Uso
explore: explore_name {
symmetric_aggregates: yes
}
|
Jerarquía
symmetric_aggregates |
Valor predeterminado
yes
Acepta
Un valor booleano (yes o no)
|
Definición
El parámetro symmetric_aggregates determina si se aplicarán o no agregaciones simétricas dentro de una exploración determinada. Cuando symmetric_aggregates está activado, las funciones agregadas muestran resultados correctos, incluso cuando las uniones generan una expansión. Las agregaciones simétricas se describen con más detalle en la página Prácticas recomendadas para comprender las agregaciones simétricas, y el problema de expansión que resuelven se explica en la publicación de Comunidad El problema de las expansiones de SQL.
De forma predeterminada, las agregaciones simétricas están activadas para cada exploración en Looker. Esto significa que si tu dialecto de SQL admite agregaciones simétricas, debes incluir el parámetro symmetric_aggregates solo si deseas inhabilitar esa funcionalidad para una exploración.
Ejemplos
Activa las agregaciones simétricas para la exploración product:
explore: product {
symmetric_aggregates: yes # the default value, could be excluded
}
Desactiva las agregaciones simétricas para la exploración customer:
explore: customer {
symmetric_aggregates: no
}
Aspectos para tener en cuenta
Crea uniones con cuidado cuando las agregaciones simétricas estén desactivadas
Las agregaciones simétricas protegen ciertos cálculos para que no arrojen resultados incorrectos cuando una unión genera una expansión. Por lo tanto, si tu dialecto no admite agregaciones simétricas o si decides desactivarlas, deberás tener cuidado cuando ejecutes uniones en Looker. Este problema y las soluciones alternativas se describen en detalle en la publicación de Comunidad El problema de las expansiones de SQL.
No todos los dialectos de bases de datos admiten tipos de medidas de mediana y percentil con agregaciones simétricas
Cuando se habilitan las agregaciones simétricas, Looker convierte automáticamente los tipos de medidas percentile y median a percentile_distinct y median_distinct cuando una unión implica una expansión. No todos los dialectos de bases de datos que admiten agregaciones simétricas admiten los tipos de medidas percentile_distinct y median_distinct. Puedes ver si tu dialecto de base de datos admite estos tipos de medidas en la página de documentación Tipos de medidas.
Si recibes un error similar a SQL dialect doesn't support Symmetric Aggregates with percentiles, field ignored., esto indica que tu dialecto de base de datos no admite los tipos de medidas percentile_distinct y median_distinct. Para solucionar este problema, cambia el tipo de medida a type: number y, luego, especifica la función agregada con sql: median(${dimension}). Sin embargo, esto inhabilita las agregaciones simétricas.
Agregaciones simétricas y errores de Value Overflow
Cuando intentes descargar o ver paneles, es posible que encuentres un error como A LookML model issue occurred. Non-unique value/primary key (or sql_distinct_key), value overflow or collision when computing sum.
Cuando se agrega una medida con valores grandes, los cálculos en segundo plano para la agregación simétrica pueden causar errores de desbordamiento decimal. Los errores de desbordamiento decimal se producen cuando Looker intenta realizar una agregación simétrica (por ejemplo, type: sum) con uniones externas izquierdas para valores muy grandes que superan los 14 dígitos (valores mayores que 10,000,000,000,000).
Para resolver este problema, puedes usar el precision parámetro y configurarlo en 5 o menos. Por ejemplo:
measure: average_value {
type: average
precision: 5
sql: ${value} ;;
}
Compatibilidad de dialectos con agregaciones simétricas
La capacidad de usar agregaciones simétricas depende del dialecto de base de datos que usa tu conexión de Looker. En la versión más reciente de Looker, los siguientes dialectos admiten el reconocimiento de agregaciones:
| Dialecto | ¿Es compatible? |
|---|---|
| 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 | |
| MongoSQL | |
| 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 |