Configuración del modelo semántico de Databricks
Propósito del script
Este script se creó como parte de la serie Tabular Editor x Databricks. En Databricks Unity Catalog no es posible usar letras mayúsculas en los nombres de las tablas. Una forma habitual de hacer más legibles los nombres de las tablas sin usar mayúsculas es adoptar snake_case. Además, aunque los nombres de columna pueden contener espacios, a menudo se desaconseja porque pueden ser engorrosos de manejar; por eso, lo más habitual es que los ingenieros de datos usen snake_case, camelCase o PascalCase.
Sin embargo, queremos que los usuarios de nuestro modelo semántico vean en él nombres amigables para el negocio.
El siguiente script recorrerá todas las tablas del modelo y se asegurará de que se aplique un formato legible en Proper Case.
Al hacerlo, también aplicará algunas recomendaciones de buenas prácticas: establecerá “Resumir por” de forma predeterminada en “Ninguno” para todas las columnas y también configurará cadenas de formato para los campos de tipo DateTime (este script está configurado para usar el formato 'yyyy-mm-dd', pero puedes cambiarlo en la línea 61 si lo prefieres)
Note
Este script no es estrictamente para usarse solo con Databricks; úsalo con cualquier modelo que quieras, independientemente de la fuente de datos, pero se ha creado teniendo en cuenta algunas de las limitaciones de Databricks.
Script
Configuración del modelo semántico de Databricks
/*
* Title: Configuración del modelo semántico de Databricks
* Author: Johnny Winter, greyskullanalytics.com
*
* Este script, cuando se ejecuta, recorrerá todas las tablas y columnas del modelo y las renombrará con nombres descriptivos.
* Los nombres en snake_case, camelCase o PascalCase se convertirán a Proper Case.
* No es necesario seleccionar tablas, ya que se procesarán todas las tablas del modelo; simplemente ejecuta el script.
* Mientras recorre las columnas, también establece el resumen predeterminado en ninguno y define una cadena de formato para todos los campos de tipo DateTime
* (actualmente establece el formato 'yyyy-mm-dd', pero puedes cambiarlo en la línea 61 si lo deseas).
*
*/
using System;
using System.Globalization;
//crear el script como clase para poder reutilizarlo
class p {
public static void ConvertCase(dynamic obj)
{
TextInfo textInfo = CultureInfo.CurrentCulture.TextInfo;
//reemplazar guiones bajos por un espacio
var oldName = obj.Name.Replace("_", " ");
var newName = new System.Text.StringBuilder();
for(int i = 0; i < oldName.Length; i++) {
// La primera letra siempre debe ir en mayúscula:
if(i == 0) newName.Append(Char.ToUpper(oldName[i]));
// Una secuencia de dos letras mayúsculas seguida de una letra minúscula debe insertar un espacio
// después de la primera letra:
else if(i + 2 < oldName.Length && char.IsLower(oldName[i + 2]) && char.IsUpper(oldName[i + 1]) && char.IsUpper(oldName[i]))
{
newName.Append(oldName[i]);
newName.Append(" ");
}
// En todas las demás secuencias de una letra minúscula seguida de una letra mayúscula, se debe insertar un espacio
// después de la primera letra:
else if(i + 1 < oldName.Length && char.IsLower(oldName[i]) && char.IsUpper(oldName[i+1]))
{
newName.Append(oldName[i]);
newName.Append(" ");
}
else
{
newName.Append(oldName[i]);
}
}
//aplicar Proper Case cuando esto no se haya gestionado ya arriba
obj.Name = textInfo.ToTitleCase(newName.ToString());
}
}
foreach(var t in Model.Tables) {
//convertir nombres de tablas
p.ConvertCase(t);
//convertir nombres de columnas
foreach(var c in t.Columns) {
p.ConvertCase(c);
c.SummarizeBy = AggregateFunction.None;
if (c.DataType == DataType.DateTime)
{c.FormatString = "yyyy-mm-dd";}
}
}
Explicación
Este script, al ejecutarse, recorrerá todas las tablas y columnas del modelo y las renombrará con nombres descriptivos. Los nombres en snake_case, camelCase o PascalCase se convertirán a Proper Case. No es necesario seleccionar tablas: se procesarán todas las tablas del modelo. Solo tienes que ejecutar el script. Mientras recorre las columnas, también establece “Resumir por” de forma predeterminada en “Ninguno” y define una cadena de formato para todos los campos de tipo DateTime.