cluster_keys

Usage

view: view_name {
  derived_table: {
    cluster_keys: ["customer_city", "customer_state"]
    ...
  }
}
היררכיה
view
derived_table
cluster_keys

- או -

explore
aggregate_table
materialization
cluster_keys
ערך ברירת המחדל
None

אישור
שם של עמודה אחת או יותר שמשמשות לאשכול

כללים מיוחדים
התמיכה ב-cluster_keys מוגבלת לדיאלקטים ספציפיים

הגדרה

כשמבצעים אשכול של טבלה מחולקת, הנתונים במחיצה ממוינים לפי הערכים בעמודות האשכול, והעמודות של האשכול מאורגנות בבלוקים של אחסון בגודל אופטימלי. הוספת אינדקסים מסוג Clustering יכולה לשפר את הביצועים ולהפחית את העלות של שאילתות שמסננות או צוברות נתונים לפי העמודות שנוספו להן אינדקסים מסוג Clustering.

כאן אפשר לעיין ברשימת הניבים שנתמכים ב-cluster_keys.cluster_keys

כדי להוסיף עמודה מסודרת באשכולות לטבלה נגזרת מתמידה (PDT) או לטבלה מסכמת, משתמשים בפרמטר cluster_keys ומזינים את שמות העמודות שרוצים לסדר באשכולות בטבלת מסד הנתונים.

דוגמאות

יוצרים customer_order_facts טבלה נגזרת מבוססת LookML ‏(NDT) במסד נתונים של BigQuery, עם חלוקה למחיצות בעמודה date ועם אשכול בעמודות city, ‏ age_tier ו-gender, כדי לבצע אופטימיזציה של שאילתות שמסוננות או שמצטברות בעמודות האלה:

view: customer_order_facts {
  derived_table: {
    explore_source: order {
      column: customer_id { field: order.customer_id }
      column: date { field: order.order_time }
      column: city { field: users.city}
      column: age_tier { field: users.age_tier }
      column: gender { field: users.gender }
      derived_column: num_orders {
        sql: COUNT(order.customer_id) ;;
      }
    }
    partition_keys: [ "date" ]
    cluster_keys: [ "city", "age_tier", "gender" ]
    datagroup_trigger: daily_datagroup
  }
}

תמיכה בניבים של cluster_keys

היכולת להשתמש ב-cluster_keys תלויה בדיאלקט של מסד הנתונים שבו משתמש החיבור שלכם ל-Looker. בגרסה האחרונה של Looker, הניבים הבאים תומכים ב-cluster_keys:

דיאלקט האם יש תמיכה?
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