PDTs incrementais

No Looker, as tabelas derivadas persistentes (PDTs) são gravadas no esquema de rascunho do seu banco de dados. O Looker mantém e recria uma PDT com base na estratégia de persistência. Quando uma TDP é acionada para recriação, por padrão, o Looker recria a tabela inteira.

Uma TDP incremental é uma TDP que o Looker cria adicionando dados novos à tabela, em vez de recriar a tabela inteira:

Se o dialeto for compatível com PDTs incrementais, você poderá transformar os seguintes tipos de PDTs em PDTs incrementais:

• Tabelas de agregação
• PDTs nativas baseadas em LookML
• PDTs baseadas em SQL

Na primeira vez que você executa uma consulta em uma TDP incremental, o Looker cria toda a TDP para receber os dados iniciais. Se a tabela for grande, a construção inicial pode levar um tempo considerável, como aconteceria com a construção de qualquer tabela grande. Depois que a tabela inicial é criada, os builds subsequentes são incrementais e levam menos tempo, se a TDP incremental for configurada de forma estratégica.

Observe o seguinte para PDTs incrementais:

• As TDPs incrementais são compatíveis apenas com TDPs que usam uma estratégia de persistência baseada em gatilho (datagroup_trigger, sql_trigger_value ou interval_trigger). Elas não são compatíveis com TDPs que usam a estratégia de persistência persist_for.
• Para PDTs baseados em SQL, a consulta da tabela deve ser definida usando osql parâmetro a ser usado como um PDT incremental. PDTs baseadas em SQL definidas com o parâmetro sql_create ou create_process não podem ser criadas de forma incremental. Como você pode ver no Exemplo 1 desta página, o Looker usa um comando INSERT ou MERGE para criar os incrementos de uma PDT incremental. A tabela derivada não pode ser definida usando instruções personalizadas de linguagem de definição de dados (DDL), porque o Looker não conseguiria determinar quais instruções DDL seriam necessárias para criar um incremento preciso.
• A tabela de origem do PDT incremental deve ser otimizada para consultas baseadas em tempo. Especificamente, a coluna baseada em tempo que é usada para a chave de incremento deve ter uma estratégia de otimização, como partitioning, sortkeys, indexes, ou qualquer estratégia de otimização suportada pelo seu dialeto. A otimização da tabela de origem é altamente recomendada, pois, a cada atualização da tabela incremental, o Looker consulta a tabela de origem para determinar os valores mais recentes da coluna temporal usada como chave de incremento. Se a tabela de origem não estiver otimizada para essas consultas, a consulta do Looker para os valores mais recentes poderá ser lenta e cara.

Como definir uma TDP incremental

É possível usar os seguintes parâmetros para transformar um PDT em um PDT incremental:

• increment_key (Necessário para tornar o PDT um PDT incremental): Define o período de tempo para o qual novos registros devem ser consultados.
• Filtro do {% incrementcondition %} Liquid (necessário para transformar uma TDP baseada em SQL em uma TDP incremental; não aplicável a TDPs baseadas em LookML): conecta a chave incremental à coluna de tempo do banco de dados em que ela se baseia. Consulte a página de documentação do increment_key para mais informações.
• increment_offset (opcional): um número inteiro que define a quantidade de períodos anteriores (na granularidade da chave de incremento) que são recriados para cada build incremental. O parâmetro increment_offset é útil no caso de dados que chegam atrasados, em que períodos anteriores podem ter novos dados que não foram incluídos quando o incremento correspondente foi originalmente criado e anexado à TDP.

Consulte a página de documentação do parâmetro increment_key para ver exemplos de como criar PDTs incrementais com base em tabelas derivadas nativas persistentes, tabelas derivadas persistentes baseadas em SQL e tabelas de agregação.

Confira um exemplo simples de um arquivo de visualização que define uma PDT incremental baseada em LookML:

view: flights_lookml_incremental_pdt {
  derived_table: {
    indexes: ["id"]
    increment_key: "departure_date"
    increment_offset: 3
    datagroup_trigger: flights_default_datagroup
    distribution_style: all
    explore_source: flights {
      column: id {}
      column: carrier {}
      column: departure_date {}
    }
  }

  dimension: id {
    type: number
  }
  dimension: carrier {
    type: string
  }
   dimension: departure_date {
    type: date
  }
}

Essa tabela será criada por completo na primeira vez que uma consulta for executada nela. Depois disso, o PDT será reconstruído em incrementos de um dia (increment_key: departure_date), voltando três dias (increment_offset: 3).

A chave de incremento é baseada na dimensão departure_date, que na verdade é o date timeframe do grupo de dimensões departure. Consulte a página de documentação do parâmetro dimension_group para uma visão geral de como os grupos de dimensões funcionam. O grupo de dimensões e o período são definidos na visualização flights, que é o explore_source para essa PDT. Veja como o grupo de dimensões departure é definido no arquivo de visualização flights:

...
  dimension_group: departure {
    type: time
    timeframes: [
      raw,
      date,
      week,
      month,
      year
    ]
    sql: ${TABLE}.dep_time ;;
  }
...

Interação de parâmetros de incremento e estratégia de persistência

As configurações increment_key e increment_offset de um PDT são independentes da estratégia de persistência do PDT:

• A estratégia de persistência do PDT incremental determina apenas quando o PDT é incrementado. O criador de PDTs não modifica a PDT incremental, a menos que a estratégia de persistência da tabela seja acionada ou que a PDT seja acionada manualmente com a opção Recriar tabelas derivadas e executar em uma análise.
• Quando o PDT for incrementado, o construtor do PDT determinará quando os dados mais recentes foram adicionados à tabela, em termos do incremento de tempo mais atual (o período de tempo definido pelo parâmetro increment_key). Com base nisso, o construtor PDT truncará os dados até o início do incremento de tempo mais recente na tabela e, em seguida, construirá o incremento mais recente a partir desse ponto.
• Se a PDT tiver um parâmetro increment_offset, o criador de PDT também vai recriar o número de períodos anteriores especificados no parâmetro increment_offset. Os períodos anteriores começam no início do incremento de tempo mais atual (o período definido pelo parâmetro increment_key).

Os seguintes cenários de exemplo ilustram como os PDTs incrementais são atualizados, mostrando a interação de increment_key, increment_offset e a estratégia de persistência.

Exemplo 1

Este exemplo usa uma PDT com estas propriedades:

• Aumentar chave: data
• Aumentar deslocamento: 3
• Estratégia de persistência: acionada uma vez por mês no primeiro dia do mês

Veja como essa tabela será atualizada:

• Uma estratégia de persistência mensal significa que a tabela é criada automaticamente uma vez por mês. Isso significa que, em 1º de junho, por exemplo, a última linha da tabela terá sido adicionada em 1º de maio.
• Como essa PDT tem uma chave incremental baseada na data, o criador de PDT vai truncar 1º de maio até o início do dia e reconstruir os dados de 1º de maio até o dia atual, 1º de junho.
• Além disso, essa TDP tem um incremento de 3. Assim, o criador de PDT também recria os dados dos três períodos anteriores (dias) a 1º de maio. Como resultado, os dados são recriados para os dias 28, 29 e 30 de abril e até o dia 1º de junho.

Em termos de SQL, este é o comando que o construtor de PDT executará em 1º de junho para determinar as linhas do PDT existente que devem ser reconstruídas:

## Example SQL for BigQuery:
SELECT FORMAT_TIMESTAMP('%F %T',TIMESTAMP_ADD(MAX(pdt_name),INTERVAL -3 DAY))

## Example SQL for other dialects:
SELECT CAST(DATE_ADD(MAX(pdt_name),INTERVAL -3 DAY) AS CHAR)

E aqui está o comando SQL que o construtor PDT executará em 1º de junho para construir o incremento mais recente:

## Example SQL for BigQuery:

MERGE INTO [pdt_name] USING (SELECT [columns]
   WHERE created_at >= TIMESTAMP('4/28/21 12:00:00 AM'))
   AS tmp_name ON FALSE
WHEN NOT MATCHED BY SOURCE AND created_date >= TIMESTAMP('4/28/21 12:00:00 AM')
   THEN DELETE
WHEN NOT MATCHED THEN INSERT [columns]

## Example SQL for other dialects:

START TRANSACTION;
DELETE FROM [pdt_name]
   WHERE created_date >= TIMESTAMP('4/28/21 12:00:00 AM');
INSERT INTO [pdt_name]
   SELECT [columns]
   FROM [source_table]
   WHERE created_at >= TIMESTAMP('4/28/21 12:00:00 AM');
COMMIT;

Exemplo 2

Este exemplo usa uma PDT com estas propriedades:

• Estratégia de persistência: acionada uma vez por dia
• Chave de incremento: mês
• Aumentar deslocamento: 0

Eis como esta tabela será atualizada em 1º de junho:

• A estratégia de persistência diária significa que a tabela é criada automaticamente uma vez por dia. No dia 1º de junho, a última linha da tabela terá sido adicionada em 31 de maio.
• Como a chave de incremento é baseada no mês, o criador de PDT vai truncar de 31 de maio até o início do mês e reconstruir os dados de todo o mês de maio e até o dia atual, incluindo 1º de junho.
• Como essa TDP não tem um incremento de ajuste, nenhum período anterior é recriado.

Veja como essa tabela será atualizada em 2 de junho:

• Em 2 de junho, a última linha da tabela terá sido adicionada em 1º de junho.
• Como o construtor PDT irá truncar os dados até o início do mês de junho e, em seguida, reconstruir os dados a partir de 1º de junho até o dia atual, os dados são reconstruídos apenas para 1º e 2 de junho.
• Como essa TDP não tem um incremento de ajuste, nenhum período anterior é recriado.

Exemplo 3

Este exemplo usa uma PDT com estas propriedades:

• Chave de incremento: mês
• Aumentar deslocamento: 3
• Estratégia de persistência: acionada uma vez por dia

Esse cenário ilustra uma configuração inadequada para uma TDP incremental, já que é uma TDP de acionamento diário com um ajuste de três meses. Isso significa que pelo menos três meses de dados serão recriados todos os dias, o que seria um uso muito ineficiente de uma TDP incremental. No entanto, é um cenário interessante para examinar como uma forma de entender como as PDTs incrementais funcionam.

Veja como essa tabela será atualizada em 1º de junho:

• A estratégia de persistência diária significa que a tabela é criada automaticamente uma vez por dia. Por exemplo, em 1º de junho, a última linha da tabela terá sido adicionada em 31 de maio.
• Como a chave de incremento é baseada no mês, o criador de PDT vai truncar de 31 de maio até o início do mês e reconstruir os dados de todo o mês de maio e até o dia atual, incluindo 1º de junho.
• Além disso, essa TDP tem um incremento de 3. Isso significa que o criador de PDT também recria os dados dos três períodos anteriores (meses) antes de maio. O resultado é que os dados são recriados de fevereiro, março, abril e até o dia atual, 1º de junho.

Veja como essa tabela será atualizada em 2 de junho:

• Em 2 de junho, a última linha da tabela terá sido adicionada em 1º de junho.
• O criador de PDT vai truncar o mês até 1º de junho e reconstruir os dados de junho, incluindo o dia 2.
• Além disso, devido ao deslocamento de incremento, o construtor PDT reconstruirá os dados dos três meses anteriores a junho. O resultado é que os dados são reconstruídos a partir de março, abril, maio e até o dia atual, 2 de junho.

Como testar uma TDP incremental no modo de desenvolvimento

Antes de implantar uma nova TDP incremental no ambiente de produção, teste-a para garantir que ela seja criada e incrementada. Para testar uma TDP incremental no modo de desenvolvimento:

1. Crie uma análise detalhada para a TDP:

   • Em um arquivo de modelo associado, use o parâmetro include para incluir o arquivo de visualização da PDT no arquivo de modelo.
   • No mesmo arquivo de modelo, use o parâmetro explore para criar uma Análise da visualização do PDT incremental.

    include: "/views/e_faa_pdt.view"
    explore: e_faa_pdt {}
   

2. Abra a análise detalhada da PDT. Para fazer isso, selecione o botão Ver ações do arquivo e escolha um nome de Análise.

Dica: depois de incluir a visualização no arquivo modelo e criar uma Análise, você pode navegar diretamente para ela no arquivo de visualização ou de modelo do projeto do LookML. Para fazer isso, selecione o menu Ver ações do arquivo ⏷ na parte de cima do arquivo LookML.

1. Na análise detalhada, selecione algumas dimensões ou métricas e clique em Executar. Em seguida, o Looker construirá toda a PDT. Se esta for a primeira consulta executada na TDP incremental, o criador de TDP vai criar a TDP inteira para receber os dados iniciais. Se a tabela for grande, a construção inicial pode levar um tempo considerável, como aconteceria com a construção de qualquer tabela grande.

2. É possível verificar se a PDT inicial foi criada das seguintes maneiras:

   • Se você tiver a permissão see_logs, poderá verificar se a tabela foi criada consultando o registro de eventos da PDT. Se você não visualizar os eventos de criação do PDT no Log de Eventos do PDT, verifique as informações de status na parte superior da janela Explorar do Log de Eventos do PDT. Se aparecer "do cache", selecione Limpar cache e atualizar para receber informações mais recentes.
   • Caso contrário, consulte os comentários na guia SQL da barra Dados da Análise. A guia SQL mostra a consulta e as ações que serão executadas quando você executar a consulta no Explorar. Por exemplo, se os comentários na guia SQL disserem -- generate derived table e_incremental_pdt,essa será a ação realizada quando você clicar em Executar.

3. Depois de criar o build inicial da TDP, solicite um build incremental usando a opção Recriar e executar tabelas derivadas na análise detalhada.

4. Você pode usar os mesmos métodos de antes para verificar se a TDP é criada de forma incremental:

   • Se você tiver a permissão see_logs, poderá usar o registro de eventos de PDT para conferir os eventos create increment complete do PDT incremental. Se você não encontrar esse evento no registro de eventos do PDT e o status da consulta mostrar "do cache", selecione Limpar cache e atualizar para receber informações mais recentes.
   • Confira os comentários na guia SQL da barra Dados da Análise. Nesse caso, os comentários vão indicar que o PDT foi incrementado. Por exemplo: -- increment persistent derived table e_incremental_pdt to generation 2

5. Depois de verificar se a PDT está sendo criada e incrementada corretamente, se você não quiser manter a análise detalhada dedicada a ela, remova ou comente os parâmetros explore e include da PDT no arquivo de modelo.

Depois que a TDP é criada no Modo de Desenvolvimento, a mesma tabela é usada para produção quando você implanta as mudanças, a menos que faça outras alterações na definição da tabela. Consulte a seção Tabelas persistentes no modo de desenvolvimento da página de documentação Tabelas derivadas no Looker para mais informações.

Solução de problemas de TDPs incrementais

Nesta seção, descrevemos alguns problemas comuns que você pode encontrar ao usar PDTs incrementais, além de etapas para resolver esses problemas.

A PDT incremental não é criada após uma mudança de esquema

Se a TDP incremental for uma tabela derivada com base em SQL e o parâmetro sql incluir um caractere curinga, como SELECT *, as mudanças no esquema do banco de dados subjacente (como adição, remoção ou alteração do tipo de dados de uma coluna) poderão fazer com que a TDP falhe com o seguinte erro:

SQL Error in incremental PDT: Query execution failed

Para resolver esse problema, edite a instrução SELECT no parâmetro sql para selecionar colunas individuais. Por exemplo, se sua cláusula select for SELECT *, altere-a para SELECT column1, column2, ....

Se o esquema mudar e você quiser recriar a PDT incremental do zero, use a chamada de API start_pdt_build e inclua o parâmetro full_force_incremental.

Dialetos de banco de dados compatíveis com PDTs incrementais

Para que o Looker ofereça suporte a PDTs incrementais no seu projeto, o dialeto do banco de dados precisa ser compatível com comandos da linguagem de definição de dados (DDL) que permitem excluir e inserir linhas.

A tabela a seguir mostra quais dialetos são compatíveis com PDTs incrementais na versão mais recente do Looker. Para o Databricks, as PDTs incrementais são compatíveis apenas com a versão 12.1 e mais recentes.

Dialeto	Compatível?
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