Nutzung
view: view_name {
measure: field_name {
approximate: yes
}
}
|
Hierarchie
approximate |
Mögliche Feldtypen
Messen
Akzeptiert
Boolescher Wert (ja oder nein)
|
Definition
Eine Liste der Dialekte, die
approximateunterstützen, finden Sie auf dieser Seite im Abschnitt Dialektunterstützung fürapproximate.
Mit dem Parameter approximate können Sie die ungefähre Zählung mit den Messwerten type: count und type: count_distinct verwenden. Bei großen Datasets können ungefähre Zählungen viel schneller als genaue Zählungen sein und liegen in der Regel innerhalb weniger Prozent des tatsächlichen Werts. In der Dokumentation Ihres SQL-Dialekts finden Sie Informationen zu den Kompromissen zwischen Geschwindigkeit und Genauigkeit bei dieser Methode.
measure: apx_unique_count {
type: count_distinct
approximate: yes # default value is no
sql: ${id} ;;
}
Das Aktivieren von approximate mit dem Messwert type: count mag unnötig erscheinen, da die Funktion für die ungefähre Zählung nur für eindeutige Zählungen gilt. In einigen Situationen wandelt Looker jedoch automatisch Measures vom Typ type: count in eine eindeutige Anzahl eines Primärschlüssels um, um genaue Ergebnisse für verknüpfte Ansichten zu liefern. In solchen Situationen kann eine ungefähre Zählung nützlich sein.
Dialektunterstützung für approximate
Die Möglichkeit, approximate zu verwenden, hängt vom Datenbankdialekt ab, den Ihre Looker-Verbindung verwendet. In der aktuellen Version von Looker unterstützen die folgenden Dialekte approximate:
| Dialekt | Unterstützt? |
|---|---|
| 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 |