Utilizzo
view: view_name {
measure: field_name {
approximate: yes
}
}
|
Gerarchia
approximate |
Tipi di campi disponibili
Misura
Accetta
Un valore booleano (yes/no)
|
Definizione
Per un elenco dei dialetti che supportano
approximate, consulta la sezione Supporto dei dialetti perapproximatein questa pagina.
Il parametro approximate consente di utilizzare il conteggio approssimativo con le misure di type: count e type: count_distinct. Con set di dati di grandi dimensioni, i conteggi approssimativi possono essere molto più veloci dei conteggi esatti e in genere rientrano in una percentuale del valore effettivo. Consulta la documentazione del dialetto SQL per comprendere i compromessi tra velocità e accuratezza di questo metodo.
measure: apx_unique_count {
type: count_distinct
approximate: yes # default value is no
sql: ${id} ;;
}
L'attivazione di approximate con una misura di type: count potrebbe sembrare non necessaria, perché la funzionalità di conteggio approssimativo si applica solo ai conteggi distinti. Tuttavia, in alcune situazioni Looker converte automaticamente le misure di type: count in un conteggio distinto di una chiave primaria per fornire risultati accurati per le visualizzazioni unite. In queste situazioni, il conteggio approssimativo può essere utile.
Supporto dei dialetti per approximate
La possibilità di utilizzare approximate dipende dal dialetto del database utilizzato dalla connessione Looker. Nell'ultima versione di Looker, i seguenti dialetti supportano approximate:
| Dialetto | Supportata? |
|---|---|
| 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 |