如需在同一 Look 或信息中心内比较按多个时间范围过滤的指标，您可以使用 被滤除的测量结果。通过过滤的测量，您可以将硬编码的过滤器直接应用于测量，而不是将过滤器应用于整个查询。
如果您想比较的时间范围有限，则可以使用硬编码的时间范围过滤条件定义一些衡量标准（例如“今年”和“去年”），并将它们显示在“探索”“Look”或信息中心内。您还可以更进一步，在过滤的测量中使用 模板化过滤条件，使时间范围比较或随用户在探索、Look 或信息中心中指定的时间范围而变化的衡量指标。
模式概览
概括来讲，此方法涉及三个组件：
-
为每个时间范围定义一个
type: date模板化过滤条件，这些过滤条件将在“探索”“Look”或信息中心内显示为仅限过滤条件的字段。 -
创建一个
yesno类型维度以与模板化过滤条件相关联，这样一来，当用户为仅包含过滤条件的字段选择值时，yesno维度会针对满足过滤条件条件的记录返回“是”。 -
创建引用
yesno维度且条件为value = "yes"的过滤测量。这可确保该测量仅汇总符合第 1 步中定义的过滤器中指定的时间范围条件的记录。
借助此逻辑，用户可以创建分析和可视化效果，以比较不同时间范围内的值，例如以下“探索”：
用户可以更改时间范围 A 和时间范围 B 过滤条件中的值，而只会影响订单数 A 和订单数 B 的值。订单数 A 和订单数 B 是采用过滤条件的衡量指标，这些过滤条件会参考时间范围过滤条件中的时间范围条件。时间范围 A 会影响订单数量 A 的值，时间范围 B 会影响订单数量 B。
以下部分提供了此示例的 LookML。
LookML
以下 LookML 假定您有一个维度组，该维度组具有名为 created_raw 的 raw 时间范围：
dimension_group: created {
type: time
timeframes: [
raw,
time,
date,
]
sql: ${TABLE}.created_at ;;
}
用于比较计数衡量的 LookML 基于 created_raw，按两个动态时间范围（时间范围 A 和时间范围 B）过滤，即“订单数 A”和“订单数 B”，如下所示：
## filter determining time range for all "A" measures
filter: timeframe_a {
type: date_time
}
## flag for "A" measures to only include appropriate time range
dimension: group_a_yesno {
hidden: yes
type: yesno
sql: {% condition timeframe_a %} ${created_raw} {% endcondition %} ;;
}
## filtered measure A
measure: count_a {
type: count
filters: [group_a_yesno: "yes"]
}
## filter determining time range for all "B" measures
filter: timeframe_b {
type: date_time
}
## flag for "B" measures to only include appropriate time range
dimension: group_b_yesno {
hidden: yes
type: yesno
sql: {% condition timeframe_b %} ${created_raw} {% endcondition %} ;;
}
measure: count_b {
type: count
filters: [group_b_yesno: "yes"]
}
您可以使用此逻辑根据需要创建任意数量的时间范围比较。
使用动态时间范围过滤整个查询
过滤的测量不会将过滤条件应用于整体查询结果。如果要限制指定时间范围内的总体查询结果，您可以：
-
创建以下
yesno维度 - 在探索、Look 或信息中心内按“是”过滤维度值：
dimension: is_in_time_a_or_b {
group_label: "Time Comparison Filters"
type: yesno
sql:
{% condition timeframe_a %} ${created_raw} {% endcondition %} OR
{% condition timeframe_b %} ${created_raw} {% endcondition %} ;;
}
这可以防止数据库扫描的数据量超出查询所需的数据量，并且有助于提高性能和降低查询费用。