symmetric_aggregates

שימוש

explore: explore_name {
  symmetric_aggregates: yes
}
היררכיה
symmetric_aggregates
ערך ברירת המחדל
yes

מקבלים
ערך בוליאני (yes או no)

הגדרה

הפרמטר symmetric_aggregates קובע אם צבירה סימטרית תוחל ב-Explore נתון. כשהאפשרות symmetric_aggregates מופעלת, פונקציות צבירה מחזירות תוצאות נכונות, גם כשצירופים גורמים ל-fanout. בדף השיטות המומלצות הסבר על צבירה סימטרית יש תיאור מפורט יותר של צבירה סימטרית, ובפוסט לקהילה הבעיה של fanout ב-SQL יש הסבר על בעיית ה-fanout שהצבירה הסימטרית פותרת.

כברירת מחדל, צבירה סימטרית מופעלת בכל חקירה ב-Looker. כלומר, אם ניב ה-SQL שלכם תומך בצבירה סימטרית, אתם צריכים לכלול את הפרמטר symmetric_aggregates רק אם אתם רוצים להשבית את הפונקציונליות הזו ב-Explore.

דוגמאות

מפעילים את הצבירה הסימטרית ב-Explore של product:

explore: product {
  symmetric_aggregates: yes  # the default value, could be excluded
}

משביתים את הצבירה הסימטרית ב-Explore של customer:

explore: customer {
  symmetric_aggregates: no
}

מה כדאי לקחת בחשבון?

יצירת צירופים בזהירות כשהצבירה הסימטרית מושבתת

צבירה סימטרית מונעת החזרה של תוצאות שגויות בחישובים כשצירוף גורם ל-fanout. לכן, אם הניב שלכם לא תומך בצבירה סימטרית, או אם הגדרתם את symmetric_aggregates: no, אתם צריכים להיזהר כשאתם מבצעים צירופים ב-Looker.

כשהפרמטר symmetric_aggregates: no מוגדר (או כשניב מסד הנתונים לא תומך בצבירה סימטרית) וצירוף מוביל ל-fanout,‏ Looker מונע חישוב של מדדים מצטברים בנתוני fanout, חוץ ממדדים של type: count (ש-Looker ממיר ל-COUNT DISTINCT כשמפתח ראשי מוגדר בתצוגה):

  • בסביבת זמן הריצה שמוגדרת כברירת מחדל ב-LookML‏ (new_lookml_runtime: yes), אם מריצים שאילתה שכוללת מדדים מצטברים אחרים ב-fanout, ‏ Looker מחזיר את השגיאה Field '(?)' cannot be calculated in this query because the data has fanned out.
  • בזמן ריצה מדור קודם של LookML (new_lookml_runtime: no וכשהתכונה מדור קודם Use Legacy LookML Runtime מופעלת), Looker מסיר את המדדים המצטברים האלה מבחירת השדות של Explore ומתעלם מהם בשאילתה.

הבעיה הזו והדרכים לעקוף אותה מתוארות בפירוט בפוסט לקהילה The problem of SQL fanouts.

לא כל הדיאלקטים של מסדי הנתונים תומכים בסוגי המדדים "חציון" ו"אחוזון" עם צבירה סימטרית

כשהצבירה הסימטרית מופעלת, Looker ממירה באופן אוטומטי את סוגי המדדים percentile ו-median ל-percentile_distinct ול-median_distinct כשהצירוף כולל fanout. לא כל הדיאלקטים של מסדי הנתונים שתומכים בצבירה סימטרית תומכים בסוגי המדדים percentile_distinct ו-median_distinct. בדף התיעוד Measure types אפשר לבדוק אם הדיאלקט של מסד הנתונים תומך בסוגי המדדים האלה.

אם מופיעה שגיאה שדומה ל-SQL dialect doesn't support Symmetric Aggregates with percentiles, field ignored., סימן שהדיאלקט של מסד הנתונים לא תומך בסוגי המדדים percentile_distinct ו-median_distinct. כדי לעקוף את הבעיה, משנים את סוג המדד ל-type: number ואז מציינים את פונקציית הצבירה באמצעות sql: median(${dimension}). עם זאת, הפעולה הזו משביתה את הצבירה הסימטרית.

צבירה סימטרית ושגיאות Value Overflow

כשמנסים להוריד או להציג מרכזי בקרה, יכול להיות שתופיע שגיאה כמו A LookML model issue occurred. Non-unique value/primary key (or sql_distinct_key), value overflow or collision when computing sum.

כשצוברים מדד עם ערכים גדולים, חישובים ברקע לצבירה סימטרית עלולים לגרום לשגיאות של גלישת מספרים עשרוניים. שגיאות של גלישת מספרים עשרוניים נגרמות כש-Looker מנסה לבצע צבירה סימטרית (לדוגמה, type: sum) עם צירופים שמאליים של ערכים גדולים מאוד, שחורגים מ-14 ספרות (ערכים שגדולים מ-10,000,000,000,000).

כדי לפתור את הבעיה, אתם יכולים להשתמש בפרמטר precision ולהגדיר אותו לערך 5 או פחות. לדוגמה:

measure: average_value {
  type: average
  precision: 5
  sql: ${value} ;;
}

תמיכה בדיאלקטים לצבירה סימטרית

האפשרות להשתמש בצבירה סימטרית תלויה בדיאלקט של מסד הנתונים שבו משתמש החיבור שלכם ל-Looker. בגרסה האחרונה של Looker, הניבים הבאים תומכים במודעות לצבירת נתונים:

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