approximate

Penggunaan

view: view_name {
  measure: field_name {
    approximate: yes 
  }
}
Hierarki
approximate
Jenis Kolom yang Mungkin
Ukur

Menerima
Boolean (ya atau tidak)

Definisi

Lihat bagian Dukungan dialek untuk approximate di halaman ini untuk mengetahui daftar dialek yang mendukung indexes.

Parameter approximate memungkinkan Anda menggunakan penghitungan perkiraan dengan ukuran type: count dan type: count_distinct. Dengan set data besar, jumlah perkiraan bisa jauh lebih cepat daripada jumlah yang tepat dan biasanya berada dalam beberapa persen dari nilai sebenarnya. Periksa dokumentasi dialek SQL Anda untuk memahami kompromi kecepatan dan akurasi metode ini.

measure: apx_unique_count {
  type: count_distinct
  approximate: yes   # default value is no
  sql: ${id} ;;
}

-

Mengaktifkan approximate dengan ukuran type: count mungkin tampak tidak perlu, karena fitur penghitungan perkiraan hanya berlaku untuk jumlah berbeda. Namun, ada beberapa situasi saat Looker otomatis mengubah ukuran type: count menjadi hitungan unik kunci utama untuk memberikan hasil yang akurat untuk gabungan tabel virtual. Dalam situasi tersebut, penghitungan perkiraan mungkin berguna.

Dukungan dialek untuk approximate

Kemampuan untuk menggunakan approximate bergantung pada dialek database yang digunakan koneksi Looker Anda. Di Looker versi terbaru, dialek berikut mendukung approximate:

Dialek Didukung?
Actian Avalanche
Amazon Athena
Amazon Aurora MySQL
Amazon Redshift
Amazon Redshift 2.1+
Amazon Redshift Serverless 2.1+
Apache Druid
Apache Druid 0.13+
Apache Druid 0.18+
Apache Hive 2.3+
Apache Hive 3.1.2+
Apache Spark 3+
ClickHouse
Cloudera Impala 3.1+
Cloudera Impala 3.1+ with Native Driver
Cloudera Impala with Native Driver
DataVirtuality
Databricks
Denodo 7
Denodo 8 & 9
Dremio
Dremio 11+
Exasol
Google BigQuery Legacy SQL
Google BigQuery Standard SQL
Google Cloud PostgreSQL
Google Cloud SQL
Google Spanner
Greenplum
HyperSQL
IBM Netezza
MariaDB
Microsoft Azure PostgreSQL
Microsoft Azure SQL Database
Microsoft Azure Synapse Analytics
Microsoft SQL Server 2008+
Microsoft SQL Server 2012+
Microsoft SQL Server 2016
Microsoft SQL Server 2017+
MongoBI
MySQL
MySQL 8.0.12+
Oracle
Oracle ADWC
PostgreSQL 9.5+
PostgreSQL pre-9.5
PrestoDB
PrestoSQL
SAP HANA
SAP HANA 2+
SingleStore
SingleStore 7+
Snowflake
Teradata
Trino
Vector
Vertica