Usage
view: my_view {
derived_table: {
increment_key: ["created_date"]
increment_offset: 1
...
}
}
|
היררכיה
increment_offset- או - increment_offset |
ערך ברירת המחדל
0
מקבל
מספר שלם
כללים מיוחדים
|
הגדרה
אם הניב שלכם תומך ב-PDT מצטבר, אתם יכולים ליצור PDT מצטבר בפרויקט. טבלת PDT מצטברת היא טבלה נגזרת מתמידה (PDT) ש-Looker בונה על ידי הוספת נתונים חדשים לטבלה, במקום לבנות מחדש את הטבלה כולה. מידע נוסף זמין בדף התיעוד בנושא טבלאות PDT מצטברות.
הפרמטר increment_key מציין את פרק הזמן שבו צריך לשלוח שאילתה לגבי נתונים חדשים ולצרף אותם לטבלה המסכמת. הפרמטר increment_offset הוא פרמטר אופציונלי שאפשר להשתמש בו אם רוצים לבנות מחדש את הטבלה לתקופות קודמות, במקביל להוספת נתונים חדשים לטבלה. הפרמטר increment_offset מגדיר את מספר התקופות הקודמות שייבנו מחדש כשמצרפים נתונים ל-PDT מצטבר.
הפרמטר increment_offset שימושי במקרים של נתונים שמגיעים באיחור, שבהם יכול להיות שבנתונים מתקופות קודמות ייכללו נתונים חדשים שלא נכללו כשתוסף הזמן המתאים נוצר וצורף ל-PDT.
ערך ברירת המחדל increment_offset הוא 0, כלומר רק הנתונים החדשים מהעדכון הנוכחי מצורפים לטבלה. אם מגדירים את increment_offset ל-1, נתונים שמתקבלים באיחור מהמרווח הקודם יתווספו לטבלה בנוסף לנתונים החדשים מהמרווח הנוכחי.
בדף התיעוד בנושא PDT מצטבר יש כמה תרחישים לדוגמה שממחישים איך PDT מצטבר פועל ואיך מתבצעת האינטראקציה בין
increment_key,increment_offsetואסטרטגיית השמירה.
בקטע ניבי מסדי נתונים נתמכים ל-PDT מצטבר בדף הזה מופיעה רשימה של ניבים שתומכים ב-PDT מצטבר.
דוגמה
לדוגמה, ה-PDT הזה נבנה מחדש במרווחים של יום אחד (increment_key: event_day), החל משלושה ימים אחורה (increment_offset: 3):
derived_table: {
datagroup_trigger: usagetable_etl
increment_key: "event_day"
increment_offset: 3
explore_source: events {
column: name { field: account.name }
column: account_id { field: account.id }
column: database_dialect {}
column: count_events {}
column: event_day {}
}
}
ניבים נתמכים של מסדי נתונים ל-PDT מצטברות
כדי ש-Looker יתמוך בטבלאות PDT מצטברות בפרויקט Looker, הניב של מסד הנתונים צריך לתמוך בפקודות Data Definition Language (DDL) שמאפשרות מחיקה והוספה של שורות.
בטבלה הבאה מפורטים הניבים שתומכים ב-PDT מצטבר בגרסה האחרונה של Looker:
| דיאלקט | נתמך? |
|---|---|
| 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 |