Ein weiteres Beispiel für die Verwendung von persistent_for

Diese Seite bezieht sich auf den Parameter persist_for, der Teil eines Modells ist.

persist_for kann auch als Teil eines explorativen Analysetools verwendet werden, wie auf der Seite mit der Parameterdokumentation für persist_for beschrieben.

persist_for kann auch als Teil einer abgeleiteten Tabelle verwendet werden, die auf der Parameterdokumentation persist_for (für abgeleitete Tabellen) beschrieben wird.

Nutzung

persist_for: „5 Stunden“

Hierarchie Modelldatei persist_for

Standardwert 1 Stunde Akzeptiert Ein String mit einer Ganzzahl, gefolgt von einem Zeitraum (Sekunden, Minuten oder Stunden)

Definition

Verwenden Sie stattdessen datagroup und persist_with, wie auf der Dokumentationsseite Caching-Abfragen erstellen und PDTs mit Datengruppen neu erstellen beschrieben.

Mit persist_for können Sie festlegen, wie lange im Cache gespeicherte Abfrageergebnisse für eine bestimmte Erkunden verwendet werden. Die standardmäßige Cache-Länge in Looker beträgt 1 Stunde. Cache-Ergebnisse werden in einer verschlüsselten Datei auf Ihrer Looker-Instanz gespeichert.

Der Caching-Mechanismus in Looker funktioniert so: Sobald ein Nutzer eine bestimmte Abfrage ausführt, wird das Ergebnis dieser Abfrage im Cache gespeichert. Wenn wieder genau dieselbe Abfrage ausgeführt wird (alles muss gleich sein, einschließlich kleinerer Elemente wie dem Zeilenlimit) in einem kürzeren Zeitraum als persist_for, werden die im Cache gespeicherten Ergebnisse zurückgegeben. Andernfalls wird eine neue Abfrage für Ihre Datenbank ausgeführt.

Nach Ablauf der Zeit von persist_for werden die Daten aus dem Cache gelöscht, sofern die Labs-Funktion Instant Dashboards deaktiviert ist. Informationen dazu, wie lange Daten im Cache gespeichert werden, finden Sie auf der Dokumentationsseite Caching-Abfragen und Neuerstellung von PDTs mit Datengruppen.

Die Funktion „Entdecken“ unterstützt auch persist_for. Wenn eine explorative Datenanalyse und das zugehörige Modell persist_for-Einstellungen haben, hat der für die Option „Entdecken“ festgelegte Wert Priorität bei Abfragen, die auf dieser explorativen Datenanalyse basieren.

In einer explorativen Datenanalyse können Sie sehen, ob eine Abfrage aus dem Cache zurückgegeben wurde, oder festlegen, dass neue Ergebnisse aus der Datenbank generiert werden. Weitere Informationen finden Sie auf der Dokumentationsseite Caching-Abfragen und Neuerstellung von PDTs mit Datengruppen.

Beispiele

Legen Sie die Cache-Länge auf 2 Stunden fest:

persist_for: "2 hours"

Legen Sie die Cache-Länge auf 30 Minuten fest:

persist_for: "30 minutes"

Deaktivieren Sie das Caching, damit Nutzer für eine Abfrage keine im Cache gespeicherten Ergebnisse erhalten:

persist_for: "0 seconds"

Wichtige Punkte

Daten werden immer in den Cache geschrieben

Wenn persist_for auf 0 seconds gesetzt ist, werden durch die Abfragen Ihrer Nutzer keine Daten aus dem Cache abgerufen. Looker erfordert jedoch für interne Prozesse den Festplatten-Cache, sodass Ihre verschlüsselten Daten immer in den Cache geschrieben werden, auch wenn persist_for auf 0 seconds gesetzt ist. Nachdem die Daten in den Cache geschrieben wurden, werden sie zum Löschen markiert, können aber bis zu 10 Minuten auf dem Laufwerk verfügbar sein. Weitere Informationen finden Sie auf der Dokumentationsseite Caching-Abfragen und Neuerstellung von PDTs mit Datengruppen.

persist_for stimmt nicht unbedingt mit Ihrem Datenimport überein

Viele Unternehmen haben einen täglichen Datenimport in ihre Analysedatenbank. In manchen Fällen ist es nicht sinnvoll, aktuelle Abfragen auszuführen, wenn die Daten nicht regelmäßig aktualisiert werden. Die Cache-Länge wird daher auf 24 Stunden (z. B. persist_for: 24 hours) festgelegt. Nutzer können jedoch keine Daten abrufen, die älter als die letzte Aktualisierung sind.

Beispiel: Eine Abfrage wird am 1. Januar um 12:00 Uhr ausgeführt. Am 2. Januar werden dann die neuen Daten importiert und am 2. Januar um 12:00 Uhr. Da die Abfrage innerhalb des von persist_for angegebenen 24-Stunden-Zeitraums ausgeführt wurde, werden die Daten vom 1. Januar zurückgegeben, obwohl am 2. Januar neue Daten geladen wurden.

Wenn Sie das Caching an Datenimporte anpassen möchten, verwenden Sie datagroups und persist_with, wie auf der Dokumentationsseite Caching-Abfragen und Neuerstellung von PDTs mit Datengruppen beschrieben.

Bei geplanten Looks werden die Ergebnisse im Cache gespeichert

Wenn ein geplanter Look ausgeführt wird, erstellt er eine im Cache gespeicherte Ergebnismenge auf dieselbe Weise wie eine Abfrage, die vom Nutzer ausgeführt wird. Wenn Sie einen bestimmten Bericht vorab im Cache speichern möchten, sollten Sie ihn speichern und planen.