Utilisation
view: view_name {
dimension: field_name {
convert_tz: yes | no
}
}
|
Hiérarchie
convert_tz |
Types de champs possibles
Dimension, groupe de dimensions, mesure, filtre, paramètre
Acceptation
Une valeur booléenne (oui ou non)
|
Définition
Looker propose différents paramètres de fuseau horaire qui convertissent les données temporelles entre différents fuseaux horaires. Looker effectue la conversion du fuseau horaire par défaut. Si vous ne souhaitez pas que Looker effectue une conversion de fuseau horaire pour un champ dimension, dimension_group (avec type: time) ou filter spécifique, vous pouvez utiliser le paramètre convert_tz. Ce paramètre peut être utile pour les champs qui sont déjà convertis dans le fuseau horaire approprié, ou dans certaines situations avancées où vous devez éviter une double conversion de fuseau horaire.
En général, les calculs de temps (différences, durées, etc.) ne fonctionnent correctement que lorsque vous utilisez des valeurs temporelles qui sont toutes converties dans le même fuseau horaire. Il est important de garder à l'esprit les fuseaux horaires lorsque vous écrivez du code LookML.
Exemples
N'effectuez pas de conversion de fuseau horaire pour le groupe de dimensions local_created :
dimension_group: local_created {
type: time
timeframes: [time, date, week, month]
sql: ${TABLE}.local_created_at ;;
convert_tz: no
}
Éléments à prendre en compte
convert_tz: no ne s'applique qu'à une dimension, et non à un filtre qui utilise la dimension. En d'autres termes, les filtres effectuent toujours une conversion de fuseau horaire. Lorsque vous spécifiez convert_tz: no, les valeurs de données temporelles s'affichent dans le fuseau horaire de la base de données, mais sont filtrées à l'aide du fuseau horaire de la requête.
Comme les filtres effectuent toujours une conversion de fuseau horaire, une différence entre le fuseau horaire de la base de données et celui de la requête peut entraîner l'inclusion ou l'exclusion inattendue de données d'un ensemble de données. Pour éviter cela, assurez-vous que le fuseau horaire de la requête est défini sur la même valeur que le fuseau horaire de la base de données.
Si l'option Fuseaux horaires spécifiques à l'utilisateur est activée, définissez le menu déroulant des fuseaux horaires (situé à côté du bouton Exécuter dans les explorations, les présentations et les tableaux de bord) sur la même valeur que le fuseau horaire de la base de données. Si l'option Fuseaux horaires spécifiques à l'utilisateur est désactivée, définissez le paramètre Requête Fuseau horaire sur la même valeur que le fuseau horaire de la base de données.
Si vous utilisez des filtres personnalisés, laissez la conversion du fuseau horaire activée pour garantir la validité des comparaisons de dates. Si vous désactivez la conversion de fuseau horaire avec convert_tz: no et que vous incluez le champ dans un filtre personnalisé, vos comparaisons de dates risquent de ne pas être valides.
Prise en charge des dialectes de base de données pour la conversion de fuseau horaire
Pour que Looker convertisse les fuseaux horaires dans votre projet Looker, votre dialecte de base de données doit prendre en charge la conversion des fuseaux horaires. Le tableau suivant répertorie les dialectes prenant en charge la conversion de fuseau horaire dans la dernière version de Looker :
| 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 | |
| ClickHouse 26+ | |
| 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+ | |
| Dremio 26+ with Arrow Flight SQL | |
| 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 |