Nutzung
view: view_name {
measure: field_name {
approximate: yes
}
}
|
Hierarchie
approximate |
Mögliche Feldtypen
Messung
Akzeptiert
Boolesch („Ja“ oder „Nein“)
|
Definition
Eine Liste der Dialekte, die
approximateunterstützen, finden Sie auf dieser Seite im Abschnitt Dialektunterstützung fürapproximate.
Mit dem Parameter approximate können Sie ungefähre Zählungen mit Messwerten vom Typ type: count und type: count_distinct verwenden. Bei großen Datensätzen können ungefähre Zählungen viel schneller als genaue Zählungen sein und liegen in der Regel nur wenige Prozent vom tatsächlichen Wert entfernt. In der Dokumentation Ihres SQL-Dialekts finden Sie Informationen zu den Kompromissen zwischen Geschwindigkeit und Genauigkeit dieser Methode.
measure: apx_unique_count {
type: count_distinct
approximate: yes # default value is no
sql: ${id} ;;
}
Das Aktivieren von approximate mit einem Messwert vom Typ type: count mag unnötig erscheinen, da die Funktion für ungefähre Zählungen nur auf eindeutige Zählungen angewendet wird. Es gibt jedoch einige Situationen, in denen Looker Messwerte vom Typ type: count automatisch in eine eindeutige Zählung eines Primärschlüssels umwandelt, um genaue Ergebnisse für verknüpfte Ansichten zu liefern. In diesen Situationen kann die ungefähre Zählung nützlich sein.
Dialektunterstützung für approximate
Die Möglichkeit, approximate zu verwenden, hängt vom Datenbankdialekt ab, der von Ihrer Looker-Verbindung verwendet wird. In der neuesten Version von Looker unterstützen die folgenden Dialekte approximate:
| 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.x - 0.17.x | |
| 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 |