increment_offset

用法

view: my_view {
  derived_table: {
    increment_key: ["created_date"]
    increment_offset: 1
    ...
  }
}

层次结构 查看文件 view derived_table increment_offset - 或 - 模型文件 explore aggregate_table materialization increment_offset

默认值 0 接受 一个整数 特殊规则 increment_offset 仅在与 increment_key 结合使用时受支持 increment_offset 和 increment_key 仅在持久表中受支持 increment_offset 和 increment_key 仅支持特定方言

定义

如果您的 dialect 支持增量 PDT，您可以在项目中创建增量 PDT。增量 PDT 是一种永久性派生表 (PDT)，Looker 通过将最新数据附加到该表来构建它，而不是重建整个表。如需了解详情，请参阅增量 PDT 文档页面。

increment_key 参数用于指定应查询新鲜数据并将其附加到汇总表的时间段。increment_offset 参数是一个可选参数，如果您想在将新数据附加到表中的同时重建之前时间段的表，可以使用此参数。increment_offset 参数用于定义在将数据附加到增量 PDT 时将重新构建的先前时间段数。

对于迟到的数据，increment_offset 参数非常有用，因为之前的时间段可能包含在最初构建相应增量并将其附加到 PDT 时未包含的新数据。

默认的 increment_offset 值为 0，这意味着只有当前增量中的新数据会附加到表中。如果您将 increment_offset 设置为 1，则除了当前时间增量中的新数据之外，系统还会将上一个增量中迟到的数据添加到表中。

如需查看一些示例场景，了解增量 PDT 的运作方式以及 increment_key、increment_offset 和持久性策略的互动，请参阅增量 PDT 文档页面。

如需查看支持增量 PDT 的方言列表，请参阅本页面上的支持增量 PDT 的数据库方言部分。

示例

例如，此 PDT 以一天 (increment_key: event_day) 为增量重建，回溯三天 (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 {}
   }
 }

增量 PDT 支持的数据库方言

为了让 Looker 支持 Looker 项目中的增量 PDT，您的数据库方言必须支持可用于删除和插入行的数据定义语言 (DDL) 命令。

下表显示了 Looker 最新版本中哪些方言支持增量 PDT：

方言	是否支持？
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