You are viewing documentation for Looker 26.18. Click this link to see the most recent documentation.

Google 会使用 AI 技术将内容翻译成您偏好的语言。AI 翻译可能包含错误。

测量类型

此页面指的是属于指标的 type 参数。

type 还可以用作维度、过滤条件和参数类型文档页面中所述的维度或过滤条件的一部分。

type 也可以用作维度组的一部分，如 dimension_group 参数文档页面中所述。

用法

view: view_name {
  measure: field_name {
    type: measure_field_type
  }
}

层次结构

查看文件

view

字段类型

type

可能的字段类型

测量

接受

测量类型

本页面详细介绍了可为测量分配的各种类型。一个指标只能有一个类型，如果未指定类型，则默认为 string。

某些测量类型具有支持参数，这些参数在相应部分中进行了说明。

衡量类型类别

每种衡量类型都属于以下类别之一。这些类别决定了测量类型是否执行聚合、测量类型可以引用的字段类型，以及您是否可以使用 filters 参数过滤测量类型：

汇总度量：汇总度量类型会执行汇总，例如 sum 和 average。聚合测量只能引用维度，不能引用其他测量。这是唯一适用于 filters 参数的测量类型。
非汇总测量值：顾名思义，非汇总测量值是指不执行汇总的测量值类型，例如 number 和 yesno。这些测量值类型会执行基本转换，并且由于它们不执行汇总，因此只能引用汇总测量值或之前汇总的维度。您无法将 filters 参数与这些衡量类型搭配使用。
SQL 后度量：SQL 后度量是一种特殊的度量类型，可在 Looker 生成查询 SQL 后执行特定计算。它们只能引用数值测量或数值维度。您不能将 filters 参数与这些测量类型搭配使用。

类型定义列表

类型	类别	说明
`average`	汇总	生成列中值的平均值
`average_distinct`	汇总	使用非规范化数据时，可正确生成值的平均值。如需查看完整说明，请参阅 `average_distinct` 部分。
`count`	汇总	生成行数
`count_distinct`	汇总	生成列中唯一值的计数
`date`	非汇总	对于包含日期的测量
`list`	汇总	生成列中唯一值的列表
`max`	汇总	生成列中的最大值
`median`	汇总	生成列中值的中间值
`median_distinct`	汇总	当联接导致扇出时，正确生成值的中间值。如需查看完整说明，请参阅 `median_distinct` 部分。
`min`	汇总	生成列中的最小值
`number`	非汇总	对于包含数字的指标
`percent_of_previous`	后 SQL	生成所显示行之间的百分比差异
`percent_of_total`	Post-SQL	为显示的每行生成占总数的百分比
`percentile`	汇总	生成列中指定百分位的值
`percentile_distinct`	汇总	当联接导致扇出时，在指定百分位数处正确生成值。如需查看完整说明，请参阅 `percentile_distinct` 部分。
`running_total`	Post-SQL	为每个显示的行生成累计总计
`period_over_period`	汇总	引用了较早时间段的汇总
`string`	非汇总	对于包含字母或特殊字符的测量（例如 MySQL 的 `GROUP_CONCAT` 函数）
`sum`	汇总	生成一列中值的总和
`sum_distinct`	汇总	在使用非规范化数据时，正确生成值总和。如需查看完整说明，请参阅 `sum_distinct` 部分。
`yesno`	非汇总	对于用于显示某项内容是否属实的字段
`int`	非汇总	已移除 5.4 替换为 `type: number`

`average`

type: average 会计算给定字段中值的平均值。它类似于 SQL 的 AVG 函数。不过，与原始 SQL 不同，即使查询的联接包含扇出，Looker 也会正确计算平均值。

type: average 测量值的 sql 参数可以采用任何有效的 SQL 表达式，这些表达式会生成数字表列、LookML 维度或 LookML 维度的组合。

type: average 字段可以使用 value_format 或 value_format_name 参数进行格式设置。

例如，以下 LookML 通过对 sales_price 维度求平均值来创建名为 avg_order 的字段，然后以货币格式 ($1,234.56) 显示该字段：

measure: avg_order {
  type: average
  sql: ${sales_price} ;;
  value_format_name: usd
}

`average_distinct`

type: average_distinct 适用于非规范化数据集。它会根据 sql_distinct_key 参数定义的唯一值，计算指定字段中非重复值的平均值。

这是一个高级概念，通过示例可以更清楚地说明。假设有一个非规范化表，如下所示：

订单项 ID	订单 ID	订单配送
1	1	10.00
2	1	10.00
3	2	20.00
4	2	20.00
5	2	20.00

在这种情况下，您可以看到每个订单有多行。因此，如果您为 order_shipping 列添加了基本 type: average 测量，则会得到 16.00 的值，即使实际平均值为 15.00。

 # Will NOT calculate the correct average
measure: avg_shipping {
  type: average
  sql: ${order_shipping} ;;
}

为了获得准确的结果，您可以使用 sql_distinct_key 参数为 Looker 定义应如何识别每个唯一实体（在本例中，即每个唯一订单）。这将计算出正确的金额 15.00：

 # Will calculate the correct average
measure: avg_shipping {
  type: average_distinct
  sql_distinct_key: ${order_id} ;;
  sql: ${order_shipping} ;;
}

sql_distinct_key 的每个唯一值在 sql 中都必须只有一个对应的值。换句话说，上述示例之所以有效，是因为 order_id 为 1 的每一行都具有相同的 order_shipping (10.00)，而 order_id 为 2 的每一行都具有相同的 order_shipping (20.00)。

可以使用 value_format 或 value_format_name 参数设置 type: average_distinct 字段的格式。

`count`

type: count 执行表计数，类似于 SQL 的 COUNT 函数。不过，与原始 SQL 不同，即使查询的联接包含扇出，Looker 也会正确计算计数。

type: count 测量会根据表的主键执行表计数，因此 type: count 测量不支持 sql 参数。

如果您想对表的主键以外的字段执行表计数，请使用 type: count_distinct 测量。或者，如果您不想使用 count_distinct，可以使用 type: number 指标（如需了解详情，请参阅社区帖子如何统计非主键）。

例如，以下 LookML 会创建一个字段 number_of_products：

view: products {
  measure: number_of_products {
    type: count
    drill_fields: [product_details*]  # optional
  }
}

定义 type: count 度量时，通常会提供 drill_fields（针对字段）参数，以便用户在点击该度量时能够看到构成相应计数的各个记录。

在“探索”中使用 type: count 的测量时，可视化图表会使用视图名称（而非“计数”一词）来标记生成的值。为避免混淆，我们建议您将视图名称设为复数形式，在可视化图表设置中的系列下选择显示完整字段名称，或使用 view_label 并将视图名称设为复数形式。

您可以使用 filters 参数为 type: count 的衡量指标添加过滤条件。

`count_distinct`

type: count_distinct 用于计算给定字段中不同值的数量。它使用 SQL 的 COUNT DISTINCT 函数。

type: count_distinct 测量值的 sql 参数可以采用任何有效的 SQL 表达式，这些表达式会生成表列、LookML 维度或 LookML 维度的组合。

例如，以下 LookML 会创建一个字段 number_of_unique_customers，用于统计唯一客户 ID 的数量：

measure: number_of_unique_customers {
  type: count_distinct
  sql: ${customer_id} ;;
}

您可以使用 filters 参数向 type: count_distinct 的测量添加过滤条件。

`date`

type: date 用于包含日期的字段。

type: date 指标的 sql 参数可以采用任何有效的 SQL 表达式，只要该表达式的结果为日期即可。在实践中，此类型很少使用，因为大多数 SQL 聚合函数不返回日期。一个常见的例外情况是日期维度的 MIN 或 MAX。

使用 `type: date` 创建最大或最小日期度量

如果您想创建最大日期或最小日期的度量，最初可能会认为使用 type: max 或 type: min 的度量即可。不过，这些测量类型仅与数值字段兼容。您可以改为定义 type: date 类型的测量，并将 sql 参数中引用的日期字段封装在 MIN() 或 MAX() 函数中，从而捕获最大或最小日期。

假设您有一个 type: time 的维度组，名为 updated：

dimension_group: updated {
  type: time
  timeframes: [time, date, week, month, raw]
  sql: ${TABLE}.updated_at ;;
}

您可以创建一个 type: date 类型的测量，以捕获此维度组的最大日期，如下所示：

measure: last_updated_date {
  type: date
  sql: MAX(${updated_raw}) ;;
  convert_tz: no
}

在此示例中，我们没有使用 type: max 度量来创建 last_updated_date 度量，而是在 sql 参数中应用了 MAX() 函数。last_updated_date 测量还具有设置为 no 的 convert_tz 参数，以防止在测量中进行双时区转换，因为时区转换已在维度组 updated 的定义中发生。如需了解详情，请参阅有关 convert_tz 参数的文档。

在 last_updated_date 度量的 LookML 示例中，可以省略 type: date，该值将被视为字符串，因为 string 是 type 的默认值。不过，如果您使用 type: date，则可以获得更好的用户过滤功能。

您可能还会注意到，last_updated_date 度量定义引用的是 ${updated_raw} 时段，而不是 ${updated_date} 时段。由于 ${updated_date} 返回的值是字符串，因此有必要使用 ${updated_raw} 来引用实际的日期值。

您还可以将 datatype 参数与 type: date 搭配使用，通过指定数据库表使用的日期数据类型来提升查询性能。

为日期时间列创建最大值或最小值度量

计算 type: datetime 列的最大值略有不同。在这种情况下，您需要创建一个不声明类型的度量，如下所示：

measure: last_updated_datetime {
  sql: MAX(${TABLE}.datetime_string_field) ;;
}

`list`

type: list 会创建给定字段中不同值的列表。它与 MySQL 的 GROUP_CONCAT 函数类似。

您无需为 type: list 测量添加 sql 参数。您可以改用 list_field 参数指定要从中创建列表的维度。

用法如下：

view: view_name {
  measure: field_name {
    type: list
    list_field: my_field_name
  }
}

例如，以下 LookML 会根据 name 维度创建测量 name_list：

measure: name_list {
  type: list
  list_field: name
}

请注意 list 的以下事项：

list 测量类型不支持过滤。您无法对 type: list 指标使用 filters 参数。
无法使用替换运算符 ($) 引用 list 测量类型。您无法使用 ${} 语法引用 type: list 测量。

`list` 支持的数据库方言

为了让 Looker 在 Looker 项目中支持 type: list，您的数据库方言也必须支持它。下表显示了 Looker 最新版本中哪些方言支持 type: list：

方言	是否支持？
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

`max`

type: max 用于查找给定字段中的最大值。通过 SQL 的 MAX 函数来实现。

对于 type: max 的度量，sql 参数可以采用任何有效的 SQL 表达式，该表达式会生成一个数值表列、LookML 维度或 LookML 维度的组合。

由于 type: max 的度量只能与数值字段兼容，因此您无法使用 type: max 的度量来查找最大日期。您可以改为在 type: date 的测量 sql 参数中使用 MAX() 函数来捕获最大日期，如前面date部分中的示例所示。

type: max 字段可以使用 value_format 或 value_format_name 参数进行格式化。

例如，以下 LookML 通过查看 sales_price 维度来创建名为 largest_order 的字段，然后以货币格式 ($1,234.56) 显示该字段：

measure: largest_order {
  type: max
  sql: ${sales_price} ;;
  value_format_name: usd
}

您无法对字符串或日期使用 type: max 指标，但可以手动添加 MAX 函数来创建此类字段，如下所示：

measure: latest_name_in_alphabet {
  type: string
  sql: MAX(${name}) ;;
}

`median`

type: median 会返回指定字段中各值的中点值。如果数据中包含一些非常大或非常小的离群值，这些值会使数据的基本平均值（平均数）出现偏差，那么这种方法就特别有用。

假设有如下表格：

订单项 ID	费用	中点？
2	10.00
4	10.00
3	20.00	中间点值
1	80.00
5	90.00

该表格按费用排序，但这不会影响结果。虽然 average 类型会返回 42（将所有值相加并除以 5），但 median 类型会返回中点值：20.00。

如果值的数量为偶数，则中位数值通过计算最接近中点的两个值的平均值来得出。假设有一个包含偶数行的表，如下所示：

订单项 ID	费用	中点？
2	10
3	20	中点之前最接近的时间
1	80	中点之后最接近中点的位置
4	90

中位数（即中间值）为 (20 + 80)/2 = 50。

中位数也等于第 50 百分位的值。

type: median 衡量指标的 sql 参数可以采用任何有效的 SQL 表达式，该表达式会生成数值表列、LookML 维度或 LookML 维度的组合。

type: median 字段可以使用 value_format 或 value_format_name 参数进行格式设置。

示例

例如，以下 LookML 通过对 sales_price 维度求平均值来创建名为 median_order 的字段，然后以货币格式 ($1,234.56) 显示该字段：

measure: median_order {
  type: median
  sql: ${sales_price} ;;
  value_format_name: usd
}

`median`的注意事项

如果您将 median 用于涉及扇出的字段，Looker 会尝试改用 median_distinct。不过，medium_distinct 仅支持某些方言。如果您的方言不支持 median_distinct，Looker 会返回错误。由于 median 可被视为第 50 百分位数，因此该错误状态表明方言不支持不同的百分位数。

`median` 支持的数据库方言

为了让 Looker 项目支持 median 类型，您的数据库方言也必须支持该类型。下表显示了在最新版 Looker 中，哪些方言支持 median 类型：

方言	是否支持？
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

当查询中涉及扇出时，Looker 会尝试将 median 转换为 median_distinct。只有在支持 median_distinct 的方言中，此操作才会成功。

`median_distinct`

当联接涉及扇出时，请使用 type: median_distinct。它会根据 sql_distinct_key 参数定义的唯一值，计算指定字段中非重复值的平均值。如果测量没有 sql_distinct_key 参数，Looker 会尝试使用 primary_key 字段。

请考虑联接 Order Item 表和 Order 表的查询结果：

订单项 ID	订单 ID	订单配送
1	1	10
2	1	10
3	2	20
4	3	50
5	3	50
6	3	50

在这种情况下，您可以看到每个订单都有多行。此查询涉及扇出，因为每个订单都映射到多个订单项。median_distinct 会将此情况纳入考虑范围，并找到不同值 10、20 和 50 之间的中位数，因此您会得到值 20。

为了获得准确的结果，您可以使用 sql_distinct_key 参数为 Looker 定义应如何识别每个唯一实体（在本例中为每个唯一订单）。这样即可计算出正确的金额：

measure: median_shipping {
  type: median_distinct
  sql_distinct_key: ${order_id} ;;
  sql: ${order_shipping} ;;
}

sql_distinct_key 的每个唯一值都必须在指标的 sql 参数中有一个对应的值。换句话说，上述示例之所以有效，是因为 order_id 为 1 的每一行都具有相同的 order_shipping (10)，而 order_id 为 2 的每一行都具有相同的 order_shipping (20)。

可以使用 value_format 或 value_format_name 参数设置 type: median_distinct 字段的格式。

`median_distinct` 的注意事项

medium_distinct 测量类型仅支持某些方言。如果 median_distinct 不适用于该方言，Looker 会返回错误。由于 median 可被视为第 50 百分位数，因此该错误状态表明方言不支持不同的百分位数。

`median_distinct` 支持的数据库方言

为了让 Looker 项目支持 median_distinct 类型，您的数据库方言也必须支持该类型。下表显示了在最新版 Looker 中，哪些方言支持 median_distinct 类型：

方言	是否支持？
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

`min`

type: min 用于查找给定字段中的最小值。它使用 SQL 的 MIN 函数。

type: min 测量值的 sql 参数可以采用任何有效的 SQL 表达式，这些表达式会生成数字表列、LookML 维度或 LookML 维度的组合。

由于 type: min 的测量仅与数值字段兼容，因此您无法使用 type: min 的测量来查找最小日期。不过，您可以在 type: date 度量的 sql 参数中使用 MIN() 函数来捕获最小值，就像您可以使用 MAX() 函数搭配 type: date 度量来捕获最大日期一样。本页面前面的 date 部分对此进行了说明，其中包含在 sql 参数中使用 MAX() 函数查找最大日期的示例。

可以使用 value_format 或 value_format_name 参数设置 type: min 字段的格式。

例如，以下 LookML 通过查看 sales_price 维度来创建名为 smallest_order 的字段，然后以货币格式 ($1,234.56) 显示该字段：

measure: smallest_order {
  type: min
  sql: ${sales_price} ;;
  value_format_name: usd
}

您无法对字符串或日期使用 type: min 指标，但可以手动添加 MIN 函数来创建此类字段，如下所示：

measure: earliest_name_in_alphabet {
  type: string
  sql: MIN(${name}) ;;
}

`number`

type: number 用于数字或整数。type: number 的测量不会执行任何聚合，而是对其他测量执行基本转换。如果您要定义基于其他测量值的测量值，则新测量值必须为 type: number，以避免嵌套聚合错误。

type: number 测量值的 sql 参数可以采用任何有效的 SQL 表达式，从而生成数字或整数。

type: number 字段可以使用 value_format 或 value_format_name 参数进行格式设置。

例如，以下 LookML 会根据 total_sale_price 和 total_gross_margin 汇总测量创建名为 total_gross_margin_percentage 的测量，然后以百分比格式显示，保留两位小数 (12.34%)：

measure: total_sale_price {
  type: sum
  value_format_name: usd
  sql: ${sale_price} ;;
}

measure: total_gross_margin {
  type: sum
  value_format_name: usd
  sql: ${gross_margin} ;;
}

measure: total_gross_margin_percentage {
  type: number
  value_format_name: percent_2
  sql: ${total_gross_margin}/ NULLIF(${total_sale_price},0) ;;
}

此示例还使用 NULLIF() SQL 函数来避免出现除以零错误。

`type: number`的注意事项

使用 type: number 指标时，请注意以下几点重要事项：

type: number 的衡量指标只能对其他衡量指标执行算术运算，而不能对其他维度执行算术运算。
在跨联接计算时，Looker 对称聚合不会保护测量 type: number 的 SQL 中的聚合函数。
filters 参数不能与 type: number 测量搭配使用，但 filters 文档中介绍了解决方法。
type: number 措施不会向用户提供建议。

`percent_of_previous`

type: percent_of_previous 用于计算某个单元格与其所在列中前一个单元格之间的百分比差异。

type: percent_of_previous 测量的 sql 参数必须引用另一个数字测量。

可以使用 value_format 或 value_format_name 参数设置 type: percent_of_previous 字段的格式。不过，value_format_name 参数的百分比格式不适用于 type: percent_of_previous 指标。这些百分比格式会将值乘以 100，这会使“占上一项的百分比”计算结果出现偏差。

以下 LookML 示例创建了一个基于 count 测量值的 count_growth 测量值：

measure: count_growth {
  type: percent_of_previous
  sql: ${count} ;;
}

请注意，percent_of_previous 值取决于排列顺序。如果您更改了排序方式，则必须重新运行查询，以重新计算 percent_of_previous 值。如果查询经过透视，percent_of_previous 会跨行运行，而不是沿列运行。您无法更改此行为。

此外，percent_of_previous 测量是在从数据库返回数据之后计算的。这意味着，您不应在一个衡量指标中引用另一个衡量指标；由于它们可能在不同时间计算，因此您可能无法获得准确的结果。percent_of_previous这也意味着，无法对 percent_of_previous 测量字段进行过滤。

此类指标的一个应用是同比 (PoP) 分析，这是一种分析模式，用于衡量当前的情况，并将其与过去可比较时间段内的相同衡量结果进行比较。如需详细了解 PoP，请参阅 Looker 社区文章如何进行周期分析和 Looker 中的周期分析 (PoP) 方法。

`percent_of_total`

type: percent_of_total 计算单元格在列总计中所占的比例。该百分比是根据查询返回的行总数计算的，而非所有可能的行总数。不过，如果查询返回的数据超过行数限制，该字段的值将显示为 null，因为系统需要完整的结果才能计算出占总数的百分比。

type: percent_of_total 测量的 sql 参数必须引用另一个数字测量。

可以使用 value_format 或 value_format_name 参数设置 type: percent_of_total 字段的格式。不过，value_format_name 参数的百分比格式不适用于 type: percent_of_total 测量。这些百分比格式会将值乘以 100，这会使 percent_of_total 计算结果出现偏差。

以下 LookML 示例创建了一个基于 total_gross_margin 测量值的 percent_of_total_gross_margin 测量值：

measure: percent_of_total_gross_margin {
  type: percent_of_total
  sql: ${total_gross_margin} ;;
}

如果查询经过透视，percent_of_total 会跨行运行，而不是沿列运行。如果这不是您想要的结果，请将 direction: "column" 添加到测量定义中。

此外，percent_of_total 测量是在从数据库返回数据之后计算的。这意味着，您不应在一个衡量指标中引用另一个衡量指标；由于它们可能在不同时间计算，因此您可能无法获得准确的结果。percent_of_total这也意味着，无法对 percent_of_total 指标进行过滤。

`percentile`

type: percentile 会返回给定字段中指定百分位的值。例如，指定第 75 百分位数将返回大于数据集中 75% 其他值的值。

为了确定要返回的值，Looker 会计算数据值的总数，并将指定的百分位数乘以数据值的总数。无论数据实际如何排序，Looker 都会按值递增的顺序确定数据值的相对顺序。Looker 返回的数据值取决于计算结果是否为整数，如以下两部分所述。

如果计算出的值不是整数

Looker 会将计算出的值向上舍入，并使用该值来确定要返回的数据值。在此示例中，19 个测试分数中的第 75 百分位将通过 19 * .75 = 14.25 来确定，这意味着 75% 的值位于前 14 个数据值中，即第 15 个位置之前。因此，Looker 会返回第 15 个数据值 (87)，该值大于 75% 的数据值。

如果计算出的值为整数

在这种稍复杂的情况下，Looker 会返回该位置的数据值和后续数据值的平均值。为了理解这一点，我们以一组包含 20 个测试分数的示例进行说明：第 75 百分位数为 20 * 0.75 = 15，这意味着第 15 位的数据值属于第 75 百分位数，我们需要返回一个高于 75% 的数据值。通过返回第 15 位 (82) 和第 16 位 (87) 的值的平均值，Looker 可确保 75% 的值低于或等于该值。该平均值 (84.5) 不存在于数据值集中，但会大于 75% 的数据值。

必需参数和可选参数

使用 percentile: 关键字指定分数值，即应低于返回值的百分比数据。例如，使用 percentile: 75 可指定数据顺序中第 75 百分位的值，使用 percentile: 10 可返回第 10 百分位的值。如果您想查找第 50 百分位的值，可以指定 percentile: 50，也可以只使用中位数类型。

type: percentile 测量值的 sql 参数可以采用任何有效的 SQL 表达式，这些表达式会生成数字表列、LookML 维度或 LookML 维度的组合。

type: percentile 字段可以使用 value_format 或 value_format_name 参数进行格式设置。

示例

例如，以下 LookML 会创建一个名为 test_scores_75th_percentile 的字段，该字段会返回 test_scores 维度中第 75 百分位的值：

measure: test_scores_75th_percentile {
  type: percentile
  percentile: 75
  sql: ${TABLE}.test_scores ;;
}

`percentile` 的注意事项

如果您对涉及扇出的字段使用 percentile，Looker 会尝试改用 percentile_distinct。如果方言不支持 percentile_distinct，Looker 会返回错误。如需了解详情，请参阅percentile_distinct 支持的方言。

`percentile` 支持的数据库方言

为了让 Looker 项目支持 percentile 类型，您的数据库方言也必须支持该类型。下表显示了在最新版 Looker 中，哪些方言支持 percentile 类型：

方言	是否支持？
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

`percentile_distinct`

type: percentile_distinct 是百分位数的一种特殊形式，应在联接涉及扇出时使用。它会根据 sql_distinct_key 参数定义的唯一值，使用指定字段中的非重复值。如果测量没有 sql_distinct_key 参数，Looker 会尝试使用 primary_key 字段。

请考虑联接 Order Item 表和 Order 表的查询结果：

订单项 ID	订单 ID	订单配送
1	1	10
2	1	10
3	2	20
4	3	50
5	3	50
6	3	50
7	4	70
8	4	70
9	5	110
10	5	110

在这种情况下，您可以看到每个订单有多行。此查询涉及扇出，因为每个订单都映射到多个订单项。percentile_distinct 会考虑到这一点，并使用不同的值 10、20、50、70 和 110 查找百分位值。第 25 百分位将返回第二个不同的值（即 20），而第 80 百分位将返回第四个和第五个不同的值的平均值（即 90）。

必需参数和可选参数

使用 percentile: 关键字指定小数值。例如，使用 percentile: 75 可指定按数据顺序排列的第 75 百分位数值，使用 percentile: 10 可返回第 10 百分位数值。如果您要查找第 50 百分位的值，可以改用 median_distinct 类型。

为获得准确的结果，请使用 sql_distinct_key 参数指定 Looker 应如何识别每个唯一实体（在本例中，即每个唯一订单）。

以下示例展示了如何使用 percentile_distinct 返回第 90 百分位的值：

measure: order_shipping_90th_percentile {
  type: percentile_distinct
  percentile: 90
  sql_distinct_key: ${order_id} ;;
  sql: ${order_shipping} ;;
}

sql_distinct_key 的每个唯一值都必须在指标的 sql 参数中有一个对应的值。换句话说，上述示例之所以有效，是因为order_id 为 1 的每一行都具有相同的 order_shipping（即 10），而 order_id 为 2 的每一行都具有相同的 order_shipping（即 20）。

可以使用 value_format 或 value_format_name 参数设置 type: percentile_distinct 字段的格式。

`percentile_distinct`的注意事项

如果 percentile_distinct 不适用于该方言，Looker 会返回错误。如需了解详情，请参阅percentile_distinct 支持的方言。

`percentile_distinct` 支持的数据库方言

为了让 Looker 在 Looker 项目中支持 percentile_distinct 类型，您的数据库方言也必须支持该类型。下表显示了 Looker 最新版本中哪些方言支持 percentile_distinct 类型：

方言	是否支持？
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

`period_over_period`

对于支持不同时间段对比测量的方言，您可以创建 type: period_over_period 的 LookML 测量，以创建不同时间段对比 (PoP) 测量。PoP 测量会引用较早时间段的汇总。

以下是一个 PoP 测量示例，用于提供上个月的订单数量：

  measure: orders_last_month {
    type: period_over_period
    based_on: orders.count
    based_on_time: orders.created_month
    period: month
    kind: previous
  }

具有 type: period_over_period 的衡量指标还必须具有以下子形参：

based_on
based_on_time
kind
period；如果您要基于自定义日历创建 PoP 测量，则为 custom_calendar_period

如需了解详情和示例，请参阅 Looker 中的周期环比测量。

`running_total`

type: running_total 会计算一列中单元格的累计和。它不能用于计算行总和，除非该行是由数据透视产生的。

type: running_total 测量值的 sql 参数必须引用另一个数值测量值。

type: running_total 字段可以使用 value_format 或 value_format_name 参数进行格式化。

以下 LookML 示例创建了一个基于 total_sale_price 指标的 cumulative_total_revenue 指标：

measure: cumulative_total_revenue {
  type: running_total
  sql: ${total_sale_price} ;;
  value_format_name: usd
}

请注意，running_total 值取决于排序顺序。如果您更改了排序方式，则必须重新运行查询，以重新计算 running_total 值。如果查询经过透视，running_total 会在行中运行，而不是在列中运行。如果这不是您想要的结果，请将 direction: "column" 添加到测量定义中。

此外，running_total 指标是在从数据库返回数据后计算的。这意味着，您不应在另一个测量中引用 running_total 测量；因为它们可能在不同的时间计算，您可能无法获得准确的结果。这也意味着，无法对 running_total 测量进行过滤。

`string`

type: string 用于包含字母或特殊字符的字段。

type: string 测量值的 sql 参数可以采用任何会生成字符串的有效 SQL 表达式。在实践中，此类型很少使用，因为大多数 SQL 聚合函数不返回字符串。一个常见的例外情况是 MySQL 的 GROUP_CONCAT 函数，不过 Looker 针对该应用场景提供了 type: list。

例如，以下 LookML 通过组合名为 category 的字段的唯一值来创建字段 category_list：

measure: category_list {
  type: string
  sql: GROUP_CONCAT(${category}) ;;
}

在此示例中，type: string 可以省略，因为 string 是 type 的默认值。

`sum`

type: sum 会将指定字段中的值相加。它类似于 SQL 的 SUM 函数。不过，与原始 SQL 不同，即使查询的联接包含扇出，Looker 也会正确计算总和。

type: sum 测量值的 sql 参数可以采用任何有效的 SQL 表达式，这些表达式会生成数字表列、LookML 维度或 LookML 维度的组合。

可以使用 value_format 或 value_format_name 参数设置 type: sum 字段的格式。

例如，以下 LookML 通过将 sales_price 维度相加来创建名为 total_revenue 的字段，然后以货币格式 ($1,234.56) 显示该字段：

measure: total_revenue {
  type: sum
  sql: ${sales_price} ;;
  value_format_name: usd
}

`sum_distinct`

type: sum_distinct 用于非规范化数据集。它会根据 sql_distinct_key 参数定义的唯一值，对指定字段中的非重复值求和。

这是一个高级概念，通过示例可以更清楚地说明。假设有一个非规范化表，如下所示：

订单项 ID	订单 ID	订单配送
1	1	10.00
2	1	10.00
3	2	20.00
4	2	20.00
5	2	20.00

在这种情况下，您会看到每个订单都有多行。因此，如果您为 order_shipping 列添加了 type: sum 度量，您将获得 80.00 的总和，即使实际收取的总运费为 30.00。

 # Will NOT calculate the correct shipping amount
measure: total_shipping {
  type: sum
  sql: ${order_shipping} ;;
}

为了获得准确的结果，您可以使用 sql_distinct_key 参数为 Looker 定义应如何识别每个唯一实体（在本例中为每个唯一订单）。此公式将计算出正确的 30.00 金额：

 # Will calculate the correct shipping amount
measure: total_shipping {
  type: sum_distinct
  sql_distinct_key: ${order_id} ;;
  sql: ${order_shipping} ;;
}

sql_distinct_key 的每个唯一值在 sql 中只能有一个对应值。换句话说，上述示例之所以有效，是因为 order_id 为 1 的每个行的 order_shipping 均为 10.00，而 order_id 为 2 的每个行的 order_shipping 均为 20.00。

type: sum_distinct 字段可以使用 value_format 或 value_format_name 参数进行格式设置。

`yesno`

type: yesno 会创建一个字段，用于指明某个内容是 true 还是 false。这些值在探索界面中显示为是和否。

type: yesno 测量值的 sql 参数接受一个有效的 SQL 表达式，该表达式的计算结果为 TRUE 或 FALSE。如果条件的计算结果为 TRUE，则向用户显示是；否则，显示否。

type: yesno 度量的 SQL 表达式必须仅包含聚合，这意味着 SQL 聚合或对 LookML 度量的引用。如果您想创建一个 yesno 字段，其中包含对 LookML 维度或非聚合 SQL 表达式的引用，请使用 dimension 和 type: yesno，而不是测量。

与具有 type: number 的指标类似，具有 type: yesno 的指标不执行任何聚合，只是引用其他聚合。

例如，以下 total_sale_price 测量示例是订单中订单项的总售价之和。第二个测量名为 is_large_total，值为 type: yesno。is_large_total 指标具有 sql 参数，用于评估 total_sale_price 值是否大于 1,000 美元。

measure: total_sale_price {
  type: sum
  value_format_name: usd
  sql: ${sale_price} ;;
  drill_fields: [detail*]
}
measure: is_large_total {
  description: "Is order total over $1000?"
  type: yesno
  sql: ${total_sale_price} > 1000 ;;
}

如果您想在其他字段中引用 type: yesno 字段，应将 type: yesno 字段视为布尔值（换句话说，就好像它已包含 true 或 false 值）。例如：

measure: is_large_total {
  description: "Is order total over $1000?"
  type: yesno
  sql: ${total_sale_price} > 1000 ;;
}
# This is correct:
measure: reward_points {
  type: number
  sql: CASE WHEN ${is_large_total} THEN 200 ELSE 100 END ;;
}
# This is NOT correct:
measure: reward_points {
  type: number
  sql: CASE WHEN ${is_large_total} = 'Yes' THEN 200 ELSE 100 END ;;
}

测量类型 使用集合让一切井井有条 根据您的偏好保存内容并对其进行分类。

用法

衡量类型类别

类型定义列表

average

average_distinct

count

count_distinct

date

使用 type: date 创建最大或最小日期度量

为日期时间列创建最大值或最小值度量

list

list 支持的数据库方言

max

median

示例

median的注意事项

median 支持的数据库方言

median_distinct

median_distinct 的注意事项

median_distinct 支持的数据库方言

min

number

type: number的注意事项

percent_of_previous

percent_of_total

percentile

如果计算出的值不是整数

如果计算出的值为整数

必需参数和可选参数

示例

percentile 的注意事项

percentile 支持的数据库方言

percentile_distinct

必需参数和可选参数

percentile_distinct的注意事项

percentile_distinct 支持的数据库方言

period_over_period

running_total

string

sum

sum_distinct

yesno

测量类型

`average`

`average_distinct`

`count`

`count_distinct`

`date`

使用 `type: date` 创建最大或最小日期度量

`list`

`list` 支持的数据库方言

`max`

`median`

`median`的注意事项

`median` 支持的数据库方言

`median_distinct`

`median_distinct` 的注意事项

`median_distinct` 支持的数据库方言

`min`

`number`

`type: number`的注意事项

`percent_of_previous`

`percent_of_total`

`percentile`

`percentile` 的注意事项

`percentile` 支持的数据库方言

`percentile_distinct`

`percentile_distinct`的注意事项

`percentile_distinct` 支持的数据库方言

`period_over_period`

`running_total`

`string`

`sum`

`sum_distinct`

`yesno`