Zulassung_ungefähre Optimierung

Nutzung

view: view_name {
measure: field_name {
allow_Ungefährer_Optimierung: ja
}
}

Hierarchie Datei ansehen view Feldtyp allow_approximate_optimization

Mögliche Feldtypen Messen Standardwert no Akzeptiert Ein boolescher Wert (ja oder nein)

Definition

Bei Dialekten, die HyperLogLog-Skizzen unterstützen, kann Looker den HyperLogLog-Algorithmus nutzen, um ungefähre Werte für zusammengefasste Tabellen zu ermitteln.

Mit der Anweisung allow_approximate_optimization: yes kann Looker HyperLogLog-Skizzen in zusammengefassten Tabellen speichern. Das bedeutet, dass Looker Näherungen für unterschiedliche Zählwerte für die zusammengefasste Bekanntheit verwenden kann.

Eine Liste der Dialekte, die die Anzahl der Dialekte für zusammengefasste Tabellen mithilfe von HyperLogLog-Skizzen unterstützen, finden Sie im Abschnitt Dialekte für bestimmte Zählungen mit aggregierter Bekanntheit.

Generell kann keine individuelle Zählung der Zählungen vorgenommen werden, da Sie keine präzisen Daten erhalten. Wenn Sie z. B. die einzelnen Nutzer auf einer Website zählen, kann es sein, dass ein Nutzer die Website zweimal im Abstand von drei Wochen besucht hat. Wenn Sie versuchen, eine wöchentliche zusammengefasste Tabelle anzuwenden, um die monatliche Anzahl an einzelnen Nutzern auf Ihrer Website zu ermitteln, wird dieser Nutzer in der monatlichen Zählung mit unterschiedlichen Werten doppelt gezählt und die Daten sind falsch.

Sie können das Problem umgehen, indem Sie eine zusammengefasste Tabelle erstellen, die genau mit einer Erkundungsabfrage übereinstimmt. Weitere Informationen finden Sie auf der Dokumentationsseite Zusammengefasste Daten zur Steigerung der Bekanntheit. Wenn die Abfrage „Erkunden“ und die Abfrage einer zusammengefassten Tabelle identisch sind, liefern verschiedene Zählmesswerte präzise Daten, sodass sie für die aggregierte Markenbekanntheit verwendet werden können.

Die andere Möglichkeit besteht darin, Näherungen für unterschiedliche Zählwerte zu verwenden. Der HyperLogLog-Algorithmus hat bekanntermaßen einen Fehler von etwa 2 %. Der Parameter allow_approximate_optimization erfordert, dass Ihre Looker-Entwickler bestätigen, dass es in Ordnung ist, ungefähre Daten für die Messung zu verwenden, damit die Messung ungefähr anhand von zusammengefassten Tabellen berechnet werden kann.

Bei der Zusammenfassung der Bekanntheit gibt es zwei Fälle, in denen unterschiedliche Zahlen verwendet werden:

• Der erste Fall betrifft die Messwerte type: count_distinct.
• Der zweite Fall betrifft Messwerte von type: count, die tatsächlich von Looker als count_distinct-Messwerttypen gerendert werden. Wie auf der Dokumentationsseite Aggregierte Bekanntheit erläutert, rendert Looker count-Messwerte als count_distinct, um Fanout-Berechnungen in „Entdecken“ zu vermeiden, die mehrere Datenbanktabellen verbinden.

Falls Ihr Dialekt HyperLogLog-Skizzen unterstützt, können Sie in beiden Fällen die Anweisung allow_approximate_optimization: yes in Maße einfügen, um ungefähre Werte zu aktivieren. Sie können diese Messwerte dann in zusammengefassten Tabellen einfügen.

Auch für mit allow_approximate_optimization: yes definierte Messwerte gibt Looker nach Möglichkeit genaue Daten zurück. Wenn die Dimensionen in einer „Erkunden“-Abfrage beispielsweise genau mit den Dimensionen in einer zusammengefassten Tabelle übereinstimmen, kann Looker genaue Daten für verschiedene Zählungen liefern, ohne dass eine Schätzung erforderlich ist. In diesem Fall sehen Sie auf dem Tab SQL-Erkunden, dass für die allgemeine Bekanntheit unterschiedliche Zählmessungen ohne den HyperLogLog-Algorithmus verwendet werden.

Beispiel

Die apx_unique_count-Messung in diesem Beispiel ist auf allow_approximate_optimization: yes festgelegt. Das bedeutet, dass die Messung in einer aggregate_table verwendet werden kann.

measure: apx_unique_count {
  type: count_distinct
    allow_approximate_optimization: yes   # default value is no
  sql: ${id} ;;
}

Unterstützung von Dialekten für verschiedene Zähler mit aggregierter Bekanntheit

Looker kann unterschiedliche Zähler für die aggregierte Markenbekanntheit mit Datenbankdialekten verwenden, die HyperLogLog-Skizzen unterstützen. In der neuesten Version von Looker werden die folgenden SQL-Dialekte für verschiedene Zählungen mit aggregierter Bekanntheit unterstützt:

Informationen zu Geschwindigkeit und Genauigkeit dieser Methode finden Sie in der Dokumentation zu SQL-Dialekten.