DataWorks:基本概念

一般的な概念

データ統合

• データソース

  DataWorks データソースは、データストレージサービスに接続します。同期タスクを設定する前に、ソースと宛先のデータソースを追加します。その後、それらを選択して、読み書きするデータベースを指定できます。1 つのワークスペースに複数のデータソースインスタンスを追加できます。

• データ同期

  データ統合の データ同期 機能は、構造化データ (RDS、DRDS など) 、半構造化データ、非構造化データ (OSS、TXT など) を、論理的な二次元テーブルとして抽象化できるものであれば同期します。OSS に保存されている MP3 ファイルなどの完全に非構造化のデータはサポートされていません。同期方法には、オフライン、リアルタイム、および単一テーブルまたはデータベース全体の完全同期または増分同期などがあります。サーバーレス同期タスクもサポートされており、リソースグループは不要です。

Data Modeling

• データモデリング

  ビジネスが成長するにつれて、企業のデータは指数関数的に増加し、しばしば一貫性のない基準を持つ大規模で複雑なデータセットが生じます。 DataWorks Data Modeling サービスは、これらのデータセットを管理するための構造化されたアプローチを提供し、企業がデータからより多くの価値を引き出すことを支援します。

• リバースモデリング

  リバースモデリングは、既存の物理テーブルから論理モデルを生成し、手作業なしで迅速にモデルを作成するのを支援します。

• モデリングスペース

  モデリングスペースを使用すると、複数の DataWorks ワークスペース間でデータモデリングツールを共有できます。これは、複雑なデータシステムで単一のデータウェアハウス計画を再利用する必要がある場合に便利で、データアーキテクチャ全体で統一されたデータウェアハウス計画、ディメンションモデリング、およびメトリック定義を可能にします。

• ディメンションテーブル

  ビジネスのデータドメイン計画に基づいて、データ分析の潜在的なディメンションを抽出し、これらのディメンションとその属性を ディメンションテーブルに保存できます。たとえば、e コマースのビジネス分析では、利用可能なディメンションとその属性として、注文ディメンション (注文 ID、作成時刻、購入者 ID、販売者 ID などの属性) 、ユーザーディメンション (性別、生年月日) 、および製品ディメンション (製品 ID、名前、発売日) などが挙げられます。注文、ユーザー、製品のディメンションテーブルを作成でき、ディメンション属性はテーブルのフィールドとして記録されます。

• ファクトテーブル

  ビジネスプロセス計画に沿って、各ビジネスプロセス中に生成される実際のデータを分析し、これらのデータフィールドを ファクトテーブルに保存できます。たとえば、注文配置プロセスの場合、注文配置ファクトテーブルを作成して、注文 ID、作成時刻、製品 ID、数量、金額などのデータフィールドを記録できます。その後、これらのファクトテーブルをデータウェアハウスにデプロイし、ETL を使用してファクトテーブルの定義に従って実データを集約および保存し、ビジネス分析に利用可能にします。

• 集計テーブル

  集計テーブルは、同じ期間とディメンションを共有するデータドメイン内の複数の派生メトリックの統計データを整理します。これは、ビジネスオペレーションの高度に抽象化された要約を表し、その後のビジネスクエリ、OLAP 分析、およびデータ配信の基盤となります。

• アプリケーションテーブル

  アプリケーションテーブルは、特定のビジネスシナリオ向けに設計されており、同じ期間とディメンションを共有する複数のアトミックメトリック、派生メトリック、または統計的粒度の統計データを整理します。これは、その後のビジネスクエリ、OLAP 分析、およびデータ配信の基盤となります。

• データマート

  データマートは、ビジネスカテゴリに基づいており、特定のアプリケーションシナリオや製品に合わせて調整されたデータを整理する方法です。通常、データウェアハウスのアプリケーション層に配置され、共通層からの統合データに依存します。

• データウェアハウス計画

  DataWorks を使用してデータモデリングを行う場合、データウェアハウスのアーキテクトまたはモデリングチームのメンバーは、 データウェアハウス計画ページを使用して、データレイヤー、ビジネスカテゴリ、データドメイン、ビジネスプロセス、データマート、およびサブジェクトエリアを設計できます。設計が完了すると、モデル設計者はこれらの計画した要素を使用して、構築するモデルのレイヤーとドメインを管理できます。

  • [Data Import Layer]：この層は、データベース、ログ、メッセージなどのソースから生データをインポートするために使用されます。ソースデータは、一連の ETL 操作の後、ODS 層にロードされます。この層には ODS テーブルのみを保存できます。

  • [Common Layer]：この層は、ソース層からの共通データを処理および統合し、統一されたメトリックとディメンションを確立し、分析と統計のための再利用可能な詳細なファクトデータとサマリーデータを構築するために使用されます。この層には、ファクトテーブル、ディメンションテーブル、およびサマリーテーブルを含めることができます。

  • [Application Layer]：共通層から処理および統合されたデータを取得して、実際のアプリケーション要件に基づいて、特定のアプリケーションシナリオまたは指定された製品のパーソナライズされたデータ統計を実行します。この層には、アプリケーションテーブルとディメンションテーブルを含めることができます。

• データレイヤー

  DataWorks の データレイヤー機能では、デフォルトで 運用データストア (ODS) レイヤー 、 ディメンション (DIM) レイヤー 、 データウェアハウス詳細 (DWD) レイヤー 、 データウェアハウスサマリー (DWS) レイヤー 、および アプリケーションデータサービス (ADS) レイヤー の 5 つのレイヤーが作成されます。各レイヤーの機能は次のとおりです。

  • ODS (Operational Data Store)

    ODS レイヤーは、データウェアハウスシステムに保存する必要がある生データを受信して処理します。そのテーブル構造はソースデータシステムのテーブル構造と一致しており、データウェアハウスのデータ準備領域として機能します。

  • DWD (Data Warehouse Detail)

    DWD レイヤーは、ビジネスアクティビティイベントに基づいてデータモデルを構築します。最も粒度の細かいファクトテーブルを構築するために使用されます。データ使用パターンに応じて、冗長なキーディメンション属性フィールドをファクトテーブルに適切に追加して非正規化し、ワイドテーブルを作成できます。これにより、ファクトテーブルとディメンションテーブル間の結合が減り、使いやすさが向上します。

  • DWS (Data Warehouse Summary)

    DWS レイヤーは、サブジェクトオブジェクトを分析してデータモデルを構築します。アップストリームのアプリケーションや製品のメトリック要件に基づいて、パブリック粒度のサマリーファクトテーブルを構築します。

  • ADS (Application Data Service)

    ADS レイヤーは、データ製品のパーソナライズされた統計メトリックデータを保存し、さまざまなレポートを生成するために使用されます。

  • DIM (Dimension)

    DIM レイヤーは、ディメンションを使用してデータモデルを構築します。ビジネスニーズに基づいて論理モデルのディメンションテーブルを保存したり、概念モデルのディメンション定義を保存したりできます。ディメンションを定義し、主キーを決定し、ディメンション属性を追加し、異なるディメンションを関連付けることで、企業全体で一貫した分析ディメンションテーブルを構築でき、データ計算基準やアルゴリズムの不整合を減らすのに役立ちます。

• サブジェクトエリア

  サブジェクトエリアは、分析的な観点からデータマートを分割するために使用され、通常は密接に関連するデータサブジェクトの集合です。これらのデータサブジェクトをビジネスの焦点に基づいて異なるサブジェクトエリアにグループ化できます。たとえば、e コマース業界は通常、取引、会員、製品のサブジェクトエリアに分かれています。

• データドメイン

  データドメインは、密接に関連するデータサブジェクトの集合です。これは、ビジネスカテゴリ、データソース、またはデータ目的などのディメンションに基づいてビジネスデータを論理的にグループ化したもので、類似のデータをまとめて迅速な検索を容易にします。分類基準は、データの意図された用途によって異なります。たとえば、e コマース業界は通常、取引、会員、製品のデータドメインに分かれています。

• ビジネスプロセス

  ビジネスプロセスは、指定されたデータドメイン内で企業が実行するビジネス活動であり、データモデリングで分析される論理的なサブジェクトです。たとえば、取引ドメインには、カートへの追加、注文、支払いなどのビジネスプロセスが含まれます。

• 複合メトリック

  派生メトリックは、特定の期間におけるビジネス活動の量を統計的に提供しますが、ビジネスの成長率や差異の計算など、比較分析はできません。たとえば、ビジネス活動の週次成長率を計算するために使用することはできません。この問題を解決するため、DataWorks は、操作ルールを使用して派生メトリックから計算される 複合メトリックを提供します。これにより、ビジネスメトリックをより柔軟かつ詳細に定義できます。

• データメトリック

  DataWorks Data Modeling は、統一されたメトリックシステムを確立するためのデータメトリック機能を提供します。

  メトリックシステムは、 アトミックメトリック 、 修飾子 、 期間 、および 派生メトリック で構成されます。

  • アトミックメトリック：特定のビジネスプロセスに基づく測定値。たとえば、「注文支払い」ビジネスプロセスの「支払額」など。

  • 修飾子：メトリックのビジネス範囲を制限する制約。たとえば、「支払額」の統計範囲を「マタニティおよびベビー用品」に制限するなど。

  • 期間：メトリックの統計の期間または時点。たとえば、「支払額」の期間を「過去 7 日間」に指定するなど。

  • 派生メトリック：アトミックメトリック、修飾子、および期間の組み合わせ。たとえば、「過去 7 日間のマタニティおよびベビー用品の支払額」など。

• ルックアップテーブル

  ルックアップテーブルは、フィールド標準の値の範囲を定義します。ルックアップテーブルでは、フィールド標準が受け入れることができるデータの内容と範囲を指定できます。たとえば、性別フィールド標準のルックアップテーブルの内容は、男性または女性である必要があります。

• フィールド標準

  フィールド標準は、同じ意味を持つがフィールド名が異なるデータを統一的に管理するために使用されるデータ基準です。フィールド標準は、フィールドの値の範囲、測定単位、およびその他のプロパティを定義できます。フィールド標準が変更されると、対応するテーブルを迅速に見つけたり変更したりできるため、アプリケーションの効率と精度が大幅に向上します。

DataStudio

• ノード

  DataWorks の DataStudio モジュールは、データ同期のためのデータ統合ノード、データクレンジングのためのコンピューティングエンジンノード (ODPS SQL、Hologres SQL、EMR Hive など) 、およびコンピューティングエンジンノード上の複雑なロジック処理のための汎用ノード (複数のノードを管理するための仮想ノードやコード実行をループさせるための do-while ノードなど) を含む、さまざまなタイプのノードを提供します。これらのノードを組み合わせて、さまざまなデータ処理ニーズに対応できます。

• ワークフロー

  ワークフローは、ビジネス中心にコード開発を整理し、タスク管理の効率を向上させるためのものです。

  ワークフローは、ビジネスの観点からコードを整理するのに役立ちます。

  • タスクタイプに基づいたコードの整理をサポートします。

  • マルチレベルのサブディレクトリ (最大 4 レベルを推奨) をサポートします。

  • ビジネスの観点からワークフロー全体を表示および最適化できます。

  • ワークフローに基づいたデプロイと O&M をサポートします。

  • より効率的に開発するためのワークフローダッシュボードを提供します。

• 自動トリガーワークフロー

  自動トリガーワークフローは、ビジネス指向のビジュアルな DAG 開発インターフェイスを提供します。ドラッグアンドドロップでサブタスクノードを統合したり、タスクの依存関係を確立したり、データ処理パイプラインを構築したりすることで、複雑なタスクプロジェクトを効率的に管理できます。

• Notebook

  DataWorks Notebook は、コード (SQL や Python など) 、テキスト、実行結果、および可視化チャートを統合することにより、データ探索、分析、および AI モデル開発のためのインタラクティブな開発環境を提供します。

• SQL コンポーネント

  MaxCompute でのみ利用可能で、SQL の共通ロジックを SQL スクリプトテンプレートに抽象化して、コードの再利用性を向上させることができます。

  SQL コードの処理プロセスでは、通常、1 つ以上のソーステーブルをインポートし、フィルタリング、結合、集計操作を通じて処理を行い、ビジネスで必要とされる新しいターゲットテーブルを生成します。SQL スクリプトテンプレートは、複数の入力および出力パラメータを持つ SQL コードの手順テンプレートです。

• スケジューリングの依存関係

  タスク間の スケジューリングの依存関係は、タスクが実行される順序を定義します。ノード B がノード A の実行後にのみ実行できる場合、A は B の上流依存関係であり、B は A に依存します。有向非巡回グラフ (DAG) では、依存関係はノード間の矢印で表されます。

• データタイムスタンプ

  データタイムスタンプは、通常、ビジネス活動に直接関連する日付を指し、ビジネスデータが生成された実際の時刻を反映します。この概念は、オフラインコンピューティングのシナリオで特に重要です。たとえば、小売業で 2024 年 10 月 10 日の売上を計算する必要がある場合、通常は 2024 年 10 月 11 日の早朝に計算を開始します。得られるデータは、実際には 2024 年 10 月 10 日の売上を表しており、これがデータタイムスタンプです。

• 出力名

  出力名は、タスクの出力ポイントの名前です。これは、単一のテナント (Alibaba Cloud アカウント) 内で依存関係を設定する際に、上流タスクと下流タスクを接続するために使用される仮想エンティティです。

  タスクの上流および下流の依存関係を設定する場合、ノード名やノード ID ではなく、出力名を使用する必要があります。一度設定すると、タスクの出力名は、その下流ノードの入力名としても機能します。

  説明

  出力名は、テナント内でタスクの一意の識別子として機能します。各ノードのデフォルトの出力名は WorkspaceName.SystemGenerated9DigitNumber.out です。タスクにカスタム出力名を追加できますが、出力名がテナント内で一意であることを確認する必要があります。

• 出力テーブル名

  出力テーブル名は、現在のタスクによって生成されるテーブルを指定する必要があります。出力テーブル名を正しく入力すると、下流タスクが依存関係を設定する際に、データが期待どおりの上流テーブルからのものであることを確認しやすくなります。自動的に解析された出力テーブル名を手動で変更することは推奨されません。出力テーブル名は識別子としてのみ機能し、それを変更しても SQL スクリプトによって生成される実際のテーブル名には影響しません。実際のテーブル名は SQL ロジックによって決定されるためです。

  説明

  ノードの [Output Name] はグローバルに一意である必要がありますが、 [Output Table Name] にはこの制限はありません。

• スケジューリングパラメータ

  スケジューリングパラメータは、実行時に動的に値が割り当てられるコード内の変数です。コードが日付や時刻などの実行時環境情報を必要とする場合、DataWorks スケジューリングシステムのスケジューリングパラメータ定義に基づいて値を割り当てることができます。

• データカタログ

  データカタログは、データベース、テーブル、ファイルなど、組織内のすべてのデータ資産の構造化されたリストまたはマップです。DataWorks では、データカタログはこれらの資産のメタデータを記録します。

• コンピューティングリソース、データソース、およびデータカタログ

  これら 3 つは独立していますが、関連するオブジェクトです。それらの関係は次のとおりです。

  • コンピューティングリソースをバインドすると、データソースとデータカタログが関連して作成されることがあります。

  • データソースを作成すると、データカタログが関連して作成されることがあります。

  • データカタログを作成する場合、データソースやコンピューティングリソースを関連して作成することはできません。

オペレーションセンター

• スケジューリング時刻

  自動トリガータスクの期待される実行時刻で、分単位で設定できます。

  重要

  多くの要因がタスクの実行に影響を与える可能性があるため、タスクはスケジュールされた時刻になっても、必ずしもすぐに実行されるわけではありません。タスクを実行する前に、DataWorks は上流タスクが正常に実行されたこと、スケジュールされた時刻に達したこと、およびスケジューリングリソースが十分であることを確認します。タスクは、これらすべての条件が満たされた後にのみ実行を開始します。

• データタイムスタンプ

  データタイムスタンプは、通常、ビジネス活動に直接関連する日付を指し、ビジネスデータが生成された実際の時刻を反映します。この概念は、オフラインコンピューティングのシナリオで特に重要です。たとえば、小売業で 2024 年 10 月 10 日の売上を計算する必要がある場合、通常は 2024 年 10 月 11 日の早朝に計算を開始します。得られるデータは、実際には 2024 年 10 月 10 日の売上を表しており、これがデータタイムスタンプです。

• 自動トリガータスク

  自動トリガータスクは、ユーザー定義のスケジュールに基づいてスケジューリングシステムによって自動的に実行がトリガーされるタスクです。オペレーションセンターの自動トリガータスクリストでは、DAG の表示、テストの実行、データバックフィルの実行、タスク所有者の変更など、タスクに対する一連の O&M および管理操作を実行できます。

• 自動トリガーインスタンス

  自動トリガーインスタンスは、自動トリガータスクのスケジューリング設定に基づいて自動的に生成されて実行されるタスクインスタンスです。たとえば、タスクが 1 時間ごとに実行されるように設定されている場合、プラットフォームは 1 日に 24 のタスクインスタンスを生成し、1時間ごとに 1 つのインスタンスが自動的にトリガーされて実行されます。実行ステータスなどの情報はインスタンスのみが持ちます。オペレーションセンターの自動トリガーインスタンスリストでは、終了、成功に設定、再実行など、インスタンスに対する一連の O&M 操作を実行できます。

• データバックフィル

  DataWorks は、指定したタスクと時間範囲に基づいて データバックフィルインスタンスを自動的に生成します。データバックフィル機能は、主に履歴データの再実行とデータの修正に使用されます。この機能を使用すると、過去または未来の任意の期間のデータを再計算して、データの完全性と正確性を確保できます。

• ベースライン

  ベースラインに設定した構成 (優先度、コミットされた完了時刻、アラートマージンなど) に基づいて、システムはベースライン上のすべてのタスクを自動的に監視し、タスクの適時な出力を妨げる可能性のあるリスクについて警告を発行します。ベースラインの優先度を示す数値が高いほど、優先度が高くなります。DataWorks は、高優先度のベースライン上のタスクにより多くのリソースを割り当て、その出力時間を確保します。アラートマージンは、主に例外処理のために確保されています。DataWorks は、コミットされた完了時刻からアラートマージンを引いてアラート時刻を計算します。タスクがアラート時間内にデータを出力できない場合、プラットフォームは迅速にアラートを発行し、関連するビジネス関係者にリスクを通知します。

データガバナンスセンター

• ヘルススコア

  ヘルススコアは、ガバナンス項目に基づいてデータ資産の健全性を測定する 0 から 100 までの包括的なメトリックです。ストレージ、コンピューティング、R&D、品質、セキュリティの 5 つの次元にわたって、テナント、ワークスペース、または個人レベルでのガバナンスの効果を示します。

• ガバナンス項目

  ガバナンス項目は、データ資産で特定された、最適化または解決が必要な問題であり、開発標準、データ品質、セキュリティとコンプライアンス、リソース利用などの領域を対象とします。ガバナンス項目は、必須 (デフォルトで有効で変更不可) とオプション (ニーズに基づいて有効) に分類されます。たとえば、 過度に長いタスク実行時間 、 連続エラーのあるノード 、および アクセスされていないリーフノード はすべてガバナンス項目です。

• チェック項目

  チェック項目は、タスクの送信やデプロイなどの主要な段階で事前チェックを実行し、フルテーブルスキャンやスケジューリング依存関係設定の欠落など、コードやデータの潜在的な問題を検出するプロアクティブなガバナンスメカニズムです。非準拠のコンテンツが検出された場合、システムはチェック項目イベントを生成し、アクションを自動的にインターセプトして開発標準を強制します。

• データガバナンス計画

  データガバナンス計画は、さまざまなガバナンスシナリオのテンプレートを提供します。特定の期間のガバナンス目標に導かれ、関連するガバナンス項目とチェック項目を選択し、最適化の対象を特定するのに役立ちます。これにより、ガバナンスの効果を継続的に追跡し、定量的評価を通じてチームが目標を達成するように促します。

• ナレッジベース

  ナレッジベースには、データガバナンスセンターの組み込みチェック項目とガバナンス項目の定義が含まれています。ガバナンス担当者が特定の問題を迅速に特定し、問題解決のための参照情報と実践的なガイダンスを提供するのに役立ちます。

セキュリティセンター

• データ権限

  セキュリティセンターは、データ権限の要求、承認、監査のためのきめ細かい機能を提供し、最小権限のアクセス制御を実現します。また、各段階での権限承認プロセスを簡単に追跡することもできます。詳細については、「データアクセス制御」をご参照ください。

• データコンテンツのセキュリティ

  セキュリティセンターは、データ分類と等級付け、機密データの識別、機密データアクセス監査、データソースのトレーサビリティなどの機能を提供します。ビジネスプロセスの処理中に、潜在的なセキュリティリスクを持つデータを迅速かつ適時に識別し、データコンテンツのセキュリティと信頼性を確保します。詳細については、「Data Security Guard 概要」をご参照ください。

データ品質

• 品質監視

  品質監視は、データオブジェクト (パーティションテーブルの特定のパーティションなど) の状態と変化を継続的に追跡および検出し、それらが事前に設定された品質要件を満たしていることを確認します。DataWorks では、スケジューリングイベントによってトリガーされる品質監視を設定して、品質チェックを自動的に実行し、関連する担当者にアラートを送信します。

• 品質ルール

  品質ルールは、データ品質が期待される要件を満たしているかどうかを評価するための特定の条件または論理的な基準です。たとえば、「顧客の年齢は 0 未満であってはならない」はどちらも品質ルールです。DataWorks では、ビジネスニーズに応じてさまざまな品質ルールを柔軟に設定し、対応するデータ範囲に適用して検証できます。ルールで定義された条件を満たさないデータが見つかった場合、システムはそれを自動的に識別し、品質アラートを発行します。

• ルールテンプレート

  ルールテンプレートは、事前に定義された検証ロジックを持つ品質ルールのサンプルです。テンプレートを直接使用するか、必要に応じて検証のしきい値を変更して、要件を満たす品質ルールを作成できます。DataWorks は、選択できるさまざまなタイプのルールテンプレートを提供し、カスタム SQL を通じて新しいテンプレートを作成することもサポートしています。

  • システムテンプレートルール：DataWorks が提供する 組み込みルールテンプレートを使用してルールを作成できます。

  • カスタムテンプレートルール：組み込みのルールテンプレートがパーティション式のデータ品質を監視するニーズを満たせない場合は、 カスタムルールテンプレートを使用できます。また、頻繁に使用するカスタムルールをルールテンプレートとして保存して、簡単に再利用することもできます。

Data Security Guard

• データの分類と等級付け

  データの分類と等級付けは、現在のデータをその価値、コンテンツの機密性、影響、および配布範囲に基づいて機密レベルに分類するために使用されます。異なる機密レベルには、異なる制御原則とデータ開発要件があります。

• 機密データ識別ルール

  機密データ識別ルール：データのソースと目的に基づいて、データカテゴリを定義し、機密フィールドタイプを構成することで、現在のワークスペースで機密データを識別できます。DataWorks は組み込みのデータカテゴリと識別ルールを提供しており、必要に応じてカスタマイズすることもできます。

• データマスキングルール

  データマスキングルールは、識別された機密データのマスキングを構成するために使用されます。ビジネス制御要件に応じて、異なる機密レベルのデータマスキングの制御は異なります。

• リスク識別ルール

  リスク識別ルールは、インテリジェント分析技術を使用して、リスクのある操作をプロアクティブに発見してアラートを発行します。これにより、より包括的なリスク管理を実施し、リスクを効果的に識別して回避するのを支援します。

Data Map

• メタデータ

  メタデータは、他のデータを記述するデータです。データの属性 (名前、サイズ、データ型) 、構造 (フィールド、型、長さ) 、または関連情報 (場所、所有者、出力タスク、アクセス権限) を指定できます。

• データリネージ

  データリネージは、データが処理および変換される際に形成される関係を記述し、作成から処理、消費までのデータライフサイクル全体を示します。DataWorks プラットフォームでは、データリネージが可視化され、ユーザーが問題を迅速に特定し、テーブルやフィールドの変更の影響を評価するのに役立ちます。

• データアルバム

  データアルバムは、ビジネスの観点からデータテーブルのカテゴリを整理および管理する方法です。指定したテーブルやその他のアセットをターゲットアルバムに追加して、迅速かつ簡単に検索および特定できます。

DataAnalysis

• SQL クエリ

  SQL クエリ (レガシー) は、標準の SQL ステートメントを使用して、さまざまなデータソースからのデータをクエリおよび分析します。詳細については、「SQL クエリ (レガシー)」をご参照ください。

• ワークブック

  ワークブックは、データテーブルをオンラインで編集および管理するためのツールです。SQL クエリの結果やローカルファイルからターゲットワークブックにデータをインポートして、さらにレビュー、分析、可視化することをサポートします。また、ワークブックからのデータのエクスポート、ダウンロード、共有もサポートしており、日常のデータ分析ニーズに柔軟に対応します。詳細については、「ワークブックの作成と管理」をご参照ください。

• データインサイト

  データインサイトは、データの探索と可視化をサポートします。これを使用して、データの分布を理解し、データカードを作成し、それらをデータレポートに組み合わせることができます。データインサイトの結果は、長文レポートとして共有でき、AI 技術を使用してデータ分析を支援し、複雑なデータの解釈とビジネス上の意思決定をサポートします。

DataService Studio

• API

  DataService Studio の API (Application Programming Interface) を使用すると、開発者はさまざまなデータソースに基づいてデータ API を迅速に作成できます。これらの API は、ビジネスアプリケーション、ソフトウェア、システム、およびレポートで呼び出して、データを取得および利用できます。

• 関数

  関数は、データ API のフィルターとして機能します。プレフィルターとして使用される場合、関数はリクエストパラメータを処理できます (値の変更や割り当てなど) 。ポストフィルターとして、返された結果を処理できます (データ構造の変更やコンテンツの追加など) 。

• データプッシュ

  DataWorks は、プッシュタスクを作成できる データプッシュサービスを提供します。タスク内で、単一または複数のテーブルクエリの SQL コードを記述してデータ範囲を定義し、リッチテキストまたはテーブルを使用してプッシュメッセージのコンテンツを整理できます。スケジューリングサイクルと時間を設定することで、定期的にデータをターゲット Webhook にプッシュできます。

オープンプラットフォーム

• OpenAPI

  DataWorks オープンプラットフォームは OpenAPI 機能を提供し、DataWorks API 操作を呼び出して、アプリケーションと DataWorks 間の統合と対話を行うことができます。

• OpenEvent

  DataWorks OpenEvent は、ユーザーがサブスクライブしてカスタムアクションで応答できるイベントメッセージとして、ステータス変更通知を配信します。たとえば、OpenEvent を介してテーブル変更イベントをサブスクライブしてコアテーブルのリアルタイム監視を実現したり、タスク変更イベントをサブスクライブしてカスタマイズされたタスク監視を行ったりできます。

• 拡張機能

  DataWorks 拡張機能は、OpenAPI および OpenEvent と組み合わせて、DataWorks のユーザーアクションにカスタムロジックを適用し、インターセプトやブロッキングなどの動作制御を実現できるプラグインです。たとえば、タスク変更制御拡張機能を開発して、カスタムタスクデプロイメントワークフローを実装できます。