Utilisation
view: view_name {
measure: field_name {
approximate: yes
}
}
|
Hiérarchie
approximate |
Types de champs possibles
Mesure
Acceptation
Booléen (oui ou non)
|
Définition
Pour obtenir la liste des dialectes compatibles avec
approximate, consultez la section Compatibilité des dialectes avecapproximatesur cette page.
Le paramètre approximate vous permet d'utiliser le comptage approximatif avec les mesures de type: count et type: count_distinct. Avec les grands ensembles de données, les comptages approximatifs peuvent être beaucoup plus rapides que les comptages exacts et se situent généralement à quelques pour cent de la valeur réelle. Consultez la documentation de votre dialecte SQL pour comprendre les compromis entre vitesse et précision de cette méthode.
measure: apx_unique_count {
type: count_distinct
approximate: yes # default value is no
sql: ${id} ;;
}
L'activation de approximate avec une mesure de type: count peut sembler inutile, car la fonctionnalité de comptage approximatif ne s'applique qu'aux comptages distincts. Toutefois, dans certaines situations, Looker transforme automatiquement les mesures de type: count en comptage distinct d'une clé primaire pour fournir des résultats précis pour les vues jointes. Dans ce cas, le comptage approximatif peut être utile.
Compatibilité des dialectes avec approximate
La possibilité d'utiliser approximate dépend du dialecte de base de données utilisé par votre connexion Looker. Dans la dernière version de Looker, les dialectes suivants sont compatibles avec approximate :
| Dialecte | Compatibilité |
|---|---|
| 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 |