Tabelas derivadas no Looker

No Looker, uma tabela derivada é uma consulta cujos resultados são usados como se fosse uma tabela real no banco de dados.

Por exemplo, você pode ter uma tabela de banco de dados chamada orders com muitas colunas. Você quer calcular algumas métricas agregadas do cliente, como quantos pedidos cada cliente fez ou quando cada cliente fez o primeiro pedido. Usando uma tabela derivada nativa ou uma tabela derivada baseada em SQL, é possível criar uma nova tabela de banco de dados chamada customer_order_summary que inclui essas métricas.

Depois, você pode trabalhar com a tabela derivada customer_order_summary como se fosse qualquer outra no banco de dados.

Para ver casos de uso comuns de tabelas derivadas, acesse Livros de receitas do Looker: como aproveitar ao máximo as tabelas derivadas no Looker.

Tabelas derivadas nativas e baseadas em SQL

Para criar uma tabela derivada no seu projeto do Looker, use o parâmetro derived_table em um parâmetro view. No parâmetro derived_table, é possível definir a consulta para a tabela derivada de duas maneiras:

• Em uma tabela derivada nativa, você define a tabela derivada com uma consulta baseada no LookML.
• Para uma tabela derivada baseada em SQL, você define a tabela derivada com uma consulta SQL.

Por exemplo, os arquivos de visualização a seguir mostram como usar o LookML para criar uma visualização com base em uma tabela derivada customer_order_summary. As duas versões do LookML ilustram como criar tabelas derivadas equivalentes usando o LookML ou o SQL para definir a consulta da tabela derivada:

• A tabela derivada nativa define a consulta com o LookML no parâmetro explore_source. Neste exemplo, a consulta é baseada em uma visualização orders existente, que é definida em um arquivo separado que não é mostrado neste exemplo. A consulta explore_source na tabela derivada nativa traz os campos customer_id, first_order e total_amount do arquivo de visualização orders.
• A tabela derivada baseada em SQL define a consulta usando SQL no parâmetro sql. Neste exemplo, a consulta SQL é uma consulta direta da tabela orders no banco de dados.

Versão da tabela derivada nativa

view: customer_order_summary {
  derived_table: {
    explore_source: orders {
      column: customer_id {
        field: orders.customer_id
      }
      column: first_order {
        field: orders.first_order
      }
      column: total_amount {
        field: orders.total_amount
      }
    }
  }
  dimension: customer_id {
    type: number
    primary_key: yes
    sql: ${TABLE}.customer_id ;;
  }
  dimension_group: first_order {
    type: time
    timeframes: [date, week, month]
    sql: ${TABLE}.first_order ;;
  }
  dimension: total_amount {
    type: number
    value_format: "0.00"
    sql: ${TABLE}.total_amount ;;
  }
}

Versão da tabela derivada com base em SQL

view: customer_order_summary {
  derived_table: {
    sql:
      SELECT
        customer_id,
        MIN(DATE(time)) AS first_order,
        SUM(amount) AS total_amount
      FROM
        orders
      GROUP BY
        customer_id ;;
  }
  dimension: customer_id {
    type: number
    primary_key: yes
    sql: ${TABLE}.customer_id ;;
  }
  dimension_group: first_order {
    type: time
    timeframes: [date, week, month]
    sql: ${TABLE}.first_order ;;
  }
  dimension: total_amount {
    type: number
    value_format: "0.00"
    sql: ${TABLE}.total_amount ;;
  }
}

As duas versões criam uma visualização chamada customer_order_summary, que é baseada na tabela orders, com as colunas customer_id, first_order, e total_amount.

Além do parâmetro derived_table e dos subparâmetros, essa visualização customer_order_summary funciona como qualquer outro arquivo de visualização. Se você definir a consulta da tabela derivada com o LookML ou com o SQL, poderá criar medidas e dimensões do LookML com base nas colunas da tabela derivada.

Depois de definir a tabela derivada, você pode usá-la como qualquer outra tabela no seu banco de dados.

Tabelas derivadas nativas

As tabelas derivadas nativas são baseadas em consultas que você define usando termos do LookML. Para criar uma tabela derivada nativa, use o parâmetro explore_source dentro do parâmetro derived_table de um parâmetro view. Para criar as colunas da tabela derivada nativa, consulte as dimensões ou medições do LookML no seu modelo. Veja o arquivo de visualização em tabela derivada no exemplo anterior.

Comparadas com as tabelas derivadas baseadas em SQL, as tabelas nativas são muito mais fáceis de ler e entender ao modelar seus dados.

Consulte a página de documentação Como criar tabelas derivadas nativas para ver detalhes sobre como criar tabelas derivadas nativas.

Tabelas derivadas baseadas em SQL

Para criar uma tabela derivada baseada em SQL, você define uma consulta em termos de SQL, criando colunas na tabela usando uma consulta SQL. Não é possível consultar as dimensões e medidas do LookML em uma tabela derivada baseada em SQL. Consulte o arquivo de visualização de tabela derivada com base em SQL no exemplo anterior.

Geralmente, você define a consulta SQL usando o parâmetro sql dentro do parâmetro derived_table de uma visualização.

Um atalho útil para criar consultas baseadas em SQL no Looker é usar o SQL Runner para criar a consulta SQL e transformá-la em uma definição de tabela derivada.

Alguns casos extremos não permitem o uso do parâmetro sql. Nesses casos, o Looker é compatível com os seguintes parâmetros para definir uma consulta SQL para tabelas derivadas permanentes (PDTs):

• create_process: quando você usa o parâmetro sql para uma PDT, em segundo plano o Looker encapsula a instrução de linguagem de definição de dados (DDL) do dialeto na consulta para criar a PDT com base na consulta SQL.CREATE TABLE Alguns dialetos não oferecem suporte a uma instrução CREATE TABLE SQL em uma única etapa. Para esses dialetos, não é possível criar uma PDT com o parâmetro sql. Em vez disso, use o parâmetro create_process para criar um PDT em várias etapas. Consulte a página de documentação do parâmetro create_process para informações e exemplos.
• sql_create: se o caso de uso exigir comandos DDL personalizados e o dialeto for compatível com DDL (por exemplo, o BigQuery ML preditivo do Google), você poderá usar o parâmetro sql_create para criar uma PDT em vez de usar o parâmetro sql. Consulte a página de documentação do sql_create para informações e exemplos.

Se você estiver usando o parâmetro sql, create_process ou sql_create, em todos esses casos, estará definindo a tabela derivada com uma consulta SQL. Portanto, todas elas são consideradas tabelas derivadas baseadas em SQL.

Ao definir uma tabela derivada baseada em SQL, use AS para dar um alias limpo a cada coluna. Isso acontece porque você precisa fazer referência aos nomes das colunas do conjunto de resultados nas dimensões, como ${TABLE}.first_order. É por isso que o exemplo anterior usa MIN(DATE(time)) AS first_order em vez de simplesmente MIN(DATE(time)).

Observação :para ser usada como uma PDT incremental, uma tabela derivada baseada em SQL precisa ser definida usando o parâmetro sql. As tabelas derivadas baseadas em SQL que são definidas com o parâmetro sql_create ou create_process não podem ser criadas de forma incremental.

Tabelas derivadas temporárias e persistentes

Além da distinção entre tabelas derivadas nativas e tabelas derivadas baseadas em SQL, há também uma distinção entre uma tabela derivada temporária, que não é gravada no banco de dados, e uma tabela derivada persistente (PDT), que é gravada em um esquema no seu banco de dados.

As tabelas derivadas nativas e as baseadas em SQL podem ser temporárias ou permanentes.

Tabelas derivadas temporárias

As tabelas derivadas mostradas anteriormente são exemplos de tabelas derivadas temporárias. Elas são temporárias porque não há uma estratégia de persistência definida no parâmetro derived_table.

As tabelas derivadas temporárias não são gravadas no banco de dados. Quando um usuário executa uma consulta de exploração que envolve uma ou mais tabelas derivadas, o Looker constrói uma consulta SQL usando uma combinação específica de dialeto do SQL para as tabelas derivadas, além dos campos, mesclagens e valores de filtro solicitados. Se a combinação já tiver sido executada e os resultados ainda estiverem válidos no cache, o Looker vai usar os resultados em cache. Consulte a página de documentação Consultas de armazenamento em cache para mais informações sobre esse assunto no Looker.

Caso contrário, se o Looker não puder usar resultados armazenados em cache, o Looker precisará executar uma nova consulta no seu banco de dados sempre que um usuário solicitar dados de uma tabela derivada temporária. Por isso, verifique se as tabelas derivadas temporárias têm bom desempenho e não sobrecarregam o banco de dados. Nos casos em que a consulta leva algum tempo para ser executada, uma PDT costuma ser uma opção melhor.

Dialetos de banco de dados compatíveis com tabelas derivadas temporárias

Para que o Looker ofereça suporte a tabelas derivadas no projeto do Looker, o dialeto do banco de dados também precisa ser compatível com elas. A tabela a seguir mostra quais dialetos oferecem suporte a tabelas derivadas na versão mais recente do Looker:

Dialeto	Compatível?
Actian Avalanche	Sim
Amazon Athena	Sim
MySQL do Amazon Aurora	Sim
Amazon Redshift	Sim
Apache Druid	Sim
Apache Druid 0.13 ou superior	Sim
Apache Druid 0.18 ou mais recente	Sim
Apache Hive 2.3 ou superior	Sim
Apache Hive 3.1.2 ou mais recente	Sim
Apache Spark 3 ou mais recente	Sim
ClickHouse	Sim
Cloudera Impala 3.1 ou superior	Sim
Cloudera Impala 3.1+ com driver nativo	Sim
Cloudera Impala com driver nativo	Sim
DataVirtuality	Sim
Databricks	Sim
Denodo 7	Sim
Denodo 8	Sim
Dremio	Sim
Dremio 11 ou mais recente	Sim
Exasol	Sim
Firebolt	Sim
SQL legado do Google BigQuery	Sim
SQL padrão do Google BigQuery	Sim
PostgreSQL do Google Cloud	Sim
Google Cloud SQL	Sim
Google Spanner	Sim
Greenplum	Sim
HyperSQL	Sim
IBM Netezza	Sim
MariaDB	Sim
Microsoft Azure PostgreSQL	Sim
Banco de Dados SQL do Microsoft Azure	Sim
Análises do Microsoft Azure Synapse	Sim
Microsoft SQL Server 2008 ou superior	Sim
Microsoft SQL Server 2012 ou posterior	Sim
Microsoft SQL Server 2016	Sim
Microsoft SQL Server 2017 ou posterior	Sim
MongoBI	Sim
MySQL	Sim
MySQL 8.0.12 ou mais recente	Sim
Oracle	Sim
ADWC da Oracle	Sim
PostgreSQL 9.5 ou mais recente	Sim
PostgreSQL anterior à versão 9.5	Sim
PrestoDB	Sim
PrestoSQL	Sim
SAP HANA 2 ou posterior	Sim
SingleStore	Sim
SingleStore 7 ou superior	Sim
Snowflake	Sim
Teradata	Sim
Trino	Sim
Vetor	Sim
Vertica	Sim

Tabelas derivadas persistentes

Uma tabela derivada persistente (PDT) é uma tabela derivada que é gravada em um esquema de rascunho no banco de dados e gerada novamente de acordo com a programação que você especificar com uma estratégia de persistência.

Uma PDT pode ser uma tabela derivada nativa ou uma tabela derivada baseada em SQL.

Requisitos para PDTs

Para usar tabelas derivadas permanentes (PDTs) no seu projeto do Looker, você precisa do seguinte:

• Um dialeto de banco de dados compatível com PDTs. Consulte a seção Dialetos de banco de dados compatíveis com PDTs mais adiante nesta página para conferir as listas de dialetos que oferecem suporte a tabelas derivadas persistentes com base em SQL e tabelas derivadas nativas persistentes.
• Um esquema inicial no banco de dados. Pode ser qualquer esquema no seu banco de dados, mas recomendamos criar um novo esquema que será usado apenas para essa finalidade. O administrador do banco de dados precisa configurar o esquema com permissão de gravação para o usuário do banco de dados do Looker.
• Uma conexão do Looker configurada com a opção Ativar PDTs ativada. Isso geralmente é configurado quando você configura a conexão do Looker pela primeira vez (consulte a página de documentação Dialectos do Looker para ver instruções sobre o dialeto do seu banco de dados), mas também é possível ativar os TDPs para a conexão após a configuração inicial.

Dialetos de banco de dados com suporte para TDPs

Para que o Looker ofereça suporte a tabelas derivadas permanentes (PDTs, na sigla em inglês) no seu projeto do Looker, o dialeto do banco de dados também precisa ser compatível com elas.

Para oferecer suporte a qualquer tipo de PDT (com base no LookML ou no SQL), o dialeto precisa oferecer suporte a gravações no banco de dados, entre outros requisitos. Há algumas configurações de bancos de dados somente leitura que não permitem que a persistência funcione (geralmente bancos de dados de réplica de hot-swap do Postgres). Nesses casos, use tabelas derivadas temporárias.

A tabela a seguir mostra os dialetos compatíveis com tabelas derivadas com base em SQL persistentes na versão mais recente do Looker:

Dialeto	Compatível?
Actian Avalanche	Sim
Amazon Athena	Sim
MySQL do Amazon Aurora	Sim
Amazon Redshift	Sim
Apache Druid	Não
Apache Druid 0.13 ou mais recente	Não
Apache Druid 0.18 ou mais recente	Não
Apache Hive 2.3 ou superior	Sim
Apache Hive 3.1.2 ou mais recente	Sim
Apache Spark 3 ou mais recente	Sim
ClickHouse	Não
Cloudera Impala 3.1 ou superior	Sim
Cloudera Impala 3.1+ com driver nativo	Sim
Cloudera Impala com driver nativo	Sim
DataVirtuality	Não
Databricks	Sim
Denodo 7	Não
Denodo 8	Não
Dremio	Não
Dremio 11 ou mais recente	Não
Exasol	Sim
Bola de fogo	Não
SQL legado do Google BigQuery	Sim
SQL padrão do Google BigQuery	Sim
PostgreSQL do Google Cloud	Sim
Google Cloud SQL	Sim
Google Spanner (em inglês)	Não
Greenplum	Sim
HyperSQL	Não
IBM Netezza	Sim
MariaDB	Sim
Microsoft Azure PostgreSQL	Sim
Banco de Dados SQL do Microsoft Azure	Sim
Análises do Microsoft Azure Synapse	Sim
Microsoft SQL Server 2008 ou superior	Sim
Microsoft SQL Server 2012 ou posterior	Sim
Microsoft SQL Server 2016	Sim
Microsoft SQL Server 2017 ou posterior	Sim
MongoBI	Não
MySQL	Sim
MySQL 8.0.12 ou mais recente	Sim
Oracle	Sim
ADWC da Oracle	Sim
PostgreSQL 9.5 ou mais recente	Sim
PostgreSQL anterior à versão 9.5	Sim
PrestoDB	Sim
PrestoSQL	Sim
SAP HANA 2 ou posterior	Sim
SingleStore	Sim
SingleStore 7 ou superior	Sim
Snowflake	Sim
Teradata	Sim
Trino	Sim
Vetor	Sim
Vertica	Sim

Para oferecer suporte a tabelas derivadas nativas permanentes (que têm consultas baseadas em LookML), o dialeto também precisa oferecer suporte a uma função DDL CREATE TABLE. Confira uma lista dos dialetos que oferecem suporte a tabelas derivadas nativas (com base no LookML) persistentes na versão mais recente do Looker:

Dialeto	Compatível?
Actian Avalanche	Sim
Amazon Athena	Sim
MySQL do Amazon Aurora	Sim
Amazon Redshift	Sim
Apache Druid	Não
Apache Druid 0.13 ou mais recente	Não
Apache Druid 0.18 ou mais recente	Não
Apache Hive 2.3 ou superior	Sim
Apache Hive 3.1.2 ou mais recente	Sim
Apache Spark 3 ou mais recente	Sim
ClickHouse	Não
Cloudera Impala 3.1 ou superior	Sim
Cloudera Impala 3.1+ com driver nativo	Sim
Cloudera Impala com driver nativo	Sim
DataVirtuality	Não
Databricks	Sim
Denodo 7	Não
Denodo 8	Não
Dremio	Não
Dremio 11 ou mais recente	Não
Exasol	Sim
Bola de fogo	Não
SQL legado do Google BigQuery	Sim
SQL padrão do Google BigQuery	Sim
PostgreSQL do Google Cloud	Sim
Google Cloud SQL	Não
Google Spanner (em inglês)	Não
Greenplum	Sim
HyperSQL	Não
IBM Netezza	Sim
MariaDB	Sim
Microsoft Azure PostgreSQL	Sim
Banco de Dados SQL do Microsoft Azure	Sim
Análises do Microsoft Azure Synapse	Sim
Microsoft SQL Server 2008 ou superior	Sim
Microsoft SQL Server 2012 ou posterior	Sim
Microsoft SQL Server 2016	Sim
Microsoft SQL Server 2017 ou posterior	Sim
MongoBI	Não
MySQL	Sim
MySQL 8.0.12 ou mais recente	Sim
Oracle	Sim
ADWC da Oracle	Sim
PostgreSQL 9.5 ou mais recente	Sim
PostgreSQL anterior à versão 9.5	Sim
PrestoDB	Sim
PrestoSQL	Sim
SAP HANA 2 ou posterior	Sim
SingleStore	Sim
SingleStore 7 ou superior	Sim
Snowflake	Sim
Teradata	Sim
Trino	Sim
Vetor	Sim
Vertica	Sim

Observação :as TDPs não são compatíveis com conexões do Snowflake que usam OAuth.

Como criar TDPs incrementais

Um PDT incremental é uma tabela derivada persistente (PDT) que o Looker cria anexando dados novos à tabela em vez de recriar a tabela por completo.

Se o dialeto for compatível com TDPs incrementais e a TDP usar uma estratégia de persistência baseada em gatilho (datagroup_trigger, sql_trigger_value ou interval_trigger), será possível definir a TDP como incremental.

Observação: TDPs incrementais não são compatíveis com TDPs que usam a estratégia de persistência persist_for.

Consulte a página de documentação PDTs incrementais para mais informações.

Dialetos de banco de dados compatíveis com PDTs incrementais

Para que o Looker ofereça suporte a PDTs incrementais no projeto, o dialeto do banco de dados também precisa oferecer suporte a elas. A tabela a seguir mostra quais dialetos oferecem suporte a PDTs incrementais na versão mais recente do Looker:

Dialeto	Compatível?
Avalanche Actian	Não
Amazon Athena	Não
MySQL do Amazon Aurora	Não
Amazon Redshift	Sim
Apache Druid	Não
Apache Druid 0.13 ou mais recente	Não
Apache Druid 0.18 ou mais recente	Não
Apache Hive 2.3 ou superior	Não
Apache Hive 3.1.2 ou posterior	Não
Apache Spark 3 ou mais recente	Não
ClickHouse	Não
Cloudera Impala 3.1 ou superior	Não
Cloudera Impala 3.1+ com driver nativo	Não
Cloudera Impala com driver nativo	Não
DataVirtuality	Não
Databricks	Sim
Denodo 7	Não
Denodo 8	Não
Dremio	Não
Dremio 11 ou mais recente	Não
Exasol	Não
Bola de fogo	Não
SQL legado do Google BigQuery	Não
SQL padrão do Google BigQuery	Sim
PostgreSQL do Google Cloud	Sim
Google Cloud SQL	Não
Google Spanner (em inglês)	Não
Greenplum	Sim
HyperSQL	Não
IBM Netezza	Não
MariaDB	Não
PostgreSQL do Microsoft Azure	Sim
Banco de dados SQL do Microsoft Azure	Não
Análises do Microsoft Azure Synapse	Sim
Microsoft SQL Server 2008 ou mais recente	Não
Microsoft SQL Server 2012 ou mais recente	Não
Microsoft SQL Server 2016	Não
Microsoft SQL Server 2017 ou mais recente	Não
MongoBI	Não
MySQL	Sim
MySQL 8.0.12 ou mais recente	Sim
Oracle	Não
Oracle ADWC	Não
PostgreSQL 9.5 ou mais recente	Sim
PostgreSQL anterior à versão 9.5	Sim
PrestoDB	Não
PrestoSQL	Não
SAP HANA 2+	Não
SingleStore	Não
SingleStore 7+	Não
Snowflake	Sim
Teradata	Não
Trino	Não
Vetor	Não
Vertica	Sim

Como criar TDPs

Para transformar uma tabela derivada em uma tabela derivada persistente (PDT, na sigla em inglês), defina uma estratégia de persistência. Para otimizar a performance, você também precisa adicionar uma estratégia de otimização.

Estratégias de persistência

A persistência de uma tabela derivada pode ser gerenciada pelo Looker ou, para dialetos compatíveis com visualizações materializadas, pelo seu banco de dados usando visualizações materializadas.

Para tornar uma tabela derivada persistente, adicione um dos seguintes parâmetros à definição de derived_table:

• Parâmetros de persistência gerenciados pelo Looker:
  • datagroup_trigger
  • sql_trigger_value
  • interval_trigger
  • persist_for
• Parâmetros de persistência gerenciados pelo banco de dados:
  • materialized_view: yes

Com estratégias de persistência baseadas em acionadores (datagroup_trigger, sql_trigger_value e interval_trigger), o Looker mantém a PDT no banco de dados até que ela seja acionada para a reconstrução. Quando a TDP é acionada, o Looker a recria para substituir a versão anterior. Isso significa que, com as TDPs baseadas em acionadores, os usuários não precisam esperar a criação da TDP para receber respostas para as consultas da Pesquisa.

Observação: alguns usuários podem modificar a configuração de persistência de uma PDT. Um usuário com a permissão develop pode usar a opção Recriar e executar tabelas derivadas no menu "Explore" para substituir a configuração de persistência e recriar todas as TDPs necessárias para a consulta atual. Consulte a seção Como recriar manualmente as TDPs para uma consulta nesta página para mais detalhes.

datagroup_trigger

Os grupos de dados são o método mais flexível de criar persistência. Se você tiver definido um datagroup com sql_trigger ou interval_trigger, use o parâmetro datagroup_trigger para iniciar a recriação das tabelas derivadas persistentes (PDTs).

O Looker mantém a PDT no banco de dados até que o grupo de dados seja acionado. Quando o grupo de dados é acionado, o Looker recria o PDT para substituir a versão anterior. Isso significa que, na maioria dos casos, os usuários não precisam esperar a criação do PDT. Se um usuário solicitar dados do PDT enquanto ele está sendo criado e os resultados da consulta não estiverem no cache, o Looker vai retornar dados do PDT atual até que o novo PDT seja criado. Consulte Como armazenar consultas em cache para ter uma visão geral dos grupos de dados.

Consulte a seção O regenerador do Looker para mais informações sobre como ele cria PDTs.

sql_trigger_value

O parâmetro sql_trigger_value aciona a nova geração de uma tabela derivada persistente (PDT) com base em uma instrução SQL fornecida por você. Se o resultado da instrução SQL for diferente do valor anterior, a PDT será gerada novamente. Caso contrário, a TDP atual é mantida no banco de dados. Isso significa que, na maioria dos casos, os usuários não precisam esperar a criação do PDT. Se um usuário solicitar dados da PDT enquanto ela estiver sendo criada e os resultados da consulta não estiverem no cache, o Looker retornará dados da PDT atual até que a nova PDT seja criada.

Consulte a seção O regenerador do Looker para mais informações sobre como o regenerador cria PDTs.

interval_trigger

O parâmetro interval_trigger aciona a nova geração de uma tabela derivada persistente (PDT) com base em um intervalo de tempo fornecido, como "24 hours" ou "60 minutes". Assim como o parâmetro sql_trigger, isso significa que o PDT geralmente será criado antes da consulta dos usuários. Se um usuário solicitar dados do PDT enquanto ele está sendo criado e os resultados da consulta não estiverem no cache, o Looker vai retornar dados do PDT atual até que o novo PDT seja criado.

persist_for

Outra opção é usar o parâmetro persist_for para definir o período de armazenamento da tabela derivada antes que ela seja marcada como expirada, para que não seja mais usada em consultas e seja excluída do banco de dados.

Uma tabela derivada persistente (PDT) persist_for é criada quando um usuário executa uma consulta nela pela primeira vez. O Looker mantém a TDP no banco de dados pelo período especificado no parâmetro persist_for da PDT. Se um usuário consultar o PDT dentro do tempo persist_for, o Looker vai usar os resultados armazenados em cache, se possível, ou executar a consulta no PDT.

Após o período de persist_for, o Looker limpa o PDT do seu banco de dados, e ele será recriado na próxima consulta de um usuário, o que significa que a consulta terá que aguardar a recriação.

As PDTs que usam persist_for não são recriadas automaticamente pelo regenerador do Looker, exceto no caso de uma cascade de dependência de PDTs. Quando uma tabela persist_for faz parte de uma cascata de dependências com TDPs baseadas em gatilho (PDTs que usam a estratégia de persistência datagroup_trigger, interval_trigger ou sql_trigger_value), o regenerador monitora e recria a tabela persist_for para recriar outras na cascata. Consulte a seção Como o Looker cria tabelas derivadas em cascata nesta página.

materialized_view: yes

Observação: a funcionalidade de visualização materializada é um recurso avançado. Dependendo do seu dialeto, uma visualização materializada pode consumir grandes recursos, por isso é importante entender a implementação de visualizações materializadas no seu dialeto. Consulte a documentação do seu dialeto para ver informações sobre o comportamento dele e a frequência com que ele atualiza dados para visualizações materializadas.

As visualizações materializadas permitem aproveitar a funcionalidade do banco de dados para manter tabelas derivadas no projeto do Looker. Se o dialeto do banco de dados aceitar visualizações materializadas e a conexão do Looker estiver configurada com a opção Ativar PDTs ativada, especifique materialized_view: yes para uma tabela derivada para criar uma visualização materializada. As visualizações materializadas são compatíveis com tabelas derivadas nativas e tabelas derivadas baseadas em SQL.

Semelhante a uma tabela derivada persistente (TDP), uma visualização materializada é um resultado de consulta armazenado como uma tabela no esquema inicial do banco de dados. A principal diferença entre uma TDP e uma visualização materializada está no modo como as tabelas são atualizadas:

• Para PDTs, a estratégia de persistência é definida no Looker, e a persistência é gerenciada pelo Looker.
• Para visualizações materializadas, o banco de dados é responsável por manter e atualizar os dados na tabela.

Por esse motivo, a funcionalidade de visualização materializada requer conhecimento avançado do seu dialeto e de seus recursos. Na maioria dos casos, o banco de dados atualiza a visualização materializada sempre que detecta novos dados nas tabelas consultadas pela visualização materializada. As visualizações materializadas são ideais para cenários que exigem dados em tempo real.

Consulte a página de documentação do parâmetro materialized_view para informações sobre suporte a dialetos, requisitos e considerações importantes.

Estratégias de otimização

Como as tabelas derivadas persistentes (PDTs, na sigla em inglês) são armazenadas no seu banco de dados, otimize-as usando as seguintes estratégias, conforme compatível com seu dialeto:

• cluster_keys
• distribution
• distribution_style
• indexes
• partition_keys
• sortkeys

Por exemplo, para adicionar persistência ao exemplo de tabela derivada, configure-o para recompilar quando o grupo de dados orders_datagroup for acionado e adicionar índices em customer_id e first_order, desta forma:

view: customer_order_summary {
  derived_table: {
    explore_source: orders {
      ...
    }
    datagroup_trigger: orders_datagroup
    indexes: ["customer_id", "first_order"]
  }
}

Se você não adicionar um índice (ou um equivalente para seu dialeto), o Looker vai avisar que isso precisa ser feito para melhorar o desempenho da consulta.

Casos de uso das TDPs

As tabelas derivadas persistentes (PDTs, na sigla em inglês) são úteis porque melhoram o desempenho de uma consulta ao manter os resultados em uma tabela.

Como prática recomendada geral, os desenvolvedores precisam tentar modelar dados sem usar PDTs até que seja absolutamente necessário.

Em alguns casos, os dados podem ser otimizados de outras formas. Por exemplo, adicionar um índice ou alterar o tipo de dados de uma coluna pode resolver um problema sem a necessidade de criar uma PDT. Analise os planos de execução de consultas lentas usando a ferramenta Explain do SQL Runner.

Além de reduzir o tempo de consulta e a carga do banco de dados em consultas executadas com frequência, há vários outros casos de uso para PDTs, incluindo:

• Otimizações de teste
• Preencher ou agregar dados

Também é possível usar um PDT para definir uma chave primária nos casos em que não há uma maneira razoável de identificar uma linha exclusiva em uma tabela como uma chave primária.

Como usar PDTs para testar otimizações

É possível usar PDTs para testar diferentes indexações, distribuições e outras opções de otimização sem precisar de muito suporte dos desenvolvedores de DBA ou ETL.

Considere um caso em que você tem uma tabela, mas quer testar índices diferentes. O LookML inicial da visualização pode ser semelhante a este:

view: customer {
  sql_table_name: warehouse.customer ;;
}

Para testar estratégias de otimização, use o parâmetro indexes para adicionar índices ao LookML desta forma:

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]
  }
}

Consulte a visualização uma vez para gerar o PDT. Em seguida, execute as consultas de teste e compare os resultados. Se os resultados forem favoráveis, peça à equipe de DBA ou ETL para adicionar os índices à tabela original.

Não se esqueça de mudar o código da visualização para remover o PDT.

Como usar TDPs para pré-mesclar ou agregar dados

Pode ser útil combinar ou agregar dados previamente para ajustar a otimização de consultas para grandes volumes ou vários tipos de dados.

Por exemplo, suponha que você queira criar uma consulta para clientes por coorte com base em quando eles fizeram o primeiro pedido. Esta consulta pode ser cara para executar várias vezes sempre que os dados forem necessários em tempo real. No entanto, é possível calcular a consulta apenas uma vez e reutilizar os resultados com uma TDP:

view: customer_order_facts {
  derived_table: {
    sql: SELECT
    c.customer_id,
    MIN(o.order_date) OVER (PARTITION BY c.customer_id) AS first_order_date,
    MAX(o.order_date) OVER (PARTITION BY c.customer_id) AS most_recent_order_date,
    COUNT(o.order_id) OVER (PARTITION BY c.customer_id) AS lifetime_orders,
    SUM(o.order_value) OVER (PARTITION BY c.customer_id) AS lifetime_value,
    RANK() OVER (PARTITION BY c.customer_id ORDER BY o.order_date ASC) AS order_sequence,
    o.order_id
    FROM warehouse.customer c LEFT JOIN warehouse.order o ON c.customer_id = o.customer_id
    ;;
    sql_trigger_value: SELECT CURRENT_DATE ;;
    indexes: [customer_id, order_id, order_sequence, first_order_date]
  }
}

Tabelas derivadas em cascata

É possível referenciar uma tabela derivada na definição de outra, criando uma cadeia de tabelas derivadas em cascata ou tabelas derivadas persistentes em cascata (PDTs, na sigla em inglês), conforme o caso. Um exemplo de tabelas derivadas em cascata seria uma tabela, TABLE_D, que depende de outra tabela, TABLE_C, enquanto TABLE_C depende de TABLE_B e TABLE_B depende de TABLE_A.

Observação: antes de configurar tabelas derivadas em cascata, é importante saber como elas são refeitas automaticamente pelo regenerador do Looker e como podem ser refeitas manualmente pelos usuários. Há também outras considerações importantes para a implementação de tabelas persistentes. Todos esses tópicos são abordados mais adiante nesta página.

Sintaxe para fazer referência a uma tabela derivada

Para fazer referência a uma tabela derivada em outra tabela derivada, use esta sintaxe:

`${derived_table_or_view_name.SQL_TABLE_NAME}`

Nesse formato, SQL_TABLE_NAME é uma string literal. Por exemplo, você pode fazer referência à tabela derivada clean_events com esta sintaxe:

`${clean_events.SQL_TABLE_NAME}`

Você pode usar essa mesma sintaxe para se referir a uma visualização do LookML. Novamente, nesse caso, SQL_TABLE_NAME é uma string literal.

Observação: a sintaxe ${derived_table_or_view_name.SQL_TABLE_NAME} não tem suporte no parâmetro sql_trigger de um datagroup. Portanto, não é possível usar uma tabela derivada para acionar um grupo de dados. No entanto, você pode usar a sintaxe ${derived_table_or_view_name.SQL_TABLE_NAME} no parâmetro sql_trigger_value para acionar as reconstruções de PDT.

No próximo exemplo, o PDT clean_events é criado a partir da tabela events no banco de dados. O PDT clean_events exclui linhas indesejadas da tabela de banco de dados events. Em seguida, um segundo PDT é mostrado. O PDT event_summary é um resumo do PDT clean_events. A tabela event_summary é gerada novamente sempre que novas linhas são adicionadas a clean_events.

As PDTs event_summary e clean_events são PDTs em cascata, em que event_summary depende de clean_events, já que event_summary é definido usando a PDT clean_events. Esse exemplo específico poderia ser feito de forma mais eficiente em um único PDT, mas é útil para demonstrar referências de tabelas derivadas.

view: clean_events {
  derived_table: {
    sql:
      SELECT *
      FROM events
      WHERE type NOT IN ('test', 'staff') ;;
    datagroup_trigger: events_datagroup
  }
}

view: events_summary {
  derived_table: {
    sql:
      SELECT
        type,
        date,
        COUNT(*) AS num_events
      FROM
        ${clean_events.SQL_TABLE_NAME} AS clean_events
      GROUP BY
        type,
        date ;;
    datagroup_trigger: events_datagroup
  }
}

Embora nem sempre seja obrigatório, quando você se refere a uma tabela derivada dessa maneira, muitas vezes é útil criar um alias para a tabela usando este formato:

${derived_table_or_view_name.SQL_TABLE_NAME} AS derived_table_or_view_name

O exemplo anterior faz o seguinte:

${clean_events.SQL_TABLE_NAME} AS clean_events

É útil usar um alias porque, nos bastidores, os PDTs são nomeados com códigos longos no banco de dados. Em alguns casos (especialmente com cláusulas ON), é fácil esquecer que é necessário usar a sintaxe ${derived_table_or_view_name.SQL_TABLE_NAME} para recuperar esse nome longo. Um alias pode ajudar a evitar esse tipo de erro.

Como o Looker cria tabelas derivadas em cascata

No caso de tabelas derivadas temporárias em cascata, se os resultados da consulta de um usuário não estiverem no cache, o Looker vai criar todas as tabelas derivadas necessárias para a consulta. Se você tiver um TABLE_D com uma definição que contenha uma referência a TABLE_C, TABLE_D depende de TABLE_C. Isso significa que, se você consultar TABLE_D e a consulta não estiver no cache do Looker, ele vai recriar TABLE_D. Mas primeiro, ele precisa recriar TABLE_C.

Agora, vamos ver um cenário de tabelas derivadas temporárias em cascata em que TABLE_D depende de TABLE_C, que depende de TABLE_B, que depende de TABLE_A. Se o Looker não tiver resultados válidos para uma consulta em TABLE_C no cache, o Looker criará todas as tabelas necessárias para a consulta. Assim, o Looker vai criar TABLE_A, depois TABLE_B e, por fim, TABLE_C:

Nesse cenário, a TABLE_A precisa ser concluída antes que o Looker possa começar a gerar a TABLE_B, e assim por diante, até que a TABLE_C seja concluída e o Looker possa fornecer os resultados da consulta. Como a TABLE_D não é necessária para responder a essa consulta, o Looker não vai recriar a TABLE_D no momento.

Consulte a página de documentação do parâmetro datagroup para conferir um exemplo de cenário de PDTs em cascata que usam o mesmo grupo de dados.

A mesma lógica básica se aplica aos PDTs: o Looker cria qualquer tabela necessária para responder a uma consulta, até a cadeia de dependências. Mas com as TDPs, muitas vezes as tabelas já existem e não precisam ser recriadas. Com consultas de usuário padrão em PDTs em cascata, o Looker recria os PDTs na cascata somente se não houver uma versão válida deles no banco de dados. Se você quiser forçar a recriação de todas as PDTs em uma cascata, recrie manualmente as tabelas de uma consulta usando uma Análise.

É importante entender que, no caso de uma cascata de TDP, uma TDP dependente é essencialmente consultar a TDP de que ela depende. Isso é importante principalmente para PDTs que usam a estratégia persist_for. Normalmente, as TDPs de persist_for são criadas quando um usuário as consulta, permanecem no banco de dados até que o intervalo persist_for esteja ativo e não são recriadas até que sejam consultadas pela próxima vez por um usuário. No entanto, se uma TDP persist_for fizer parte de uma cascata com TDPs baseadas em acionadores (TDPs que usam a estratégia de persistência datagroup_trigger, interval_trigger ou sql_trigger_value), a TDP persist_for será consultada sempre que as TDPs dependentes forem recriadas. Nesse caso, a TDP persist_for será recriada de acordo com a programação das TDPs dependentes. Isso significa que as TDPs de persist_for podem ser afetadas pela estratégia de persistência dos dependentes.

Como recriar manualmente tabelas persistentes para uma consulta

Os usuários podem selecionar a opção Recriar tabelas derivadas Run no menu de uma Análise para substituir as configurações de persistência e recriar todas as tabelas derivadas persistentes (PDTs, na sigla em inglês) e tabelas de agregação necessárias para a consulta atual em Explore:

Essa opção só fica visível para usuários com permissão develop e somente após o carregamento da consulta da guia "Explorar".

A ferramenta Recriar tabelas derivadas e A opção Run recria todas as tabelas persistentes (todas as PDTs e tabelas de agregação) necessárias para responder à consulta, independentemente da estratégia de persistência. Isso inclui todas as tabelas de agregação e PDTs na consulta atual, além de todas as tabelas de agregação e PDTs que são referenciadas pelas tabelas de agregação e PDTs na consulta atual.

No caso de PDTs incrementais, a opção Rebuild Derived Tables & Run (Recriar tabelas derivadas e executar) aciona a criação de um novo incremento. Com PDTs incrementais, um incremento inclui o período especificado no parâmetro increment_key e também o número de períodos anteriores especificados no parâmetro increment_offset, se houver. Consulte a página de documentação PDTs incrementais para conferir alguns exemplos de cenários que mostram como os PDTs incrementais são criados, dependendo da configuração.

No caso de PDTs em cascata, isso significa recriar todas as tabelas derivadas na cascata, começando pela parte de cima. Esse é o mesmo comportamento de quando você consulta uma tabela em uma cascata de tabelas derivadas temporárias:

Observe o seguinte sobre a reconstrução manual de tabelas derivadas:

• Para o usuário que inicia a operação Recriar tabelas derivadas e executar, a consulta vai aguardar a reconstrução das tabelas antes de carregar os resultados. De outros usuários as consultas vão continuar usando as tabelas atuais. Depois que as tabelas persistentes forem recriadas, todos os usuários vão usar as tabelas recriadas. Embora esse processo seja projetado para evitar a interrupção das consultas de outros usuários enquanto as tabelas são recriadas, esses usuários ainda podem ser afetados pela carga adicional no banco de dados. Se o acionamento de uma recriação durante o horário comercial puder sobrecarregar seu banco de dados inaceitável, talvez seja necessário informar aos usuários que eles nunca devem recriar determinadas PDTs ou tabelas de agregação durante esse horário.

• Se um usuário estiver no Modo de Desenvolvimento e a Análise for baseada em uma tabela de desenvolvimento, a seção Recriar tabelas derivadas e Run recriará a tabela de desenvolvimento, não a tabela de produção, para a Análise. No entanto, se a versão do modo de desenvolvimento do recurso "Explore" estiver usando a versão de produção de uma tabela derivada, a tabela de produção será recriada. Consulte Tabelas mantidas no Modo de Desenvolvimento para informações sobre tabelas de desenvolvimento e de produção.

• Nas instâncias hospedadas pelo Looker, se a tabela derivada demorar mais de uma hora para ser recriada, a tabela não será recriada e a sessão do navegador será encerrada. Confira a seção Tempos limite e enfileiramento de consultas na página da documentação Configurações do administrador: consultas para saber mais sobre tempos limite que podem afetar os processos do Looker.

Tabelas persistidas no modo de desenvolvimento

O Looker tem alguns comportamentos especiais para gerenciar tabelas persistentes no modo de desenvolvimento.

Observação :esses comportamentos se aplicam a qualquer tipo de tabela persistente, o que inclui tabelas de agregação e tabelas derivadas persistentes (PDTs).

Se você consultar uma tabela persistente no modo de desenvolvimento sem fazer mudanças na definição dela, o Looker vai consultar a versão de produção dessa tabela. Se você mudar a definição da tabela de modo que afete os dados ou a forma como ela é consultada, uma nova versão de desenvolvimento será criada na próxima consulta da tabela no modo de desenvolvimento. Com essa tabela de desenvolvimento, você pode testar mudanças sem incomodar os usuários finais.

O que faz com que o Looker crie uma tabela de desenvolvimento

Sempre que possível, o Looker usa a tabela de produção atual para responder às consultas, mesmo que você não esteja no modo de desenvolvimento. Mas existem certos casos em que o Looker não pode usar a tabela de produção para consultas no Modo de Desenvolvimento:

• Se a tabela persistente tiver um parâmetro que restrinja o conjunto de dados para trabalhar mais rapidamente no Modo de Desenvolvimento
• Se você fez alterações na definição da tabela persistente que afetam os dados dela

O Looker vai criar uma tabela de desenvolvimento se você estiver no Modo de Desenvolvimento e consultar uma tabela derivada baseada em SQL definida usando uma cláusula WHERE condicional com instruções if prod e if dev.

Observação: isso não acontece com tabelas derivadas nativas com o parâmetro dev_filters. Para tabelas derivadas nativas com dev_filters, o Looker tem a lógica para usar a tabela de produção para responder a consultas no Modo de Desenvolvimento, a menos que você mude a definição da tabela e depois a consulte no Modo de Desenvolvimento.

Para tabelas persistentes que não têm um parâmetro para restringir o conjunto de dados no modo de desenvolvimento, o Looker usa a versão de produção da tabela para responder às consultas no modo de desenvolvimento, a menos que você mude a definição da tabela e consulte a tabela no modo de desenvolvimento. Isso vale para qualquer mudança na tabela que afete os dados ou a forma como ela é consultada.

Confira alguns exemplos de tipos de mudanças que vão fazer com que o Looker crie uma versão de desenvolvimento de uma tabela persistente. O Looker só vai criar a tabela se você consultar a tabela depois de fazer essas mudanças:

• Alterar a consulta na qual a tabela persistente é baseada, como modificar o parâmetro explore_source, sql, query, sql_create ou create_process na própria tabela persistente ou em qualquer tabela necessária (no caso de tabelas derivadas em cascata)
• Alterar a estratégia de persistência da tabela, como modificar o parâmetro datagroup_trigger, sql_trigger_value, interval_trigger ou persist_for
• Mudar o nome do view de uma tabela derivada.
• Como mudar o increment_key ou increment_offset de uma PDT incremental
• Mudar o connection usado pelo modelo associado

Para alterações que não modifiquem os dados da tabela nem afetem a forma como o Looker consulta a tabela, o Looker não vai criar uma tabela de desenvolvimento. O parâmetro publish_as_db_view é um bom exemplo: no modo de desenvolvimento, se você mudar apenas a configuração publish_as_db_view de uma tabela derivada, o Looker não precisará recriar a tabela derivada, portanto, não criará uma tabela de desenvolvimento.

Por quanto tempo o Looker mantém as tabelas de desenvolvimento

Seja qual for a estratégia de persistência real da tabela, o Looker trata as tabelas persistentes de desenvolvimento como se elas tivessem uma estratégia de persistência de persist_for: "24 hours". O Looker faz isso para garantir que as tabelas de desenvolvimento não sejam mantidas por mais de um dia, já que um desenvolvedor do Looker pode consultar muitas iterações de uma tabela durante o desenvolvimento e sempre que uma nova tabela de desenvolvimento é criada. Para evitar que as tabelas de desenvolvimento sobrecarreguem o banco de dados, o Looker aplica a estratégia persist_for: "24 hours" para garantir que as tabelas sejam limpas do banco de dados com frequência.

Caso contrário, o Looker cria tabelas derivadas permanentes (PDTs) e tabelas de agregação no Modo de Desenvolvimento da mesma forma que cria tabelas persistentes no Modo de Produção.

Se uma tabela de desenvolvimento é mantida no seu banco de dados quando você implanta alterações em uma PDT ou em uma tabela agregada, o Looker pode usá-la como a tabela de produção. Assim, os usuários não precisam esperar que a tabela seja criada ao consultá-la.

Ao implantar as mudanças, talvez a tabela ainda precise ser recriada para ser consultada na produção, dependendo da situação:

• Se já se passaram mais de 24 horas desde que você consultou a tabela no modo de desenvolvimento, a versão de desenvolvimento da tabela é marcada como expirada e não é usada para consultas. É possível verificar TDPs não criadas usando o ambiente de desenvolvimento integrado do Looker ou a guia Desenvolvimento da página Tabelas derivadas permanentes. Se você tiver PDTs não criados, poderá consultar esses PDTs no modo de desenvolvimento antes de fazer as mudanças para que a tabela de desenvolvimento esteja disponível para uso na produção.
• Se uma tabela persistente tiver o parâmetro dev_filters (para tabelas derivadas nativas) ou a cláusula WHERE condicional que usa as instruções if prod e if dev (para tabelas derivadas baseadas em SQL), a tabela de desenvolvimento não poderá ser usada como a versão de produção, porque a versão de desenvolvimento tem um conjunto de dados abreviado. Se esse for o caso, depois de terminar de desenvolver a tabela e antes de implantar as alterações, você pode comentar o parâmetro dev_filters ou a cláusula condicional WHERE e consultar a tabela no Modo de Desenvolvimento. O Looker vai criar uma versão completa da tabela que pode ser usada para produção quando você implantar as alterações.

Caso contrário, se você implantar as mudanças quando não houver uma tabela de desenvolvimento válida que possa ser usada como a tabela de produção, o Looker a recriará na próxima vez que a tabela for consultada no Modo de Produção (para tabelas persistentes que usam a estratégia persist_for) ou na próxima vez que o regenerador for executado (para tabelas persistentes que usam datagroup_trigger, interval_trigger ou sql_trigger_value).

Como verificar TDPs não criadas no Modo de Desenvolvimento

Se uma tabela de desenvolvimento for mantida no banco de dados quando você implantar mudanças em uma tabela derivada persistente (PDT, na sigla em inglês) ou uma tabela agregada, o Looker poderá usar a tabela de desenvolvimento como a tabela de produção para que os usuários não precisem esperar pela criação da tabela ao consultar. Consulte as seções Por quanto tempo o Looker persiste nas tabelas de desenvolvimento e O que faz com que o Looker crie uma tabela de desenvolvimento nesta página para mais detalhes.

Portanto, é ideal que todos os PDTs sejam criados quando você implantar na produção para que as tabelas possam ser usadas imediatamente como as versões de produção.

Verifique se há TDPs não criadas no seu projeto no painel Integridade do projeto. Clique no ícone Integridade do projeto no ambiente de desenvolvimento integrado do Looker para abrir o painel Integridade do projeto. Em seguida, clique no botão Validar o status de TDP.

Se houver TDPs não criados, o painel Saúde do projeto vai listá-los:

Se você tiver permissão see_pdts, clique no botão Acessar o gerenciamento de TDPs. O Looker vai abrir a guia Desenvolvimento da página Tabelas derivadas persistentes e filtrar os resultados para seu projeto específico do LookML. A partir daí, é possível ver quais TDPs de desenvolvimento foram criadas ou não, além de acessar outras informações de solução de problemas. Consulte a página de documentação Configurações de administrador - Tabelas derivadas persistentes para mais informações.

Depois de identificar um TDP não criado no seu projeto, você pode criar uma versão de desenvolvimento abrindo uma Análise que consulta a tabela e usando a opção Recriar e executar tabelas derivadas no menu "Análise". Consulte a seção Recriar manualmente tabelas persistentes para uma consulta nesta página.

Observação :se uma tabela persistente for uma tabela derivada baseada em SQL e for definida usando uma cláusula condicional WHERE com instruções if prod e if dev, não será possível usar a versão de desenvolvimento da tabela para produção, porque ela tem um conjunto de dados abreviado. Consulte a seção Por quanto tempo o Looker mantém as tabelas de desenvolvimento nesta página para mais informações. Para tabelas derivadas nativas com o parâmetro dev_filters, o Looker usa a tabela de produção para responder a consultas no modo de desenvolvimento, a menos que você mude a definição da tabela e consulte a tabela no modo de desenvolvimento. Consulte a seção O que faz com que o Looker crie uma tabela de desenvolvimento nesta página de documentação.

Compartilhamento e limpeza de tabelas

Em qualquer instância do Looker, ele vai compartilhar tabelas persistidas entre usuários se elas tiverem a mesma definição e a mesma configuração de método de persistência. Além disso, se a definição de uma tabela deixar de existir, o Looker vai marcar a tabela como expirada.

Isso traz vários benefícios:

• Se você não tiver feito alterações em uma tabela no Modo de Desenvolvimento, suas consultas usarão as tabelas de produção existentes. Isso acontece, a menos que sua tabela seja uma tabela derivada baseada em SQL e definida usando uma cláusula WHERE condicional com instruções if prod e if dev. Se a tabela for definida com uma cláusula WHERE condicional, o Looker vai criar uma tabela de desenvolvimento se você consultar a tabela no modo de desenvolvimento. Para tabelas derivadas nativas com o parâmetro dev_filters, o Looker tem a lógica de usar a tabela de produção para responder a consultas no modo de desenvolvimento, a menos que você mude a definição da tabela e consulte a tabela no modo de desenvolvimento.
• Se dois desenvolvedores fizerem a mesma alteração em uma tabela no modo de desenvolvimento, eles vão compartilhar a mesma tabela de desenvolvimento.
• Depois de enviar as alterações do Modo de Desenvolvimento para o Modo de Produção, a definição de produção antiga não existe mais. Portanto, a tabela de produção antiga será marcada como expirada e será descartada.
• Se você decidir descartar as alterações do Modo de desenvolvimento, essa definição de tabela não vai mais existir. Portanto, as tabelas de desenvolvimento desnecessárias serão marcadas como expiradas e descartadas.

Como trabalhar mais rápido no Modo de Desenvolvimento

Há situações em que a tabela derivada persistente (PDT, na sigla em inglês) que você está criando leva muito tempo para ser gerada, o que pode ser demorado se você estiver testando muitas mudanças no Modo de desenvolvimento. Nesses casos, solicite que o Looker crie versões menores de uma tabela derivada quando estiver no Modo de Desenvolvimento.

Nas tabelas derivadas nativas, é possível usar o subparâmetro dev_filters de explore_source para especificar filtros aplicados somente a versões de desenvolvimento da tabela derivada:

view: e_faa_pdt {
  derived_table: {
  ...
    datagroup_trigger: e_faa_shared_datagroup
    explore_source: flights {
      dev_filters: [flights.event_date: "90 days"]
      filters: [flights.event_date: "2 years", flights.airport_name: "Yucca Valley Airport"]
      column: id {}
      column: airport_name {}
      column: event_date {}
    }
  }
...
}

Este exemplo inclui um parâmetro dev_filters que filtra os dados para os últimos 90 dias e um parâmetro filters que filtra os dados para os últimos dois anos e para o aeroporto de Yucca Valley.

O parâmetro dev_filters atua com o parâmetro filters para que todos os filtros sejam aplicados à versão de desenvolvimento da tabela. Se dev_filters e filters especificarem filtros para a mesma coluna, dev_filters terá precedência para a versão de desenvolvimento da tabela. Neste exemplo, a versão de desenvolvimento da tabela filtra os dados dos últimos 90 dias do aeroporto de Yucca Valley.

Para tabelas derivadas com base em SQL, o Looker oferece suporte a uma cláusula WHERE condicional com diferentes opções para versões de produção (if prod) e de desenvolvimento (if dev) da tabela:

view: my_view {
  derived_table: {
    sql:
      SELECT
        columns
      FROM
        my_table
      WHERE
        -- if prod -- date > '2000-01-01'
        -- if dev -- date > '2020-01-01'
      ;;
  }
}

Neste exemplo, a consulta incluirá todos os dados a partir de 2000 no Modo de Produção, mas somente os dados a partir de 2020 no Modo de Desenvolvimento. Usar esse recurso estrategicamente para limitar seu conjunto de resultados e aumentar a velocidade das consultas pode facilitar muito a validação das alterações do Modo de Desenvolvimento.

Observação: se uma tabela persistente tiver o parâmetro dev_filters ou a cláusula condicional WHERE, a tabela de desenvolvimento não poderá ser usada como a versão de produção, porque ela tem um conjunto de dados abreviado. Se esse for o caso, depois de terminar de desenvolver a tabela e antes de implantar as alterações, você pode comentar o parâmetro dev_filters ou a cláusula condicional WHERE e consultar a tabela no Modo de Desenvolvimento. O Looker vai criar uma versão completa da tabela que pode ser usada para produção quando você implantar as alterações. Consulte a seção Por quanto tempo o Looker mantém as tabelas de desenvolvimento nesta página para mais detalhes sobre o uso de tabelas de desenvolvimento na produção.

Como o Looker cria TDPs

Depois que uma tabela derivada persistente (PDT) é definida e é executada pela primeira vez ou acionada pelo regenerador para reconstrução de acordo com a estratégia de persistência, o Looker segue estas etapas:

1. Use o SQL da tabela derivada para criar e executar uma instrução CREATE TABLE AS SELECT (ou CTAS). Por exemplo, para recriar um PDT chamado customer_orders_facts: CREATE TABLE tmp.customer_orders_facts AS SELECT ... FROM ... WHERE ...
2. Emita as instruções para criar os índices quando a tabela for criada
3. Renomeie a tabela de LC$.. ("Criação do Looker") para LR$.. ("Leitura do Looker"), para indicar que a tabela está pronta para uso
4. Exclua qualquer versão mais antiga da tabela que não esteja mais em uso.

Há algumas implicações importantes:

• O SQL que forma a tabela derivada precisa ser válido em uma instrução CTAS.
• Os aliases de coluna no conjunto de resultados da instrução SELECT precisam ser nomes de coluna válidos.
• Os nomes usados ao especificar distribuição, chaves de classificação e índices precisam ser os nomes das colunas listados na definição SQL da tabela derivada, não os nomes dos campos definidos no LookML.

O regenerador do Looker

O regenerador do Looker verifica o status e inicia a recriação de tabelas persistidas por gatilho. Uma tabela com gatilho permanente é uma tabela derivada persistente (PDT, na sigla em inglês) ou uma tabela agregada que usa um gatilho como estratégia de persistência:

• Para tabelas que usam sql_trigger_value, o acionador é uma consulta especificada no parâmetro sql_trigger_value da tabela. O regenerador do Looker aciona uma recriação da tabela quando o resultado da verificação da consulta de gatilho mais recente é diferente do resultado da verificação da consulta de gatilho anterior. Por exemplo, se a tabela derivada for mantida com a consulta SQL SELECT CURDATE(), o regenerador do Looker a recriará na próxima vez que verificar o acionador após a mudança da data.
• Para tabelas que usam interval_trigger, o acionador é um período especificado no parâmetro interval_trigger da tabela. O regenerador do Looker aciona uma recriação da tabela quando o tempo especificado passa.
• Para tabelas que usam datagroup_trigger, o acionador pode ser uma consulta especificada no parâmetro sql_trigger do grupo de dados associado ou um período especificado no parâmetro interval_trigger do grupo de dados.

O regenerador do Looker também inicia reconstruções de tabelas persistidas que usam o parâmetro persist_for, mas somente quando a tabela persist_for é uma dependência em cascata de uma tabela persistida por gatilho. Nesse caso, o regenerador do Looker vai iniciar as recriações de uma tabela persist_for, já que ela é necessária para recriar as outras na cascata. Caso contrário, o regenerador não monitora tabelas persistentes que usam a estratégia persist_for.

O ciclo do regenerador do Looker começa em um intervalo regular configurado pelo administrador do Looker na configuração Datagroup and PDT Maintenance Schedule na conexão do banco de dados (o padrão é um intervalo de cinco minutos). No entanto, o regenerador do Looker não inicia um novo ciclo até concluir todas as verificações e recriações de PDT do ciclo anterior. Isso significa que, se você tiver builds de PDT de longa duração, o ciclo do regenerador do Looker poderá não ser executado com a frequência definida na configuração Programação de manutenção de PDT e grupos de dados. Outros fatores podem afetar o tempo necessário para recriar suas tabelas, conforme descrito na seção Considerações importantes para a implementação de tabelas persistentes nesta página.

Quando a criação de uma TDP falha, o regenerador pode tentar recriar a tabela no próximo ciclo:

• Se a configuração Repetir builds de PDT com falha estiver ativada na conexão do seu banco de dados, o regenerador do Looker vai tentar recriar a tabela durante o próximo ciclo, mesmo que a condição de acionamento da tabela não seja atendida.
• Se a configuração Repetir builds de TDP com falha estiver desativada, o regenerador do Looker não tentará recriar a tabela até que a condição de acionamento da TDP seja atendida.

Se um usuário solicitar dados da tabela mantida enquanto ela estiver sendo criada e os resultados da consulta não estiverem no cache, o Looker verificará se a tabela atual ainda é válida. A tabela anterior pode não ser válida se não for compatível com a nova versão, o que pode acontecer se a nova tabela tiver uma definição diferente, usar uma conexão de banco de dados diferente ou tiver sido criada com uma versão diferente do Looker. Se a tabela atual ainda for válida, o Looker vai retornar dados dela até que a nova seja criada. Caso contrário, se a tabela atual não for válida, o Looker vai fornecer os resultados da consulta assim que a nova tabela for recriada.

Considerações importantes para a implementação de tabelas persistentes

Considerando a utilidade das tabelas persistidas (PDTs e tabelas agregadas), é fácil acumular muitas delas na sua instância do Looker. É possível criar um cenário em que o regenerador do Looker precisa criar muitas tabelas ao mesmo tempo. Especialmente com tabelas em cascata ou tabelas de longa duração, é possível criar um cenário em que as tabelas têm um longo atraso antes da recriação ou em que os usuários enfrentam um atraso na obtenção dos resultados da consulta de uma tabela enquanto o banco de dados trabalha duro para gerar a tabela.

O regenerador do Looker verifica se é necessário recriar as tabelas persistidas por gatilho. O ciclo da regeneração é definido em um intervalo regular definido pelo administrador do Looker na configuração Programação de manutenção de PDT e grupo de dados na conexão do banco de dados. O padrão é um intervalo de cinco minutos.

Diversos fatores podem afetar o tempo necessário para recriar suas tabelas:

• O administrador do Looker pode ter alterado o intervalo das verificações do gatilho do regenerador usando a configuração Datagroup and PDT Maintenance Schedule na conexão do banco de dados.
• O regenerador do Looker não inicia um novo ciclo até concluir todas as verificações e recriações de PDT do último ciclo. Portanto, se você tem builds de PDT de longa duração, o ciclo do regenerador do Looker pode não ser tão frequente quanto a configuração Programação de manutenção de PDT e grupos de dados.
• Por padrão, o regenerador pode iniciar a reconstrução de uma TDP ou tabela de agregação por vez em uma conexão. Um administrador do Looker pode ajustar o número permitido de reconstruções simultâneas do regenerador usando o campo Número máximo de conexões do criador de PDT nas configurações de uma conexão.
• Todas as TDPs e tabelas de agregação acionadas pelo mesmo datagroup serão recriadas durante o mesmo processo. Isso pode ser uma carga pesada se você tiver muitas tabelas usando o grupo de dados, diretamente ou como resultado de dependências em cascata.

Além das considerações anteriores, há também algumas situações em que você deve evitar adicionar persistência a uma tabela derivada:

• Quando as tabelas derivadas forem expandidas, cada extensão de um PDT vai criar uma nova cópia da tabela no seu banco de dados.
• Quando as tabelas derivadas usam filtros de modelo ou parâmetros líquidos: não há suporte para a persistência de tabelas derivadas que usam filtros de modelo ou parâmetros líquidos.
• Quando tabelas derivadas nativas são criadas com base em Análises que usam atributos do usuário com access_filters ou sql_always_where, cópias da tabela são criadas no seu banco de dados para cada possível valor de atributo do usuário especificado.
• Quando os dados subjacentes mudam com frequência e o dialeto do banco de dados não é compatível com TDPs incrementais.
• Quando o custo e o tempo envolvidos na criação de PDTs são muito altos.

Dependendo do número e da complexidade das tabelas persistidas na conexão do Looker, a fila pode conter muitas tabelas persistidas que precisam ser verificadas e recriadas em cada ciclo. Portanto, é importante considerar esses fatores ao implementar tabelas derivadas na sua instância do Looker.

Como gerenciar TDPs em grande escala com uma API

O monitoramento e o gerenciamento de tabelas derivadas permanentes (PDTs) que são atualizadas em programações variadas se tornam cada vez mais complexos à medida que você cria mais PDTs na instância. Considere usar a integração do Apache Airflow do Looker para gerenciar as programações de PDT com outros processos de ETL e ELT.

Monitoramento e solução de problemas de PDTs

Se você usa tabelas derivadas persistentes (PDTs, na sigla em inglês) e, principalmente, PDTs cascatas, é útil conferir o status delas. Use a página de administrador Tabelas derivadas permanentes do Looker para conferir o status das PDTs. Consulte a página de documentação Configurações de administrador: tabelas derivadas persistentes para mais informações.

Ao tentar resolver problemas de TDPs:

• Preste atenção especial à distinção entre tabelas de desenvolvimento e tabelas de produção ao investigar o log de eventos de PDT.
• Verifique se não foram feitas mudanças no esquema inicial em que o Looker armazena tabelas derivadas persistentes. Se houver mudanças, talvez seja necessário atualizar as configurações de Conexão na seção Administrador do Looker e, possivelmente, reiniciar o Looker para restaurar a funcionalidade normal do PDT.
• Determine se há problemas com todas as TDPs ou apenas com uma. Se houver algum problema com um deles, é provável que seja causado por um erro do LookML ou do SQL.
• Determine se os problemas com a TDP correspondem aos horários em que ela está programada para ser recriada.
• Verifique se todas as consultas sql_trigger_value foram avaliadas e se retornam apenas uma linha e coluna. Para TDPs baseadas em SQL, execute no SQL Runner (link em inglês). A aplicação de um LIMIT protege contra consultas descontroladas. Para mais informações sobre como usar o SQL Runner para depurar tabelas derivadas, consulte a postagem da comunidade Como usar o SQL Runner para testar tabelas derivadas .
• Para PDTs baseados em SQL, use o SQL Runner para verificar se o SQL da PDT é executado sem erros. Aplique um LIMIT no SQL Runner para manter os tempos de consulta razoáveis.
• Para tabelas derivadas baseadas em SQL, evite usar expressões de tabela comuns (CTEs, na sigla em inglês). O uso de CTEs com DTs cria instruções WITH aninhadas que podem fazer com que as PDTs falhem sem aviso. Em vez disso, use o SQL da CTE para criar uma DT secundária e referenciá-la na primeira DT usando a sintaxe ${derived_table_or_view_name.SQL_TABLE_NAME}.
• Verifique se as tabelas em que a TDP do problema depende, sejam elas normais ou TDPs, existem e podem ser consultadas.
• Verifique se as tabelas em que o PDT do problema depende não têm bloqueios compartilhados ou exclusivos. Para que o Looker crie uma TDP, ele precisa adquirir um bloqueio exclusivo na tabela a ser atualizada. Isso vai entrar em conflito com outras fechaduras compartilhadas ou exclusivas que estão na tabela. O Looker não poderá atualizar a PDT até que todos os outros bloqueios sejam apagados. O mesmo vale para qualquer bloqueio exclusivo na tabela em que o Looker está criando um PDT. Se houver um bloqueio exclusivo em uma tabela, o Looker não poderá adquirir um bloqueio compartilhado para executar consultas até que o bloqueio exclusivo seja limpo.
• Use o botão Show Processes no SQL Runner. Se houver um grande número de processos ativos, isso poderá atrasar os tempos de consulta.
• Monitore os comentários da consulta. Consulte a seção Comentários da consulta sobre PDTs nesta página.

Consultar comentários de TDPs

Os administradores de bancos de dados conseguem diferenciar facilmente consultas normais daquelas que geram tabelas derivadas persistentes (PDTs). O Looker adiciona comentários à instrução CREATE TABLE ... AS SELECT ... que inclui o modelo e a visualização do LookML da PDT, além de um identificador exclusivo (slug) para a instância do Looker. Se o PDT estiver sendo gerado em nome de um usuário no modo de desenvolvimento, os comentários vão indicar o ID do usuário. Os comentários da geração de TDPs seguem este padrão:

-- Building `<view_name>` in dev mode for user `<user_id>` on instance `<instance_slug>`
CREATE TABLE `<table_name>` SELECT ...
-- finished `<view_name>` => `<table_name>`

O comentário de geração de PDT vai aparecer na guia SQL de uma Análise se o Looker tiver que gerar um PDT para a consulta da Análise. O comentário aparecerá na parte superior da instrução SQL.

Por fim, o comentário da geração de TDPs aparece no campo Mensagem na guia Informações do pop-up Detalhes da consulta para cada consulta na página de administração de Consultas.

Como recriar TDPs após uma falha

Quando uma tabela derivada persistente (PDT, na sigla em inglês) falha, acontece o seguinte quando ela é consultada:

• O Looker vai usar os resultados no cache se a mesma consulta tiver sido executada anteriormente. Consulte a página de documentação Armazenamento em cache de consultas para uma explicação de como isso funciona.
• Se os resultados não estiverem no cache, o Looker extrairá resultados da PDT no banco de dados, caso exista uma versão válida da TDP.
• Se não houver uma TDP válida no banco de dados, o Looker tentará recriá-la.
• Se a TDP não puder ser recriada, o Looker vai retornar um erro para uma consulta. O regenerador do Looker vai tentar recriar a PDT na próxima vez que ela for consultada ou na próxima vez que a estratégia de persistência da PDT acionar uma recriação.

Com TDPs em cascata, a mesma lógica se aplica, exceto que com TDPs em cascata:

• A falha na criação de uma tabela impede a criação das TDPs na cadeia de dependência.
• Uma TDP dependente está essencialmente consultando a TDP de que ela depende, então a estratégia de persistência de uma tabela pode acionar recriações das TDPs para cima na cadeia.

Voltando ao exemplo anterior de tabelas em cascata, em que TABLE_D depende de TABLE_C, que depende de TABLE_B, que depende de TABLE_A:

Se TABLE_B tiver uma falha, todo o comportamento padrão (não em cascata) será aplicado a TABLE_B: se TABLE_B for consultado, o Looker tentará usar o cache para retornar resultados, depois tentará usar uma versão anterior da tabela, se possível, tentará recriá-la e, por fim, retornará um erro se TABLE_B não conseguir recriar. O Looker vai tentar reconstruir TABLE_B novamente quando a tabela for consultada ou quando a estratégia de persistência da tabela acionar uma reconstrução.

O mesmo vale para os dependentes de TABLE_B. Portanto, se TABLE_B não puder ser criado e houver uma consulta em TABLE_C:

• O Looker vai tentar usar o cache para a consulta em TABLE_C.
• Se os resultados não estiverem no cache, o Looker vai tentar extrair os resultados de TABLE_C no banco de dados.
• Se não houver uma versão válida de TABLE_C, o Looker vai tentar recriar a TABLE_C, que cria uma consulta em TABLE_B.
• O Looker vai tentar recriar o TABLE_B, o que falhará se o TABLE_B não tiver sido corrigido.
• Se TABLE_B não puder ser recriado, TABLE_C também não poderá ser recriado. Portanto, o Looker vai retornar um erro para a consulta em TABLE_C.
• O Looker vai tentar recriar a TABLE_C de acordo com a estratégia de persistência normal ou na próxima vez que a PDT for consultada, o que inclui a próxima tentativa de criação de TABLE_D, já que TABLE_D depende de TABLE_C.

Depois de resolver o problema com TABLE_B, TABLE_B e cada uma das tabelas dependentes vão tentar ser recriadas de acordo com as estratégias de persistência ou na próxima vez que forem consultadas, o que inclui a próxima vez que um PDT dependente tentar recriar. Ou, se uma versão de desenvolvimento das PDTs na cascata tiver sido criada no Modo de Desenvolvimento, as versões de desenvolvimento poderão ser usadas como as novas PDTs de produção. Consulte a seção Tabelas mantidas no Modo de Desenvolvimento nesta página para saber como isso funciona. Também é possível usar uma Análise para executar uma consulta em TABLE_D e, em seguida, recriar manualmente as PDTs para a consulta, o que forçará a recriação de todas as PDTs que sobem a cascata de dependências.

Como melhorar a performance do PDT

Quando você cria tabelas derivadas persistentes (PDTs, na sigla em inglês), o desempenho pode ser uma preocupação. Especialmente quando a tabela é muito grande, a consulta pode ser lenta, assim como em qualquer tabela grande do seu banco de dados.

Para melhorar o desempenho, filtre os dados ou controle como os dados na PDT são classificados e indexados.

Como adicionar filtros para limitar o conjunto de dados

Em conjuntos de dados particularmente grandes, ter muitas linhas vai atrasar as consultas em uma tabela derivada persistente (PDT). Se você geralmente consulta apenas dados recentes, considere adicionar um filtro à cláusula WHERE da PDT que limite a tabela a até 90 dias de dados. Dessa forma, somente dados relevantes serão adicionados à tabela sempre que ela for recriada, o que fará com que a execução de consultas seja muito mais rápida. Em seguida, é possível criar uma PDT maior e separada para análise histórica, permitindo consultas rápidas de dados recentes e a capacidade de consultar dados antigos.

Como usar indexes ou sortkeys e distribution

Ao criar uma grande tabela derivada persistente (PDT), indexar a tabela (para dialetos como MySQL ou Postgres) ou adicionar chaves de classificação e distribuição (para Redshift) pode ajudar no desempenho.

Geralmente, é melhor adicionar o parâmetro indexes aos campos de ID ou data.

No Redshift, geralmente é melhor adicionar o parâmetro sortkeys nos campos de ID ou data e o parâmetro distribution no campo usado para a mesclagem.

Configurações recomendadas para melhorar o desempenho

As configurações a seguir controlam como os dados na tabela derivada persistente (PDT) são classificados e indexados. Estas configurações são opcionais, mas altamente recomendadas:

• Para o Redshift e o Aster, use o parâmetro distribution para especificar o nome da coluna cujo valor é usado para espalhar os dados por um cluster. Quando duas tabelas são mescladas pela coluna especificada no parâmetro distribution, o banco de dados pode encontrar os dados de mesclagem no mesmo nó, minimizando a E/S entre nós.
• No Redshift, defina o parâmetro distribution_style como all para instruir o banco de dados a manter uma cópia completa dos dados em cada nó. Isso é usado com frequência para minimizar a E/S entre nós quando tabelas relativamente pequenas são agrupadas. Defina esse valor como even para instruir o banco de dados a espalhar os dados uniformemente pelo cluster sem usar uma coluna de distribuição. Esse valor só pode ser especificado quando distribution não está especificado.
• Para o Redshift, use o parâmetro sortkeys. Os valores especificam quais colunas do PDT são usadas para classificar os dados no disco e facilitar a pesquisa. No Redshift, você pode usar sortkeys ou indexes, mas não ambos.
• Na maioria dos bancos de dados, use o parâmetro indexes. Os valores especificam quais colunas da PDT são indexadas. No Redshift, os índices são usados para gerar chaves de classificação intercaladas.