Nutzung
view: my_view {
derived_table: {
increment_key: ["created_date"]
increment_offset: 1
...
}
}
|
Hierarchie
increment_offset– oder – increment_offset |
Standardwert
0
Akzeptiert
Ganzzahl
Besondere Regeln
|
Definition
Sie können inkrementelle PDTs in Ihrem Projekt erstellen, wenn Ihr Dialekt sie unterstützt. Eine inkrementelle PDT ist eine persistente abgeleitete Tabelle (PDT), die von Looker aufgebaut wird. Dabei werden neue Daten an die Tabelle angehängt, anstatt dass die ganze Tabelle neu erstellt wird. Weitere Informationen finden Sie auf der Dokumentationsseite Inkrementelle persistente abgeleitete Tabellen.
Mit dem Parameter increment_key wird der Zeitraum angegeben, für den neue Daten abgefragt und der Aggregattabelle angehängt werden sollen. Der Parameter increment_offset ist optional. Sie können ihn verwenden, wenn Sie die Tabelle für frühere Zeiträume neu erstellen möchten, während neue Daten an die Tabelle angehängt werden. Der Parameter increment_offset gibt die Anzahl der vorherigen Zeiträume an, die neu erstellt werden, wenn Daten an eine inkrementelle PDT angehängt werden.
Der increment_offset-Parameter eignet sich im Fall spät eintreffender Daten, wenn vorherige Zeiträume neue Daten enthalten könnten, die beim ursprünglichen Erstellen und Anhängen an die PDT im entsprechenden Inkrement noch nicht enthalten waren.
Der Standardwert für increment_offset ist 0. Das bedeutet, dass nur die neuen Daten aus dem aktuellen Inkrement an die Tabelle angehängt werden. Wenn Sie increment_offset auf 1 festlegen, werden der Tabelle neben den neuen Daten aus dem aktuellen Zeitinkrement auch spät eintreffende Daten aus dem vorherigen Inkrement hinzugefügt.
Auf der Dokumentationsseite Inkrementelle PDTs finden Sie einige Beispielszenarien, die die Funktionsweise von inkrementellen PDTs veranschaulichen und die Interaktion von
increment_key,increment_offsetund der Persistenzstrategie zeigen.
Eine Liste der Dialekte, die inkrementelle PDTs unterstützen, finden Sie auf dieser Seite im Abschnitt Unterstützte Datenbankdialekte für inkrementelle PDTs.
Beispiel
Diese PDT wird beispielsweise in Inkrementen von einem Tag (increment_key: event_day) neu erstellt, bis drei Tage zurück (increment_offset: 3):
derived_table: {
datagroup_trigger: usagetable_etl
increment_key: "event_day"
increment_offset: 3
explore_source: events {
column: name { field: account.name }
column: account_id { field: account.id }
column: database_dialect {}
column: count_events {}
column: event_day {}
}
}
Unterstützte Datenbankdialekte für inkrementelle PDTs
Damit Looker inkrementelle PDTs in Ihrem Looker-Projekt unterstützen kann, muss Ihr Datenbankdialekt DDL-Befehle (Data Definition Language) unterstützen, mit denen Zeilen gelöscht und eingefügt werden können.
In der folgenden Tabelle ist zu sehen, welche Dialekte inkrementelle PDTs in der aktuellen Looker-Version unterstützen:
| Dialekt | Unterstützt? |
|---|---|
| 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 |