。

将审核后的 Ossie 模型作为 Datus 的起点，为团队和 Agent 构建开放、厂商中立的语义层，并持续完善业务上下文。

免费开始使用

Apache Ossie（孵化中）提供开放规范。DOSI 采用 Elastic License 2.0 许可。Datus Agent 是开源项目。

让团队共同审核和完善业务上下文。

将数仓、文档、SQL 与 ETL 中的知识带入共享的建模流程。Datus Agent 辅助起草定义，团队在 Datus Studio 中核查、完善并验证模型。

利用已连接的数据源，以及所选的 SQL 或文档，初始化项目上下文。

将项目文件附加到对话，与 Datus Agent 一起起草数据集与指标。

northstar_premier.yaml源文件

version: 0.2.0.dev0
semantic_model:
- name: northstar_premier
  # …
  datasets:
  - name: customers
    source: northstar_living.dim_customer
    primary_key:
    - customer_id
    # …
  metrics:
  - name: booked_revenue
    expression:
      dialects:
      - dialect: ANSI_SQL
        expression: SUM((lines.gross_sales_cents-lines.discount_cents)*0.01)
  # …

追溯完整的源数据血缘，审核 YAML 差异，通过后合并到共享模型。

选择对象，查看其定义

左右滑动，探索完整血缘。

源数据表语义数据集原子指标衍生指标

Northstar 血缘记录 · 9 张源表 · 11 个语义数据集 · 12 个指标

contribution_margin

衍生指标数据集映射

booked_revenue

refund_amount

product_cost

recovered_product_cost

outbound_shipping

payment_fees

return_handling

指标

COALESCE(booked_revenue,0)-COALESCE(refund_amount,0)-COALESCE(product_cost,0)+COALESCE(recovered_product_cost,0)-COALESCE(outbound_shipping,0)-COALESCE(payment_fees,0)-COALESCE(return_handling,0)

Northstar 血缘记录 · 9 张源表 · 11 个语义数据集 · 12 个指标

统一退货处理成本的货币单位

进行中

MR #12 · 模型作者 · northstar_premier

subject/semantic_models/northstar_premier.yaml

合并被阻塞至少一个通过冲突已全部解决校验全部通过或已豁免

northstar_premier / contribution_margin已修改

1 name: contribution_margin2 expression:3   dialects:4   - dialect: ANSI_SQL5     expression: >-6       COALESCE(SUM((lines.gross_sales_cents-lines.discount_cents)*0.01),0)7       -COALESCE(SUM(refunds.merchandise_refund_cents*0.01),0)8       -COALESCE(SUM(line_costs.cogs_cents*0.01),0)9       +COALESCE(SUM(returns.recoverable_cogs_credit_cents*0.01),0)10       -COALESCE(SUM(deliveries.shipping_cost_cents*0.01),0)11       -COALESCE(SUM(line_costs.payment_fee_cents*0.01),0)12−原定义:       -COALESCE(SUM(returns.processing_cost_cents),0)12+拟修改的定义:       -COALESCE(SUM(returns.processing_cost_cents*0.01),0)

冲突已全部解决

校验全部通过或已豁免

探索 Datus Studio 探索 Datus Agent

一份语义模型，供 BI、应用与 AI Agent 复用。

在团队工作的地方提供审核后的定义，为不同消费方选择合适且受支持的接口。

northstar_premier.yaml节选

1version: 0.2.0.dev02semantic_model:3- name: northstar_premier4  # …5  datasets:6  - name: customers7    source: northstar_living.dim_customer8    primary_key:9    - customer_id10    # …11  metrics:12  - name: booked_revenue13    expression:14      dialects:15      - dialect: ANSI_SQL16        expression: SUM((lines.gross_sales_cents-lines.discount_cents)*0.01)17  # …