派生表提供了大量的高级分析可能性,但使用派生表处理、实施和问题排查可能会令人望而生畏。本实战宝典包含 Looker 中派生表最常见的使用场景。
本页面包含以下示例:
派生表资源
这些实战宝典假定您对 LookML 和派生表有初步了解。您应该能够轻松自如地创建视图和修改模型文件。如果您想复习其中某个主题,请查看以下资源:
在每天凌晨 3 点创建表
此示例中的数据在每天凌晨 2 点传入。无论是在凌晨 3 点还是在晚上 9 点运行,针对此数据运行查询的结果都相同。因此,最好每天构建一次表,并允许用户从缓存中提取结果。
通过在模型文件中添加数据组,您可以将其重复用于多个表和探索。此数据组包含一个 sql_trigger_value
参数,用于告知数据组何时触发和重新构建派生表。
如需查看触发器表达式的更多示例,请参阅 sql_trigger_value
文档。
## in the model file
datagroup: standard_data_load {
sql_trigger_value: SELECT FLOOR(((TIMESTAMP_DIFF(CURRENT_TIMESTAMP(),'1970-01-01 00:00:00',SECOND)) - 60*60*3)/(60*60*24)) ;;
max_cache_age: "24 hours"
}
explore: orders {
…
将 datagroup_trigger
参数添加到视图文件的 derived_table
定义中,然后指定要使用的数据组的名称。在此示例中,数据组为 standard_data_load
。
view: orders {
derived_table: {
indexes: ["id"]
datagroup_trigger: standard_data_load
sql:
SELECT
user_id,
id,
created_at,
status
FROM
demo_db.orders
GROUP BY
user_id ;;
}
…
}
将新数据附加到大型表
增量 PDT 是 Looker 通过向表中附加新数据(而非重新构建整个表)来构建的永久性派生表。
下一个示例基于 orders
表示例构建,展示了该表如何增量构建。系统每天都会生成新的订单数据,如果您添加 increment_key
参数和 increment_offset
参数,则可以将数据附加到现有表中。
view: orders {
derived_table: {
indexes: ["id"]
increment_key: "created_at"
increment_offset: 3
datagroup_trigger: standard_data_load
distribution_style: all
sql:
SELECT
user_id,
id,
created_at,
status
FROM
demo_db.orders
GROUP BY
user_id ;;
}
dimension: id {
primary_key: yes
type: number
sql: ${TABLE}.id ;; }
…
}
increment_key
值设置为 created_at
,这是应该在本例中查询新数据并将其附加到 PDT 的时间增量。
将 increment_offset
值设置为 3
,以指定为了解决延迟数据而重新构建的先前时间段的数量(以递增键的粒度)。
使用 SQL 窗口函数
某些数据库方言支持窗口函数,尤其是用于创建序列号、主键、运行总计和累计总计,以及其他有用的多行计算。在执行主查询后,所有 derived_column
声明都将在单独的传递中执行。
如果数据库方言支持窗口函数,您可以在原生派生表中使用它们。使用包含 window 函数的 sql
形参创建一个 derived_column
形参。引用值时,您应该使用原生派生表中定义的列名称。
以下示例展示了如何创建一个包含 user_id
、order_id
和 created_time
列的原生派生表。然后,您可以使用带有 SQL ROW_NUMBER()
窗口函数的派生列来计算包含客户订单序列号的列。
view: user_order_sequences {
derived_table: {
explore_source: order_items {
column: user_id {
field: order_items.user_id
}
column: order_id {
field: order_items.order_id
}
column: created_time {
field: order_items.created_time
}
derived_column: user_sequence {
sql: ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY created_time) ;;
}
}
}
dimension: order_id {
hidden: yes
}
dimension: user_sequence {
type: number
}
}
为计算值创建派生列
您可以添加 derived_column
参数来指定 explore_source
参数的“探索”中不存在的列。每个 derived_column
形参都有一个 sql
形参,用于指定如何构造值。
sql
计算可以使用您通过 column
参数指定的任何列。派生列不能包含聚合函数,但可以包含可以对表的单个行执行的计算。
此示例创建了一个 average_customer_order
列,该列是根据原生派生表中的 lifetime_customer_value
和 lifetime_number_of_orders
列计算得出的。
view: user_order_facts {
derived_table: {
explore_source: order_items {
column: user_id {
field: users.id
}
column: lifetime_number_of_orders {
field: order_items.count
}
column: lifetime_customer_value {
field: order_items.total_profit
}
derived_column: average_customer_order {
sql: lifetime_customer_value / lifetime_number_of_orders ;;
}
}
}
dimension: user_id {
hidden: yes
}
dimension: lifetime_number_of_orders {
type: number
}
dimension: lifetime_customer_value {
type: number
}
dimension: average_customer_order {
type: number
}
}
优化策略
由于 PDT 存储在您的数据库中,因此您应使用您的方言支持的以下策略来优化 PDT:
例如,如需增加持久性,可以将 PDT 设置为在数据组 orders_datagroup
触发时重新构建,然后您可以在 customer_id
和 first_order
上添加索引,如下所示:
view: customer_order_summary {
derived_table: {
explore_source: orders {
...
}
datagroup_trigger: orders_datagroup
indexes: ["customer_id", "first_order"]
}
}
如果您未添加索引(或与您的方言对应的等效项),Looker 会警告您,建议您添加索引以提高查询性能。
使用 PDT 测试优化
您可以使用 PDT 测试不同的索引、分发和其他优化选项,而无需 DBA 或 ETL 开发者的大量支持。
假设您有一个表,但想要测试不同的索引。该视图的初始 LookML 可能如下所示:
view: customer {
sql_table_name: warehouse.customer ;;
}
如需测试优化策略,您可以使用 indexes
参数将索引添加到 LookML 中,如下所示:
view: customer {
# sql_table_name: warehouse.customer
derived_table: {
sql: SELECT * FROM warehouse.customer ;;
persist_for: "8 hours"
indexes: [customer_id, customer_name, salesperson_id]
}
}
查询视图一次以生成 PDT。然后运行测试查询并比较结果。如果结果理想,您可以要求 DBA 或 ETL 团队将索引添加到原始表。
UNION
,两个表
如果您的 SQL 方言支持,您可以在两个派生表中执行 SQL UNION
或 UNION ALL
运算符。UNION
和 UNION ALL
运算符可将两个查询的结果集合并在一起。
以下示例展示了使用 UNION
时基于 SQL 的派生表的外观:
view: first_and_second_quarter_sales {
derived_table: {
sql:
SELECT * AS sales_records
FROM sales_records_first_quarter
UNION
SELECT * AS sales_records
FROM sales_records_second_quarter ;;
}
}
sql
参数中的 UNION
语句会生成一个派生表,该表将这两个查询的结果组合在一起。
UNION
与 UNION ALL
之间的区别在于,UNION ALL
不会移除重复的行,使用 UNION
与 UNION ALL
时,需要注意一些性能注意事项,因为数据库服务器必须执行额外的操作才能移除重复行。
求和的总和(维度化测量)
根据 SQL 及 Looker 中的一般规则,您不能按聚合函数的结果对查询进行分组(在 Looker 中表示为测量值)。您只能按未汇总字段(在 Looker 中以维度表示)分组。
要按聚合进行分组(例如,求总和),您需要对测量进行“维度化”。实现此目的的方法之一是使用派生表,该表有效地创建聚合子查询。
从“探索”开始,Looker 可以为您的所有或大部分派生表生成 LookML。只需创建一个探索,然后选择要添加到派生表中的所有字段即可。然后,如需生成原生(或基于 SQL)派生表 LookML,请按以下步骤操作:
点击“探索”的齿轮菜单,然后选择获取 LookML。
如需查看用于为探索创建原生派生表的 LookML,请点击派生表标签页。
复制该 LookML。
现在,您已复制生成的 LookML,请按照以下步骤将其粘贴到视图文件中:
点击 Looker IDE 中的项目文件列表顶部的 +,然后选择创建视图。或者,您也可以在文件夹内创建文件,也可以点击文件夹的菜单,然后选择创建视图。
为视图设置有意义的名称。
(可选)更改列名称、指定派生列并添加过滤条件。
具有汇总认知度的汇总表
在 Looker 中,您经常可能会遇到非常大的数据集或表,这些数据集或表需要汇总表或汇总才能发挥性能要求。
借助 Looker 的汇总感知功能,您可以预先构建各种粒度、维度和汇总级别的汇总表;还可以告知 Looker 如何在现有探索中使用这些表格。然后,查询将在 Looker 认为合适的地方使用这些汇总表,而无需任何用户输入。这样可以缩减查询大小、缩短等待时间并提升用户体验。
下面展示了在 Looker 模型中非常简单的实现方式,展示了轻量级总体感知的实现方式。假设数据库中有一个航班表,其中有一行,通过 FAA 记录的每个航班都有一行,所以您可以在 Looker 中使用其自己的视图和探索功能对此表进行建模。以下是您可以为探索定义的汇总表的 LookML:
explore: flights {
aggregate_table: flights_by_week_and_carrier {
query: {
dimensions: [carrier, depart_week]
measures: [cancelled_count, count]
}
materialization: {
sql_trigger_value: SELECT CURRENT-DATE;;
}
}
}
借助此汇总表,用户可以查询 flights
探索,Looker 会自动使用汇总表来回答查询。如需查看有关总体认知度的更详细演示,请参阅“汇总认知度”教程。