Utilizzo
view: my_view {
derived_table: {
increment_key: ["created_date"]
increment_offset: 1
...
}
}
|
Gerarchia
increment_offset- o - increment_offset |
Valore predefinito
0
Accetta
Un numero intero
Regole speciali
|
Definizione
Puoi creare PDT incrementali nel tuo progetto se il tuo dialetto li supporta. Una PDT incrementale è una tabella derivata persistente (PDT) che Looker crea aggiungendo nuovi dati alla tabella, anziché ricostruirla completamente. Per saperne di più, consulta la pagina della documentazione relativa alle PDT incrementali.
Il parametro increment_key specifica il periodo di tempo per il quale devono essere eseguite query sui nuovi dati e aggiunti alla tabella aggregata. Il parametro increment_offset è un parametro facoltativo che puoi utilizzare se vuoi ricostruire la tabella per i periodi di tempo precedenti contemporaneamente all'aggiunta di nuovi dati alla tabella. Il parametro increment_offset definisce il numero di periodi di tempo precedenti che verranno ricostruiti quando i dati vengono aggiunti a una PDT incrementale.
Il parametro increment_offset è utile in caso di dati in arrivo in ritardo, in cui i periodi di tempo precedenti potrebbero avere nuovi dati che non sono stati inclusi quando l'incremento corrispondente è stato originariamente creato e aggiunto alla PDT.
Il valore predefinito di increment_offset è 0, il che significa che alla tabella vengono aggiunti solo i nuovi dati dell'incremento corrente. Se imposti increment_offset su 1, i dati in arrivo in ritardo dell'incremento precedente verranno aggiunti alla tabella oltre ai nuovi dati dell'incremento di tempo corrente.
Per alcuni scenari di esempio che illustrano il funzionamento delle PDT incrementali e l'interazione di
increment_key,increment_offset, e della strategia di persistenza, consulta la pagina della documentazione relativa alle PDT incrementali.
Per un elenco dei dialetti che supportano le PDT incrementali, consulta la sezione Dialetti di database supportati per le PDT incrementali in questa pagina.
Esempio
Ad esempio, questa PDT viene ricostruita in incrementi di un giorno (increment_key: event_day), risalendo a tre giorni (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 {}
}
}
Dialetti di database supportati per le PDT incrementali
Affinché Looker supporti le PDT incrementali nel tuo progetto Looker, il dialetto del database deve supportare i comandi DDL (Data Definition Language) che consentono di eliminare e inserire righe.
La tabella seguente mostra i dialetti che supportano le PDT incrementali nell'ultima release di Looker:
| Dialetto | Supportata? |
|---|---|
| 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 |