Apache Ossie 标准函数速查表：Tableau、Looker Studio、DAX 映射完全指南-港品优选

Apache Ossie 标准函数速查表：Tableau、Looker Studio、DAX 映射完全指南

【免费下载链接】ossieApache Ossie, industry wide specification effort to standardize how we exchange semantic metadata across analytics, AI and BI platforms, providing a vendor neutral, single source of truth for semantic data项目地址: https://gitcode.com/GitHub_Trending/osi1/ossie

Apache Ossie是行业级的语义元数据交换标准，为分析、AI 与 BI 平台提供厂商中立的"单一事实来源"。本文为新手整理了一份Ossie 标准函数与 Tableau、Looker Studio、DAX 的映射速查表，帮你 3 分钟查清每个函数在不同工具里叫什么，避免"同名不同义"的坑。

为什么需要 Ossie 函数映射表？

同一个 KPI，在不同工具里定义往往不一样：Tableau 里的COUNTD()、Power BI 里的DISTINCTCOUNT()、数据库里的COUNT(DISTINCT x)，说的其实都是"去重计数"。

Apache Ossie（前身 Open Semantic Interchange）解决的就是这个问题：用一套基于 YAML/JSON 的核心规范描述语义模型，让所有工具读写同一份"标准方言"（Ossie_SQL_2026）。而本文的映射表，就是告诉你Ossie 标准函数 ↔ 各 BI 工具函数怎么对号入座，完整定义见 core-spec/expression_language.md。

先搞懂：Ossie 的函数分级标准

查表前，先记住三个合规级别（源自 core-spec/expression_language.md 的 Compliance Levels 一节）：

级别	含义	例子
REQUIRED (MUST)	所有实现必须支持	`SUM`、`DATE_TRUNC`、`CONCAT`
RECOMMENDED (SHOULD)	建议支持，性能/高级场景常用	`APPROX_COUNT_DISTINCT`、`REGEXP_EXTRACT`
Dialect (MAY)	厂商方言扩展，需在模型中声明	Snowflake / BigQuery 专属函数

💡关键原则：优先使用 REQUIRED 级别的核心函数写 Ossie 模型，保证可移植性；确需方言函数时，在表达式的dialects中显式声明（如ANSI_SQL、SNOWFLAKE、TABLEAU等，方言清单见 core-spec/spec.md 的 Dialects 枚举）。

聚合函数映射速查表 📊

这是日常用得最多的一类，Ossie 的SUM/COUNT/AVG等在三端几乎同名，但去重计数、标准差、百分位数差异最大：

Ossie 标准函数	Tableau	Looker Studio	DAX
`SUM(x)`	`SUM(x)`	`SUM(X)`	`SUM(x)`
`COUNT(x)`	`COUNT(x)`	`COUNT(X)`	`COUNT(x)`
`COUNT(DISTINCT x)`	`COUNTD(x)`	`COUNT_DISTINCT(X)`	`DISTINCTCOUNT(x)`
`AVG(x)`	`AVG(x)`	`AVG(X)`	`AVERAGE(x)`
`MIN(x)`/`MAX(x)`	`MIN(x)`/`MAX(x)`	`MIN(X)`/`MAX(X)`	`MIN(x)`/`MAX(x)`
`STDDEV(x)`	`STDEV(x)`	`STDDEV(X)`	`STDEV.S(x)`
`STDDEV_POP(x)`	`STDEVP(x)`	`STDDEV(X)`	`STDEV.P(x)`
`VARIANCE(x)`	`VAR(x)`	`VARIANCE(X)`	`VAR.S(x)`
`MEDIAN(x)`	`MEDIAN(x)`	`MEDIAN(X)`	`MEDIAN(x)`
`PERCENTILE_CONT(x, 0.75)`	`PERCENTILE(x, 0.75)`	`PERCENTILE(X, 75)`	`PERCENTILE.INC(x, 0.75)`

⚠️新手最易踩的坑：

DAX 的平均数是AVERAGE而不是AVG；
Looker Studio 的PERCENTILE第二个参数是75（百分比数字），而其他工具是0.75（小数），写反了结果完全不对；
大数据量求近似去重数时，Ossie 提供APPROX_COUNT_DISTINCT(x)（推荐级，误差约 2%），比精确去重快得多。

日期/时间函数映射速查表 📅

Ossie 基于 ANSI SQL:2003 定义日期函数，参数顺序是(精度, 日期, …)，而 DAX 把精度放在最后，迁移时务必注意：

Ossie 标准函数	Tableau	Looker Studio	DAX
`YEAR(d)`/`MONTH(d)`/`DAY(d)`	`YEAR(d)`/`MONTH(d)`/`DAY(d)`	`YEAR(Date)`/`MONTH(Date)`/`DAY(Date)`	同名
`DATE_TRUNC('month', d)`	`DATETRUNC('month', d)`	`TODATE(d, "YYYYMM01", "YYYYMMDD")`	`DATE(YEAR(d), MONTH(d), 1)`
`DATEADD(day, n, d)`	`DATEADD('day', n, d)`	`DATE_ADD(d, n)`（仅天数）	`DATE(d) + n`或`DATEADD(d, n, DAY)`
`DATEDIFF(day, d1, d2)`	`DATEDIFF('day', d1, d2)`	`DATE_DIFF(d1, d2)`	`DATEDIFF(d1, d2, DAY)`
`CURRENT_DATE`	`TODAY()`	`TODAY()`	`TODAY()`

📌实用技巧：跨引擎移植日期表达式时，Ossie 的方言声明机制可以同时给出一份 ANSI 版和各数据库版写法（如 BigQuery 的DATE_TRUNC(d, MONTH)参数顺序与 ANSI 相反），规范中的 Common Dialect Variations 一表已列出 Snowflake、BigQuery、Databricks、PostgreSQL 的常见差异。

字符串函数映射速查表 ✏️

Ossie 标准函数	Tableau	Looker Studio	DAX
`CONCAT(a, b)`	`a + b`	`CONCAT(X, Y)`	`CONCATENATE(a, b)`或`a & b`
`LENGTH(s)`	`LEN(s)`	`LENGTH(X)`	`LEN(s)`
`LOWER(s)`/`UPPER(s)`/`TRIM(s)`	同名	同名	同名
`LEFT(s, n)`/`RIGHT(s, n)`	同名	`LEFT_TEXT(X, n)`/`RIGHT_TEXT(X, n)`	同名
`SUBSTRING(s, start, len)`	`MID(s, start, len)`	`SUBSTR(X, start, len)`	`MID(s, start, len)`
`REPLACE(s, from, to)`	`REPLACE(s, from, to)`	`REPLACE(X, Y, Z)`	`SUBSTITUTE(s, from, to)`
`CONTAINS(s, sub)`	`CONTAINS(s, sub)`	`CONTAINS_TEXT(X, text)`	`CONTAINSSTRING(s, sub)`

⚠️ 三个高频差异点：拼接（Tableau 用+，DAX 用&）、子串（Ossie 的SUBSTRING在 Tableau 叫MID）、查找（DAX 里是CONTAINSSTRING）。

条件函数映射速查表 🔀

Ossie 标准函数	Tableau	Looker Studio	DAX
`CASE WHEN ... END`	`CASE WHEN`或`IF`	`CASE WHEN`	`SWITCH(TRUE(), ...)`
`IF(cond, t, f)`	`IF cond THEN t ELSE f END`	用`CASE`替代	`IF(cond, t, f)`
`COALESCE(a, b)`	`IFNULL(a, b)`或`ZN(a)`	`COALESCE(...)`	`COALESCE(a, b)`
`NULLIF(a, b)`	`IF a = b THEN NULL ELSE a END`	用`CASE`替代	`IF(a = b, BLANK(), a)`

💡Ossie 特色：除了COALESCE，Ossie 还提供了分析场景常用的ZeroIfNull(x)（空值转 0）和NullIfZero(x)（0 转空值），这在 DAX 中没有直接对应，通常要写成IF(ISBLANK(x), 0, x)。

窗口函数映射速查表 🪟

窗口函数是各工具差异最大的类别，跨工具迁移前务必查表：

Ossie 标准函数	Tableau	Looker Studio	DAX
`ROW_NUMBER() OVER(...)`	`INDEX()`	不支持	`RANKX(...)`加 DENSE 选项
`RANK() OVER(...)`	`RANK(expr)`	不支持	`RANKX(...)`
`SUM(...) OVER(PARTITION BY...)`	`{FIXED [...]: SUM(...)}`	仅混合数据源场景	上下文相关
`LAG(x, 1) OVER(ORDER BY...)`	`LOOKUP(x, -1)`	不支持	`CALCULATE(x, PREVIOUSDAY(...))`
累计求和	`RUNNING_SUM(SUM(...))`	不支持	`CALCULATE(SUM(...), FILTER(...))`

📌 Looker Studio 基本不提供窗口函数，跨端迁移时建议改用"表计算"思路（如 Looker Studio 的 Comparison 计算字段）；Ossie 模型中则统一用标准OVER()语法，各实现负责翻译。

动手实践：从示例模型到转换器

想亲手看标准函数长什么样，可以：

打开完整示例 examples/tpcds_semantic_model.yaml（TPC-DS 全量语义模型）或更小的 examples/flights.yaml，查看metrics中用 Ossie SQL 写的表达式；
用 validation/validate.py 校验模型是否符合 core-spec/osi-schema.json 模式；
参考 converters/ 下的官方转换器（dbt、GoodData、Salesforce、Snowflake 等），学习 Ossie 与具体工具格式之间的双向转换实现。

速查表之外：三条避坑建议

参数顺序：Ossie 的DATEDIFF(精度, d1, d2)与 DAX 的DATEDIFF(d1, d2, 精度)首尾相反，照抄参数最易出错；
NULL 语义：COUNT(x)只统计非空值，COUNT(*)统计全部行，这与各 BI 工具行为一致，迁移时保持原样即可；
可分解性：Ossie 将聚合分为 Distributive（SUM/COUNT）、Algebraic（AVG）、Holistic（MEDIAN/COUNT DISTINCT）等类别，多级聚合或预计算场景下，Holistic 类函数无法简单合并，选函数时要留意。

掌握这份Apache Ossie 标准函数映射速查表后，你在 Tableau、Looker Studio 和 Power BI（DAX）之间的函数迁移就能"对着表抄"，语义模型一次定义、多端复用 🎯

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析