Amazon QuickSight, сервис бизнес-аналитики от AWS, представил в режиме публичного предварительного просмотра функцию multi-dataset Topics. Она позволяет добавлять до 12 наборов данных в один семантический слой (Topic) и задавать между ними связи. ИИ-агент QuickSight автоматически строит SQL-запросы с объединениями, чтобы отвечать на естественно-языковые вопросы пользователей, обращаясь к нескольким нормализованным таблицам.
До этого обновления каждый Topic соответствовал одному обогащённому набору данных. Если источник содержал несколько таблиц, разработчикам приходилось денормализовать их в одну «плоскую» таблицу на этапе подготовки данных. Такой подход оптимизировал производительность, но усложнял поддержку и ограничивал аналитику. Теперь архитектура меняется: Topic становится единым контейнером, который может включать до 12 датасетов, каждый со своей семантической разметкой и источником.
| Источник данных |
|---|
| Amazon Redshift |
| Amazon Athena |
| Amazon S3 Tables |
| Snowflake |
| Databricks |
Архитектура multi-dataset Topics состоит из четырёх уровней. Первый — источники данных: поддерживаются SPICE (Super-fast, Parallel, In-memory Calculation Engine) и Direct Query к Amazon Redshift, Amazon Athena, Amazon S3 Tables, Snowflake и Databricks. При этом в одном Topic нельзя смешивать SPICE и Direct Query. Второй уровень — обогащение каждого датасета семантическими метаданными: описания, синонимы, семантические типы (город, штат, валюта, дата), вычисляемые поля и исключения. Третий уровень — сам multi-dataset Topic, который хранит до 12 датасетов, JSON-файл с определением связей (например, внешний ключ фактовой таблицы соединяется с первичным ключом справочника) и пользовательские инструкции для ИИ на естественном языке. Четвёртый — потребление: чат-агент и построение аналитик.
ИИ-агент автоматически определяет SQL-джойны на основе заданных связей между таблицами.
Ключевое нововведение — возможность задавать связи между датасетами через JSON-файл. Это позволяет нормализованным таблицам оставаться в исходной форме, а ИИ-агент на лету определяет, какие джойны необходимы для ответа на вопрос. Например, пользователь может спросить «продажи по регионам за прошлый квартал», и система автоматически соединит таблицу продаж с таблицей регионов. Разработчики могут также добавлять кастомные инструкции для разрешения неоднозначностей, расчёта по фискальному году и бизнес-определений.
Для бизнес-пользователей это означает, что они могут задавать более сложные вопросы, не зная схемы базы данных, и получать ответы, объединяющие данные из разных отделов. Для аналитиков и администраторов упрощается модель данных — не нужно заранее создавать плоские таблицы. Функция находится в публичном превью, и AWS рекомендует тестировать её на реалистичных сценариях, обращая внимание на возможные ограничения по производительности при сложных джойнах.
