sortkeys

用法

view: my_view {
  derived_table: {
    sortkeys: ["date"]
    ...
  }
}

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

默认值 无 接受 PDT 或汇总表中的一个或多个列的名称 特殊规则 sortkeys 仅在特定方言中受支持

定义

借助 sortkeys 参数，您可以指定一个或多个持久性派生表 (PDT) 或汇总表的列，以应用常规排序键。使用排序键指定 PDT 中最常用于排序的列，以加快数据查询速度。

如需查看支持 sortkeys 的方言列表，请参阅sortkeys 的方言支持部分。

您还可以使用 indexes 创建交错式排序键。您不能同时使用这两种方法，但必须至少使用一种。

sortkeys 参数仅适用于永久性表，例如 PDT 和汇总表。对于没有持久性策略的派生表，不支持 sortkeys。

此外，对于使用 create_process 或 sql_create 定义的派生表，不支持 sortkeys 参数。

一般来说，排序键应应用于表中的日期或时间列，也可能应用于经常用作过滤条件的列。如需了解详情，请参阅 Amazon Redshift 文档。

示例

这些示例假设您使用的是 Redshift 数据库，因此可以使用 sortkeys 参数。

创建一个 customer_day_facts 持久性原生派生表，该表具有基于 date 的排序键，并在触发 datagroup order_datagroup 时重建：

view: customer_day_facts {
  derived_table: {
    explore_source: order {
      column: customer_id { field: order.customer_id }
      column: date { field: order.order_date }
      column: num_orders { field: order.customer_order_count }
    }
    datagroup_trigger: order_datagroup
    sortkeys: ["date"]
  }
}

创建一个基于 SQL 查询且在 date 上具有 sortkey 的 customer_day_facts 派生表：

view: customer_day_facts {
  derived_table: {
    sql:
      SELECT
        customer_id,
        DATE(order_time) AS date,
        COUNT(*) AS num_orders
      FROM
        order
      GROUP BY
        customer_id ;;
    persist_for: "24 hours"
    sortkeys: ["date"]
  }
}

创建一个基于 SQL 查询的 customer_day_facts 派生表，该派生表在 date 和 customer_id 上具有 sortkey：

view: customer_day_facts {
  derived_table: {
    sql:
      SELECT
        customer_id,
        DATE(order_time) AS date,
        COUNT(*) AS num_orders
      FROM
        order
      GROUP BY
        customer_id ;;
    persist_for: "24 hours"
    sortkeys: ["date", "customer_id"]
  }
}

针对 sortkeys 的方言支持

能否使用 sortkeys 取决于 Looker 连接所使用的数据库方言。在最新版 Looker 中，以下方言支持 sortkeys：

传统 SQL 方言（例如 MySQL 和 Postgres）应使用 indexes；sortkeys 不适用于这些数据库。

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