שימוש
view: my_view {
derived_table: {
increment_key: ["created_date"]
increment_offset: 1
...
}
}
|
היררכיה
increment_offset- או - increment_offset |
ערך ברירת המחדל
0
אמצעי תשלום מקובלים
מספר שלם
כללים מיוחדים
|
הגדרה
אתם יכולים ליצור טבלאות PDT מצטברות בפרויקט אם הניב תומך בהן. טבלת PDT מצטברת היא טבלה נגזרת מתמידה (PDT) ש-Looker יוצר על ידי הוספת נתונים חדשים לטבלה, במקום ליצור מחדש את הטבלה כולה. מידע נוסף זמין בדף התיעוד טבלאות PDT מצטברות.
הפרמטר increment_key מציין את התקופה שבה המערכת צריכה לשלוח שאילתות לגבי נתונים עדכניים ולהוסיף אותם לטבלה המסכמת. הפרמטר increment_offset הוא פרמטר אופציונלי שבו אפשר להשתמש אם רוצים לבנות מחדש את הטבלה לתקופות קודמות, ובמקביל להוסיף נתונים חדשים לטבלה. הפרמטר increment_offset מגדיר את מספר התקופות הקודמות שייבנו מחדש כשמוסיפים נתונים ל-PDT מצטבר.
הפרמטר increment_offset שימושי במקרה של נתונים שמגיעים באיחור, שבו לתקופות קודמות יכולים להיות נתונים חדשים שלא נכללו כשהתוספת המתאימה נוצרה במקור ונוספה ל-PDT.
ערך ברירת המחדל של increment_offset הוא 0, כלומר רק הנתונים החדשים מהמרווח הנוכחי נוספים לטבלה. אם מגדירים את increment_offset לערך 1, נתונים שמגיעים באיחור מהמרווח הקודם יתווספו לטבלה, בנוסף לנתונים החדשים ממרווח הזמן הנוכחי.
בדף התיעוד Incremental PDTs יש כמה תרחישים לדוגמה שממחישים איך טבלאות PDT מצטברות פועלות ומראים את האינטראקציה של
increment_key,increment_offsetואסטרטגיית השמירה.
בקטע ניבי מסד נתונים נתמכים לטבלאות PDT מצטברות שבדף הזה מופיעה רשימה של ניבים שתומכים בטבלאות PDT מצטברות.
דוגמה
לדוגמה, ה-PDT הזה נבנה מחדש במרווחים של יום אחד (increment_key: event_day), שלושה 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 {}
}
}
ניבי מסד נתונים נתמכים לטבלאות PDT מצטברות
כדי ש-Looker יתמוך בטבלאות PDT מצטברות בפרויקט Looker, הניב של מסד הנתונים חייב לתמוך בפקודות של שפת הגדרת נתונים (DDL) שמאפשרות למחוק ולהוסיף שורות.
בטבלה הבאה מוצג אילו דיאלקטים תומכים בטבלאות PDT מצטברות בגרסה האחרונה של Looker:
| ניב | יש תמיכה? |
|---|---|
| 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 |