dimension_group

Usage

view: view_name {
  dimension_group:  field_name { ... }
}
היררכיה
view
dimension_group
אישור
מזהה Looker (שישמש כחלק הראשון של השם של כל מאפיין שנוצר על ידי קבוצת המאפיינים)

כללים מיוחדים
  • הערך של type יכול להיות time או duration
  • בדרך כלל משתמשים בו עם הפרמטר timeframes או intervals
  • משתמשים בפרמטר datatype אם קבוצת המאפיינים לא מבוססת על שדה של תאריך ושעה
  • כדי למנוע המרה אוטומטית של אזור זמן בקבוצות מאפיינים של type: time, צריך להשתמש בפרמטר convert_tz.

הגדרה

הפרמטר dimension_group משמש ליצירה של קבוצת מאפיינים שמבוססים על זמן או על משך, בבת אחת. אתם מגדירים את קבוצת המאפיינים, והמערכת יוצרת קבוצה של מאפיינים נפרדים עבור מרווחי זמן או מסגרות זמן שונים. לדוגמה, אפשר לציין קבוצת מאפיינים של type: time על סמך עמודה של חותמת זמן, וקבוצת המאפיינים תיצור מאפיינים תואמים כדי להציג את הנתונים לפי זמן, תאריך, שבוע, שעה, רבעון ושנה.

הצורה והפונקציה של קבוצת המאפיינים משתנות בהתאם לערך type של קבוצת המאפיינים:

קבוצות של מאפיינים מסוג משך

‫type: duration משמש בשילוב עם dimension_group כדי לחשב קבוצה של מאפייני משך זמן שמבוססים על מרווחי זמן.

הצורה של קבוצת מאפיינים של type: duration היא:

dimension_group: dimension_group_name {
  type: duration
  sql_start: SQL expression ;;  # often this is a single database column
  sql_end: SQL expression ;;  # often this is a single database column
  intervals: [interval, interval, …] # see following explanation for valid intervals
}

לקבוצות מאפיינים של type: duration:

  • הפרמטרים sql_start ו-sql_end מספקים ביטויי SQL שמגדירים את שעת ההתחלה ואת שעת הסיום של משך הזמן. פרטים נוספים מופיעים בקטע הגדרת ההתחלה והסיום של משך הזמן בדף הזה.

  • הפרמטר intervals מציין יחידה אחת או יותר של מרווחים שבהן צריך להשתמש כדי למדוד את הפרש הזמן. האפשרויות האפשריות מפורטות בקטע אפשרויות של מרווחי זמן בדף הזה.

  • ערכי משך הזמן מעוגלים כלפי מטה למספר השלם הקרוב ביותר.

  • הפרמטר datatype הוא אופציונלי. אם קבוצת המאפיינים לא מבוססת על תאריך ושעה, אפשר לציין במקום זאת פורמט של תקופה, חותמת זמן, תאריך או yyyymmdd. במקרה של קבוצות מאפיינים מסוג type: duration, הפרמטר datatype חל גם על הפרמטרים sql_start ו-sql_end, ולכן חשוב לוודא שגם sql_start וגם sql_end הם מסוג הנתונים שצוין. הפרמטר datatype מתואר בפירוט רב יותר בקטע הגדרת מסד הנתונים datatype בדף הזה.

למרות שהם לא מופיעים כאן, אפשר להשתמש בהרבה פרמטרים ברמת השדה גם עם קבוצות של מאפיינים.

לדוגמה, אם יש לכם עמודות של enrollment_date ו-graduation_date, אתם יכולים ליצור קבוצת מאפיינים של משך זמן כדי לראות כמה זמן התלמידים בילו בבית הספר, בחישוב של שבועות ושנים:

dimension_group: enrolled {
  type: duration
  intervals: [week, year]
  sql_start: ${TABLE}.enrollment_date ;;
  sql_end: ${TABLE}.graduation_date ;;
}

בממשק המשתמש של כלי הניתוחים, הפעולה הזו תיצור קבוצת מאפיינים בשם משך ההרשמה, עם מאפיינים נפרדים בשם שבועות הרשמה ושנות הרשמה.

אפשרויות אינטרוול

הפרמטר intervals מציין לקבוצת המאפיינים באילו יחידות של מרווחים להשתמש כדי למדוד את ההפרש בין הזמן sql_start לבין הזמן sql_end. הפרמטר intervals נתמך רק בקבוצות של מאפיינים מסוג type: duration.

אם לא מציינים את intervals, קבוצת המאפיינים תכלול את כל המרווחים האפשריים.

האפשרויות לפרמטר intervals הן:

מרווח תיאור פלט לדוגמה
day מחשבת את הפרש הזמן בימים. 9 days
hour מחשבת את הפרש הזמן בשעות. 171 hours
minute מחשבת את הפרש הזמן בדקות. 10305 minutes
month מחשבת את הפרש הזמן בחודשים. 3 months
quarter מחשבת את הפרש הזמן ברבעונים של השנה. 2 quarters
second מחשבת את הפרש הזמן בשניות. 606770 seconds
week מחשבת את הפרש הזמן בשבועות. 6 weeks
year מחשבת את הפרש הזמן בשנים. 2 years

הגדרת ההתחלה והסיום של משך זמן

בקיבוצי מאפיינים מסוג type: duration, הפרמטרים sql_start ו-sql_end מספקים את נתוני ההתחלה והסיום שמשמשים לחישוב הפרש הזמן. השדות האלה יכולים לקבל כל ביטוי SQL תקין שמכיל נתונים בפורמט של חותמת זמן, תאריך ושעה, תאריך, ראשית זמן יוניקס (Unix epoch) או yyyymmdd. השדות sql_start ו-sql_end יכולים להכיל כל אחת מהאפשרויות הבאות:

  • הפניה לraw מסגרת זמן מקבוצת מאפיינים קיימת של type: time
  • הפניה למאפיין type: date_raw
  • ביטוי SQL שהוא חותמת זמן, כמו הפניה לעמודת SQL שהיא חותמת זמן
  • ביטוי SQL ששולף שעה ממסד הנתונים, באמצעות הביטוי המתאים לניב שלכם
  • הפניה לשדה LookML באמצעות ::datetime או ::date הפניה לסוג השדה

לדוגמה, נניח שיש לכם מאפיין בשם faa_event_date_raw שמכיל מידע על תאריך ושעה:

dimension: faa_event_date_raw {
  type: date_raw
  sql: ${TABLE}.event_date ;;
}

אתם יכולים ליצור קבוצת מאפיינים של type: duration שמחשבת את משך הזמן שחלף מאז תאריך האירוע של FAA. כדי לעשות את זה, אפשר להשתמש במאפיין faa_event_date_raw כזמן ההתחלה של החישוב, ואז להשתמש בביטוי SQL של הניב שלכם לזמן הנוכחי כזמן הסיום של החישוב. הדוגמה הזו היא למסד נתונים של MySQL:

dimension_group: since_event {
  type: duration
  intervals: [hour, day]
  sql_start: ${faa_event_date_raw} ;;
  sql_end: CURRENT_TIMESTAMP();;
}

בממשק המשתמש של כלי הניתוחים, ייווצר קיבוץ מאפיינים בשם משך הזמן שעבר מאז האירוע, עם מאפיינים נפרדים בשם שעות שעברו מאז האירוע וימים שעברו מאז האירוע.

הפניה למרווחי זמן משדה LookML אחר

כדי להפנות לערך interval ב-dimension_group של type: duration, משתמשים בתחביר ${interval_fieldname}, עם גרסת הרבים של הערך interval. לדוגמה, בדוגמה הבאה של LookML, המדד average_days_since_event משתמש ב-${days_since_event} כדי להפנות למרווח day בקבוצת המאפיינים since_event:


dimension_group: since_event {
  type: duration
  intervals: [hour, day, week, month, quarter, year]
  sql_start: ${faa_event_date_raw} ;;
  sql_end: CURRENT_TIMESTAMP();;
}

measure: average_days_since_event {
  type: average
  sql: ${days_since_event} ;;
}

שימוש בהפניות לסוגי שדות LookML בשדות משך

כדי ליצור שדה מותאם אישית של משך, אפשר לציין סוג הפניה של ::date או ::datetime למאפיינים שמפנים אליהם בפרמטרים sql_start ו-sql_end של קבוצת מאפיינים מסוג type: duration. התחביר view_name.field_name::type, שמתואר בדף התיעוד שילוב של SQL והפניה לאובייקטים של LookML, מאפשר ליצור גרסה של שדה ::date או ::datetime בלי להמיר את ההפניות למאפיינים האלה למחרוזות.

לדוגמה, נניח שיש לכם קבוצת מאפיינים created של type: time עם מסגרות זמן של time,‏ date,‏ week,‏ month ו-raw, שמוגדרות באופן הבא:


dimension_group: created {
  type: time
  timeframes: [time, date, week, month, raw]
  sql: ${TABLE}.created_at ;;
}

באמצעות המאפיינים created_month ו-created_time, אפשר ליצור קבוצת מאפיינים של type: duration שמחשבת את משך הזמן בין תאריך מהשדה created_date לבין היום הראשון בחודש שבו התאריך הזה חל, במדידה של שבועות, ימים ושעות:


dimension_group: since_first_of_month {
  type: duration
  intervals: [week, day, hour]
  sql_start: ${created_month::datetime} ;;
  sql_end: ${created_time::datetime} ;;
}

בממשק המשתמש של כלי הניתוחים, נוצרת קבוצת מאפיינים בשם משך הזמן מאז תחילת החודש, עם המאפיינים שבועות מאז תחילת החודש, ימים מאז תחילת החודש ושעות מאז תחילת החודש. הגדרת סוג ההפניה ::datetime לשדות שאליהם יש הפניה בפרמטרים sql_start ו-sql_end מאפשרת להתייחס למאפיינים created_month ו-created_time כחותמות זמן ב-SQL שנוצר.

לדוגמה, נניח שמשתמש בוחר את המאפיינים תאריך היצירה ומספר הימים שעברו מתחילת החודש מבורר השדות. אם אחד מהערכים שמוחזרים עבור Created Date הוא 2019-03-10, אז הערך שמוחזר עבור Days Since First of Month יהיה 9 days.

קבוצות מאפיינים מסוג זמן

הפרמטר type: time משמש בשילוב עם dimension_group ועם הפרמטר timeframes כדי ליצור קבוצה של מאפיינים שמבוססים על זמן. לדוגמה, אפשר ליצור בקלות מאפיין של תאריך, שבוע וחודש על סמך עמודה אחת של חותמת זמן.

הצורה של קבוצת מאפיינים של type: time היא:

dimension_group: dimension_group_name {
  type: time
  timeframes: [timeframe, timeframe, …] # see following explanation for valid timeframes
  sql: SQL expression ;;  # often this is a single database column
  datatype: epoch| timestamp | datetime | date | yyyymmdd # defaults to datetime
  convert_tz: yes | no   # defaults to yes
}

לקבוצות מאפיינים של type: time:

  • הפרמטר timeframes הוא אופציונלי, אבל בדרך כלל לא מדלגים עליו. במאפיין הזה מציינים מסגרת זמן אחת או יותר שצריך ליצור באמצעות קבוצת המאפיינים. אם לא כוללים את timeframes, כל האפשרויות של טווחי הזמן יתווספו לקבוצת המאפיינים. אפשרויות הבחירה מפורטות בקטע אפשרויות לטווח זמן בדף הזה.

  • הפרמטר sql של קבוצות המאפיינים type: time יכול לקבל כל ביטוי SQL תקין שמכיל נתונים בפורמט של חותמת זמן, תאריך ושעה, תאריך, ראשית זמן יוניקס (Unix epoch) או yyyymmdd.

  • הפרמטר datatype הוא אופציונלי. אם קבוצת המאפיינים לא מבוססת על תאריך ושעה, אפשר לציין במקומה פורמט של תקופה, חותמת זמן, תאריך או yyyymmdd. הסבר מפורט יותר על המאפיין הזה מופיע בקטע הגדרת מסד הנתונים datatype בדף הזה.

  • הפרמטר convert_tz הוא אופציונלי ומאפשר למנוע המרה אוטומטית של אזור הזמן. הסבר מפורט יותר מופיע בקטע המרות של אזורי זמן וconvert_tz בדף הזה.

למרות שהם לא מופיעים כאן, אפשר להשתמש בהרבה פרמטרים ברמת השדה גם עם קבוצות של מאפיינים.

לדוגמה, נניח שיש לכם עמודה בשם created_at שמכילה מידע על תאריך ושעה. אתם רוצים ליצור מאפיין של תאריך, שבוע וחודש על סמך התאריך והשעה האלה. תוכלו להשתמש:

dimension_group: created {
  type: time
  timeframes: [date, week, month]
  sql: ${TABLE}.created_at ;;
}

בממשק המשתמש של כלי הניתוחים, יווצרו שלושה מאפיינים עם השמות תאריך היצירה, שבוע היצירה וחודש היצירה. שימו לב איך השם dimension_group משולב עם מסגרות הזמן כדי ליצור את שמות המאפיינים.

אפשרויות של מסגרת זמן

הפרמטר timeframes נתמך רק בקבוצות של מאפיינים מסוג type: time. לגבי קבוצות מאפיינים מסוג type: duration, צריך להשתמש במקום זאת בפרמטר intervals.

הפרמטר timeframes מציין לקבוצת המאפיינים אילו מאפיינים היא צריכה ליצור, והוא כולל את האפשרויות הבאות:

מסגרות זמן מיוחדות

מסגרת זמן תיאור פלט לדוגמה
raw הערך הגולמי ממסד הנתונים, ללא המרה או המרה של אזור זמן. אפשר לגשת אל raw רק ב-LookML, והוא לא יופיע בדף 'ניתוח'. הפונקציה raw מחזירה חותמת זמן, בניגוד לרוב הפונקציות האחרות שקשורות לפרקי זמן שמחזירות מחרוזת מעוצבת. הוא משמש בעיקר לביצוע פעולות על שדה תאריך. 2014-09-03 17:15:00 +0000
yesno מאפיין yesno שמחזיר 'כן' אם יש ערך לתאריך ולשעה, אחרת מחזיר 'לא'. בשונה מטווחים אחרים, כשמפנים למאפיין של טווח זמן yesno משדה אחר, לא כוללים את טווח הזמן בהפניה. לדוגמה, כדי להתייחס לyesno פרק זמן בdimension_group: created, צריך להשתמש בתחביר ${created} ולא בתחביר ${created_yesno}. Yes

מסגרות זמן

מסגרת זמן תיאור פלט לדוגמה
time התאריך והשעה של השדה הבסיסי (בדיאלקטים מסוימים של SQL מוצגת רמת דיוק גבוהה כמו זו שקיימת במסד הנתונים, ובדיאלקטים אחרים מוצגת רמת דיוק של שניות בלבד) 2014-09-03 17:15:00
time_of_day שעה 17:15
hour התאריך והשעה נחתכים לשעה הקרובה ביותר 2014-09-03 17
hour_of_day שעה שלמה ביום של השדה הבסיסי 17
hourX חלוקה של כל יום למרווחים עם מספר השעות שצוין. איך משתמשים ב-hourX
minute התאריך והשעה נחתכים לדקה הקרובה ביותר 2014-09-03 17:15
minuteX חלוקה של כל שעה למרווחים עם מספר הדקות שצוין. איך משתמשים ב-minuteX
second התאריך והשעה נחתכים לשנייה הקרובה ביותר 2014-09-03 17:15:00
millisecond התאריך והשעה נחתכים למילי-שנייה הקרובה ביותר (בקטע תמיכה בדיאלקטים למילי-שניות ולמיקרו-שניות בדף הזה יש מידע על תמיכה בדיאלקטים). 2014-09-03 17:15:00.000
millisecondX הפונקציה מפצלת כל שנייה למרווחים עם מספר אלפיות השנייה שצוין (מידע על תמיכה בניבים זמין בקטע תמיכה בניבים באלפיות שנייה ובמיקרו-שנייה בדף הזה). איך משתמשים ב-millisecondX
microsecond התאריך והשעה נחתכים למיקרו-שנייה הקרובה ביותר (בקטע תמיכה בניבים של אלפיות השנייה ומיקרו-שנייה בדף הזה יש מידע על תמיכה בניבים). 2014-09-03 17:15:00.000000

מסגרות זמן של תאריכים

מסגרת זמן תיאור פלט לדוגמה
date התאריך של השדה הבסיסי 2017-09-03

מסגרות זמן שבועיות

מסגרת זמן תיאור פלט לדוגמה
week התאריך של יום שני בשבוע של תאריך ושעה בסיסיים 2017-09-01
day_of_week יום בשבוע בלבד Wednesday
day_of_week_index אינדקס יום בשבוע (0 = יום שני, 6 = יום ראשון) 2

מסגרות זמן חודשיות

מסגרת זמן תיאור פלט לדוגמה
month השנה והחודש של התאריך והשעה הבסיסיים 2014-09
month_num מספר שלם של החודש של תאריך ושעת הבסיס 9
fiscal_month_num מספר שלם של החודש הפיסקלי של התאריך והשעה הבסיסיים 6
month_name שם החודש September
day_of_month היום בחודש 3

כדי להשתמש בfiscal_month_num מסגרות הזמן, צריך להגדיר את הפרמטר fiscal_month_offset במודל.

מסגרות זמן רבעוניות

מסגרת זמן תיאור פלט לדוגמה
quarter השנה והרבעון של התאריך והשעה הבסיסיים 2017-Q3
fiscal_quarter שנת הכספים והרבעון של התאריך והשעה הבסיסיים 2017-Q3
quarter_of_year רבעון השנה, לפניו מופיעה האות Q Q3
fiscal_quarter_of_year הרבעון הפיסקאלי של השנה, לפניו מופיעה האות Q Q3

כדי להשתמש בפרקי הזמן fiscal_quarter ו-fiscal_quarter_of_year, צריך להגדיר את הפרמטר fiscal_month_offset במודל.

מסגרות זמן שנתיות

מסגרת זמן תיאור פלט לדוגמה
year שנה שלמה של התאריך והשעה הבסיסיים 2017
fiscal_year שנת הכספים כמספר שלם של תאריך ושעה בסיסיים FY2017
day_of_year יום בשנה 143
week_of_year השבוע בשנה כמספר 17

כדי להשתמש בפרק הזמן fiscal_year, צריך להגדיר את הפרמטר fiscal_month_offset במודל.

שימוש ב-hourX

ב-hourX, ‏ X מוחלף ב-2, 3, 4, 6, 8 או 12.

כל יום יפוצל למרווחי זמן עם מספר השעות שצוין. לדוגמה, hour6 יפצל כל יום לפלחים של 6 שעות, שיופיעו באופן הבא:

  • 2014-09-01 00:00:00
  • 2014-09-01 06:00:00
  • 2014-09-01 12:00:00
  • 2014-09-01 18:00:00

לדוגמה, אם הערך של time הוא 2014-09-01 08:03:17, הערך של hour6 יהיה 2014-09-01 06:00:00.

שימוש ב-minuteX

ב-minuteX, ‏ X מוחלף ב-2, 3, 4, 5, 6, 10, 12, 15, 20 או 30.

כל שעה תחולק למרווחי זמן עם מספר הדקות שצוין. לדוגמה, הערך minute15 יפצל כל שעה לפלחים של 15 דקות, שיופיעו באופן הבא:

  • 2014-09-01 01:00:00
  • 2014-09-01 01:15:00
  • 2014-09-01 01:30:00
  • 2014-09-01 01:45:00

לדוגמה, אם הערך של time הוא 2014-09-01 01:17:35, הערך של minute15 יהיה 2014-09-01 01:15:00.

שימוש ב-millisecondX

ב-millisecondX, ‏ X מוחלף ב-2, 4, 5, 8, 10, 20, 25, 40, 50, 100, 125, 200, 250 או 500.

כל שנייה תחולק למרווחי זמן עם מספר אלפיות השנייה שצוין. לדוגמה, millisecond250 יפצל כל שנייה לפלחים של 250 אלפיות השנייה, שיופיעו באופן הבא:

  • 2014-09-01 01:00:00.000
  • 2014-09-01 01:00:00.250
  • 2014-09-01 01:00:00.500
  • 2014-09-01 01:00:00.750

לדוגמה, אם הערך של time הוא 2014-09-01 01:00:00.333, הערך של millisecond250 יהיה 2014-09-01 01:00:00.250.

המרות של אזורי זמן ו-convert_tz

באופן כללי, חישובים של זמן (הפרשים, משכי זמן וכו') פועלים בצורה תקינה רק כשמבצעים פעולות על ערכי זמן שהומרו לאותו אזור זמן. לכן חשוב לזכור את אזורי הזמן כשכותבים LookML.

ב-Looker יש הגדרות שונות של אזורי זמן שממירות נתונים מבוססי-זמן בין אזורי זמן שונים. כברירת מחדל, Looker מבצע המרה של אזור הזמן. הפרמטר convert_tz נתמך בקבוצות מאפיינים מסוג type: time. אם אתם לא רוצים ש-Looker יבצע המרה של אזור זמן למאפיין או לקבוצת מאפיינים מסוימים, אתם יכולים להשתמש בפרמטר convert_tz שמתואר בדף התיעוד של הפרמטר convert_tz.

תמיכה בדיאלקטים של אלפיות השנייה ומיליוניות השנייה

‫Looker תומך בדיוק של מסגרת הזמן עד למיקרו-שניות, אבל חלק ממסדי הנתונים תומכים בדיוק של מסגרת הזמן רק עד לשנייה. אם מסד נתונים נתקל בפרק זמן מדויק יותר ממה שהוא יכול לתמוך בו, הוא יעגל לשנייה הקרובה.

בגרסה האחרונה של Looker, הדיאלקטים הבאים תומכים באלפיות השנייה:

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 AlloyDB for PostgreSQL
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

בגרסה האחרונה של Looker, הדיאלקטים הבאים תומכים במיקרו-שניות:

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 AlloyDB for PostgreSQL
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

ציון מסד הנתונים datatype

הפרמטר datatype מאפשר לכם לציין את סוג נתוני הזמן בטבלת מסד הנתונים שאתם מספקים לקבוצת המאפיינים, וכך לשפר את ביצועי השאילתות.

עבור קבוצות מאפיינים של type: time, הפרמטר datatype חל על הפרמטר sql של קבוצת המאפיינים.

במקרה של קבוצות מאפיינים מסוג type: duration, הפרמטר datatype חל גם על הפרמטרים sql_start וגם על sql_end, ולכן חשוב לוודא שגם sql_start וגם sql_end הם מאותו סוג נתונים שצוין.

הפרמטר datatype מקבל את הערכים הבאים:

  • ‫epoch: שדה של ראשית זמן יוניקס (כלומר, מספר שלם שמייצג את מספר השניות מאז ראשית זמן יוניקס).
  • ‫date: שדה תאריך ב-SQL (כלומר, שדה שלא מכיל מידע על השעה ביום).
  • ‫datetime: שדה של תאריך ושעה ב-SQL.
  • ‫timestamp: שדה של חותמת זמן ב-SQL.
  • ‫yyyymmdd: שדה SQL שמכיל מספר שלם שמייצג תאריך בפורמט YYYYMMDD.

ערך ברירת המחדל של datatype הוא timestamp.

דוגמאות

נניח שיש לכם עמודה בשם created_at שמכילה מידע על תאריך ושעה. אתם רוצים ליצור מאפיין של תאריך, שבוע וחודש על סמך התאריך והשעה האלה. תוכלו להשתמש:

dimension_group: created {
  type: time
  timeframes: [date, week, month]
  sql: ${TABLE}.created_at ;;
}

-

בממשק המשתמש של כלי הניתוחים, יווצרו שלושה מאפיינים עם השמות תאריך היצירה, שבוע היצירה וחודש היצירה. שימו לב איך השם dimension_group משולב עם מסגרות הזמן כדי ליצור את שמות המאפיינים.

דברים שכדאי לקחת בחשבון

צריך להפנות לקבוצות של מאפיינים באמצעות המאפיינים הנפרדים שלהן

קבוצת מאפיינים מייצגת קבוצה של מאפיינים, ולא רק מאפיין אחד, ולכן אי אפשר להפנות אליה ישירות ב-LookML. במקום זאת, תצטרכו להפנות למאפיינים שהוא יוצר.

לדוגמה, קבוצת המאפיינים הזו:

dimension_group: created {
  type: time
  timeframes: [date, week, month]
  sql: ${TABLE}.created_at ;;
}

כדי להפנות לאחד מהמאפיינים האלה בשדה אחר של LookML, משתמשים בהפניה ${created_date}, ${created_week} או ${created_month}. אם תנסו להשתמש רק ב-${created}, מערכת Looker לא תדע למה אתם מתכוונים ותציג שגיאה.

מאותה סיבה, אסור להשתמש בפרמטר primary_key בקבוצת מאפיינים אם מציינים יותר מ-timeframe אחד.

טיפ מצוות הצ'אט: אנחנו מקבלים הרבה שאלות לגבי שגיאת האימות שיכולה להתרחש אם משתמשים ב-primary_key ב-dimension_group עם יותר מ-timeframe אחד. מידע נוסף זמין בפוסט לקהילה בנושא מסגרות זמן וקבוצות מאפיינים ב-Looker .

נתוני חותמת זמן שכוללים מידע על אזור זמן

בחלק מהניבים של מסדי הנתונים יש אפשרויות של חותמות זמן שכוללות מידע על אזור הזמן. כך אפשר לאחסן נתונים של חותמות זמן בשדה יחיד שעשוי לכלול כמה אזורי זמן. יכול להיות ששורה אחת של נתונים תאוחסן ב-UTC, ושורה אחרת תאוחסן לפי שעון החוף המזרחי. לדוגמה, במאמרי העזרה חותמת הזמן של Snowflake TIMESTAMP_LTZ, TIMESTAMP_NTZ, TIMESTAMP_TZ יש מידע על האפשרויות של חותמת הזמן של דיאלקט Snowflake.

במקרה כזה, כש-Looker מבצע המרות של אזורי זמן, יכולות להתרחש שגיאות. כדי למנוע את זה, בפרמטר sql של המאפיין, צריך להגדיר במפורש את נתוני חותמת הזמן לסוג חותמת זמן שלא מבצע המרה של אזור זמן. לדוגמה, בניב Snowflake, אפשר להשתמש בפונקציה TO_TIMESTAMP כדי להמיר את נתוני חותמת הזמן.

אפשר ליצור מאפיינים נפרדים של זמן או משך

אפשר ליצור מאפיין אחד לכל מסגרת זמן או משך זמן שרוצים לכלול, במקום ליצור את כולם ב-dimension_group אחד. בדרך כלל לא צריך ליצור מאפיינים נפרדים, אלא אם רוצים לשנות את מוסכמת השמות של מסגרות הזמן ב-Looker, או אם כבר חישבתם מראש עמודות של זמן במסד הנתונים. מידע נוסף זמין במאמר בנושא סוגי מאפיינים, מסננים ופרמטרים.

אפשר לשנות את היום הראשון בשבוע

כברירת מחדל, השבועות ב-Looker מתחילים ביום שני. אפשר לשנות את ההגדרה הזו באמצעות הפרמטר week_start_day ברמת המודל.

חשוב לזכור שהתאריך week_start_day לא פועל עם טווח הזמן week_of_year כי טווח הזמן הזה מבוסס על תקן ISO, שמשתמש בשבועות שמתחילים ביום שני.

מסננים בהתאמה אישית ושדות בהתאמה אישית לא תומכים בכל מסגרות הזמן

מסגרות הזמן day_of_week,‏ fiscal_quarter_of_year,‏ millisecond,‏ millisecondX,‏ microsecond,‏ month_name,‏ quarter_of_year ו-time_of_day לא נתמכות במסננים בהתאמה אישית או בשדות בהתאמה אישית.

במרווחי זמן של חודש, רבעון ושנה נספרות רק תקופות מלאות

המרווח month בקבוצת מאפיינים duration מתייחס לחודש שעבר רק אם יום הסיום גדול מיום ההתחלה או שווה לו. לדוגמה:

  • ההפרש בחודשים בין 26 בספטמבר ל-25 באוקטובר באותה שנה הוא 0.
  • ההפרש בחודשים בין 26 בספטמבר ל-26 באוקטובר באותה שנה הוא 1.

המרווחים quarter ו-year פועלים לפי אותה לוגיקה.