此页面由 Cloud Translation API 翻译。

创建原生派生表

派生表是一种查询，其结果可像数据库中的物理表一样使用。原生派生表基于您使用 LookML 字词定义的查询。这与基于 SQL 的派生表不同，后者基于您使用 SQL 字词定义的查询。与基于 SQL 的派生表相比，在对数据进行建模时，原生派生表更易于阅读和理解。如需了解详情，请参阅 Looker 中的派生表文档页面中的原生派生表和基于 SQL 的派生表部分。

原生派生表和基于 SQL 的派生表均在 LookML 中使用 derived_table 参数在视图级层进行定义。不过，使用原生派生表时，您无需创建 SQL 查询。您可以使用 explore_source 参数来指定要基于哪个 Explore 创建派生表、所需的列以及其他所需的特征。

您还可以让 Looker 根据 SQL Runner 查询创建派生表 LookML，如使用 SQL Runner 创建派生表文档页面中所述。

使用 Explore 开始定义原生派生表

从探索开始，Looker 可以为所有或大多数派生表生成 LookML。只需创建探索，然后选择要纳入派生表中的所有字段即可。然后，如需生成原生派生表的 LookML，请按以下步骤操作：

选择探索操作齿轮菜单，然后选择获取 LookML。
点击派生表标签页，查看用于为探索创建原生派生表的 LookML。
复制 LookML。

现在，您已复制生成的 LookML，请将其粘贴到视图文件中：

在开发模式下，前往您的项目文件。
在 Looker IDE 中点击项目文件列表顶部的 +，然后选择创建视图。或者，您也可以点击文件夹的菜单，然后从菜单中选择创建视图，以在文件夹内创建文件。
将视图名称设置为有意义的名称。
您可以选择更改列名称、指定派生列和添加过滤条件。

如果您在探索中使用 type: count 的度量，可视化图表会使用视图名称标记结果值，而不是使用“数量”一词。为避免混淆，请将视图名称设为复数形式。您可以通过以下任一方式更改视图名称：在可视化图表设置的序列下选择显示完整字段名称，或者使用 view_label 参数并提供视图名称的复数形式。

在 LookML 中定义原生派生表

无论您使用在 SQL 中声明的派生表还是原生 LookML，derived_table 查询的输出都是包含一组列的表。如果派生表以 SQL 表示，则输出列名称由 SQL 查询隐含。例如，以下 SQL 查询将包含输出列 user_id、lifetime_number_of_orders 和 lifetime_customer_value：

SELECT
  user_id
  , COUNT(DISTINCT order_id) as lifetime_number_of_orders
  , SUM(sale_price) as lifetime_customer_value
FROM order_items
GROUP BY 1

在 Looker 中，查询基于探索，包含度量和维度字段，添加了任何适用的过滤条件，还可能指定了排序顺序。原生派生表包含所有这些元素，以及列的输出名称。

以下简单示例生成了一个包含三列（user_id、lifetime_customer_value 和 lifetime_number_of_orders）的派生表。您无需手动使用 SQL 编写查询，Looker 会使用指定的 Explore order_items 和该 Explore 的某些字段（order_items.user_id、order_items.total_revenue 和 order_items.order_count）为您创建查询。

view: user_order_facts {
  derived_table: {
    explore_source: order_items {
      column: user_id {
        field: order_items.user_id
      }
      column: lifetime_number_of_orders {
        field: order_items.order_count
      }
      column: lifetime_customer_value {
        field: order_items.total_revenue
      }
    }
  }
  # Define the view's fields as desired
  dimension: user_id {
    hidden: yes
  }
  dimension: lifetime_number_of_orders {
    type: number
  }
  dimension: lifetime_customer_value {
    type: number
  }
}

使用 `include` 语句启用引用字段

在原生派生表的视图文件中，您可以使用 explore_source 参数指向一个 Explore，并定义原生派生表的列和其他特征。

在原生派生表的视图文件中，您无需使用 include 参数来指向包含 Explore 定义的文件。如果您没有 include 语句，Looker IDE 将不会在您构建原生派生表时autosuggest字段名称或验证您的字段引用。您可以改为使用 LookML 验证器来验证您在原生派生表中引用的字段。

不过，如果您想在 Looker IDE 中启用自动建议和即时字段验证，或者您的 LookML 项目较为复杂，包含多个同名 Explore 或可能存在循环引用，则可以使用 include 参数来指向 Explore 定义的位置。

Explore 通常在模型文件中定义，但对于原生派生表，最好为 Explore 创建单独的文件。LookML 探索文件具有 .explore.lkml 文件扩展名，如创建探索文件文档中所述。这样一来，您就可以在原生派生表视图文件中包含单个 Explore 文件，而不是整个模型文件。

如果您确实想创建单独的探索文件，并使用 include 参数在原生派生表的视图文件中指向该探索文件，请确保您的 LookML 文件满足以下要求：

原生派生表的视图文件应包含探索文件。例如：
- include: "/explores/order_items.explore.lkml"
探索的文件应包含所需的视图文件。例如：
- include: "/views/order_items.view.lkml"
- include: "/views/users.view.lkml"
模型应包含“探索”的文件。例如：
- include: "/explores/order_items.explore.lkml"

定义原生派生表列

如上例所示，您可以使用 column 来指定派生表的输出列。

指定列名称

对于 user_id 列，列名称与原始 Explore 中的指定字段名称一致。

通常，您希望输出表中的列名称与原始探索中的字段名称不同。在上述示例中，我们使用 order_items 探索功能按用户计算了生命周期价值。在输出表格中，total_revenue 实际上是客户的 lifetime_customer_value。

column 声明支持声明与输入字段不同的输出名称。例如，以下代码指示 Looker“根据字段 order_items.total_revenue 创建一个名为 lifetime_value 的输出列”：

column: lifetime_value {
  field: order_items.total_revenue
}

隐式列名称

如果列声明中省略了 field 参数，则假定该参数为 <explore_name>.<field_name>。例如，如果您指定了 explore_source: order_items，则

column: user_id {
  field: order_items.user_id
}

等效于

column: user_id {}

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 参数都有一个 sql 参数，用于指定如何构造值。

您的 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，但可以包含可对表的单行执行的计算。

以下示例生成的派生表与前面的示例相同，只不过它添加了一个计算出的 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: order_items.user_id
      }
      column: lifetime_number_of_orders {
        field: order_items.order_count
      }
      column: lifetime_customer_value {
        field: order_items.total_revenue
      }
      derived_column: average_customer_order {
        sql:  lifetime_customer_value / lifetime_number_of_orders ;;
      }
    }
  }
  # Define the view's fields as desired
  dimension: user_id {
    hidden: yes
  }
  dimension: lifetime_number_of_orders {
    type: number
  }
  dimension: lifetime_customer_value {
    type: number
  }
  dimension: average_customer_order {
    type: number
  }
}

使用 SQL 窗口函数

某些数据库方言支持窗口函数，尤其是在创建序列号、主键、运行总数和累计总数以及其他有用的多行计算时。在执行主查询后，系统会在单独的传递中执行所有 derived_column 声明。

如果您的数据库方言支持窗口函数，则可以在原生派生表中使用它们。创建一个 derived_column 参数，其中包含所需的窗口函数 sql 参数。引用值时，您应使用原生派生表中定义的列名。

以下示例会创建一个包含 user_id、order_id 和 created_time 列的原生派生表。然后，使用包含 SQL ROW_NUMBER() 窗口函数的派生列，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
  }
}

向原生派生表添加过滤条件

假设您想构建一个派生表，其中包含客户在过去 90 天内的价值。您希望执行与上一个示例中相同的计算，但只想纳入过去 90 天内的购买交易。

您只需向 derived_table 添加一个过滤条件，以过滤出过去 90 天内的交易。派生表的 filters 参数使用的语法与您创建过滤后的度量时使用的语法相同。

view: user_90_day_facts {
  derived_table: {
    explore_source: order_items {
      column: user_id {
        field: order_items.user_id
      }
      column: number_of_orders_90_day {
        field: order_items.order_count
      }
      column: customer_value_90_day {
        field: order_items.total_revenue
      }
      filters: [order_items.created_date: "90 days"]
    }
  }
  # Add define view's fields as desired
  dimension: user_id {
    hidden: yes
  }
  dimension: number_of_orders_90_day {
    type: number
  }
  dimension: customer_value_90_day {
    type: number
  }
}

当 Looker 为派生表编写 SQL 时，过滤条件将添加到 WHERE 子句中。

此外，您还可以将 explore_source 的 dev_filters 子参数与原生派生表搭配使用。借助 dev_filters 参数，您可以指定 Looker 仅应用于派生表的开发版本的过滤条件，这意味着您可以构建较小的过滤版本表，以便在每次更改后进行迭代和测试，而无需等待完整表的构建。

dev_filters 参数与 filters 参数搭配使用，以便将所有过滤条件应用于表的开发版本。如果 dev_filters 和 filters 都为同一列指定了过滤条件，则对于表的开发版本，dev_filters 优先。

如需了解详情，请参阅在开发模式下更快地工作。

使用模板化过滤条件

您可以使用 bind_filters 来添加模板化过滤条件：

bind_filters: {
  to_field: users.created_date
  from_field: filtered_lookml_dt.filter_date
}

这与在 sql 块中使用以下代码基本相同：

{% condition filtered_lookml_dt.filter_date %} users.created_date {% endcondition %}

to_field 是应用过滤条件的字段。to_field 必须是底层 explore_source 中的字段。

from_field 用于指定在运行时存在过滤条件的情况下，要从哪个字段获取过滤条件。

在上述 bind_filters 示例中，Looker 会获取应用于 filtered_lookml_dt.filter_date 字段的任何过滤条件，并将其应用于 users.created_date 字段。

您还可以使用 explore_source 的 bind_all_filters 子形参将探索中的所有运行时过滤条件传递给原生派生表子查询。如需了解详情，请参阅 explore_source 参数文档页面。

对原生派生表进行排序和限制

您还可以根据需要对派生表进行排序和限制：

sorts: [order_items.count: desc]
limit: 10

请注意，探索可能会以不同于底层排序的顺序显示行。

将原生派生表转换为不同的时区

您可以使用 timezone 子参数为原生派生表指定时区：

timezone: "America/Los_Angeles"

使用 timezone 子形参时，原生派生表中的所有基于时间的数据都将转换为您指定的时区。如需查看支持的时区列表，请参阅 timezone 值文档页面。

如果您未在原生派生表定义中指定时区，则原生派生表不会对基于时间的数据执行任何时区转换，而是会默认使用数据库时区。

如果原生派生表不是持久性，您可以将时区值设置为 "query_timezone"，以自动使用当前正在运行的查询的时区。