increment_offset

用量

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

階層 查看檔案 view derived_table increment_offset - 或 - 模型檔案 explore aggregate_table materialization increment_offset

預設值 0 接受 整數 特別規則 increment_offset 僅支援與 increment_key 搭配使用 increment_offset 和 increment_key 僅支援持續性資料表 increment_offset 和 increment_key 僅支援特定方言

定義

如果方言支援永久累加型衍生資料表，您可以在專案中建立這類資料表。永久累加型衍生資料表是 永久衍生資料表 (PDT)，Looker 會將最新資料附加至資料表，而不是重新建構整個資料表。詳情請參閱永久累加型衍生資料表說明文件頁面。

increment_key 參數會指定要查詢最新資料並附加至匯總資料表的時間範圍。如果您想在將新資料附加至資料表的同時，重建先前時間範圍的資料表，可以使用選用的 increment_offset 參數。將資料附加至累加型 PDT 時，increment_offset 參數會定義要重建的先前時間範圍數量。

如果資料延遲抵達，導致先前時間範圍內有新資料，但這些資料在最初建構並附加至 PDT 時未納入，這時 increment_offset 參數就很有用。

預設 increment_offset 值為 0，表示只有目前增量的新資料會附加至資料表。如果將 increment_offset 設為 1，系統會將前一個增量中延遲抵達的資料，以及目前時間增量中的新資料，一併新增至資料表。

如需說明永久累加型衍生資料表運作方式的範例情境，以及 increment_key、increment_offset 和持續性策略的互動方式，請參閱永久累加型衍生資料表說明文件頁面。

如需支援永久累加型衍生資料表的方言清單，請參閱本頁面的「支援永久累加型衍生資料表的資料庫方言」一節。

範例

舉例來說，這個 PDT 會以一天為增量 (increment_key: event_day) 重新建構，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 {}
   }
 }

支援永久累加型衍生資料表的資料庫方言

如要讓 Looker 專案支援累加 PDT，資料庫方言必須支援可刪除及插入資料列的資料定義語言 (DDL) 指令。

下表列出最新版 Looker 中支援遞增 PDT 的方言：

方言	是否支援？
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