PDTs incrementais

No Looker, as tabelas derivadas persistentes (PDTs, na sigla em inglês) são gravadas no esquema do zero do seu banco de dados. O Looker persiste e recria uma PDT com base na estratégia de persistência. Quando uma TDP é acionada para recriação, o Looker recria a tabela inteira por padrão.

Um PDT incremental é um PDT que o Looker cria anexando dados novos à tabela em vez de recriar a tabela por completo:

Se o dialeto for compatível com PDTs incrementais, você poderá transformar os seguintes tipos de PDTs em incrementais:

• Tabelas de agregação
• PDTs baseadas em LookML (nativas)
• PDTs com base em SQL

Na primeira vez que você executa uma consulta em um PDT incremental, o Looker cria o PDT inteiro para receber os dados iniciais. Se a tabela for grande, o build inicial pode levar um tempo significativo, assim como a criação de qualquer tabela grande. Depois que a tabela inicial for criada, os builds subsequentes serão incrementais e levarão menos tempo, se a PDT incremental for configurada de forma estratégica.

Observe o seguinte para PDTs incrementais:

• As PDTs incrementais só são compatíveis com as que usam uma estratégia de persistência baseada em acionadores (datagroup_trigger, sql_trigger_value ou interval_trigger). Elas não são compatíveis com as que usam a estratégia de persistência persist_for.
• Para PDTs baseadas em SQL, a consulta de tabela precisa ser definida usando o parâmetro sql para ser usado como um PDT incremental. Não é possível criar de forma incremental PDTs baseados em SQL que são definidos com o parâmetro sql_create ou create_process. Como você pode ver no Exemplo 1 desta página, o Looker usa um comando INSERT ou MERGE para criar os incrementos de uma PDT incremental. Não é possível definir a tabela derivada usando instruções personalizadas de linguagem de definição de dados (DDL), porque o Looker não consegue determinar quais instruções DDL são necessárias para criar um incremento preciso.
• A tabela de origem do PDT incremental precisa ser otimizada para consultas baseadas em tempo. Especificamente, a coluna baseada em tempo usada para a chave de incremento precisa ter uma estratégia de otimização, como particionamento, chaves de ordenação, índices ou qualquer estratégia de otimização compatível com seu dialeto. A otimização da tabela de origem é altamente recomendada porque, sempre que a tabela incremental é atualizada, o Looker consulta a tabela de origem para determinar os valores mais recentes da coluna baseada em tempo usada para a chave de incremento. Se a tabela de origem não estiver otimizada para essas consultas, a consulta do Looker para os valores mais recentes poderá ser lenta e cara.

Como definir um PDT incremental

Use os seguintes parâmetros para transformar um PDT em um PDT incremental:

• increment_key (obrigatório para tornar o PDT um PDT incremental): define o período de tempo em que novos registros precisam ser consultados.
• {% incrementcondition %} Filtro líquido (necessário para tornar um PDT baseado em SQL um PDT incremental; não aplicável a PDTs baseados em LookML): conecta a chave de incremento à coluna de tempo do banco de dados em que ela se baseia. Consulte a página de documentação do increment_key para mais informações.
• increment_offset (opcional): um número inteiro que define o número de períodos de tempo anteriores (na granularidade da chave de incremento) que são reconstruídos para cada build incremental. O parâmetro increment_offset é útil no caso de dados atrasados, em que períodos anteriores podem ter novos dados que não foram incluídos quando o incremento correspondente foi criado e anexado ao PDT.

Consulte a página de documentação do parâmetro increment_key para conferir exemplos de como criar PDTs incrementais de tabelas derivadas nativas persistentes, tabelas derivadas persistentes baseadas em SQL e tabelas agregadas.

Confira um exemplo simples de um arquivo de visualização que define um PDT incremental baseado em LookML:

view: flights_lookml_incremental_pdt {
  derived_table: {
    indexes: ["id"]
    increment_key: "departure_date"
    increment_offset: 3
    datagroup_trigger: flights_default_datagroup
    distribution_style: all
    explore_source: flights {
      column: id {}
      column: carrier {}
      column: departure_date {}
    }
  }

  dimension: id {
    type: number
  }
  dimension: carrier {
    type: string
  }
   dimension: departure_date {
    type: date
  }
}

Essa tabela será criada na primeira vez que uma consulta for executada nela. Depois disso, o PDT será recriado em incrementos de um dia (increment_key: departure_date), voltando três dias (increment_offset: 3).

A chave de incremento é baseada na dimensão departure_date, que é o date timeframe do grupo de dimensão departure. Consulte a página de documentação do parâmetro dimension_group para ter uma visão geral de como os grupos de dimensão funcionam. O grupo de dimensão e o período são definidos na visualização flights, que é o explore_source desse PDT. Confira como o grupo de dimensão departure é definido no arquivo de visualização flights:

...
  dimension_group: departure {
    type: time
    timeframes: [
      raw,
      date,
      week,
      month,
      year
    ]
    sql: ${TABLE}.dep_time ;;
  }
...

Interação de parâmetros de incremento e estratégia de persistência

As configurações increment_key e increment_offset de uma PDT são independentes da estratégia de persistência dela:

• A estratégia de persistência do PDT incremental determina apenas quando o PDT é incrementado. O Criador de PDT não modifica o PDT incremental, a menos que a estratégia de persistência da tabela seja acionada ou que o PDT seja acionado manualmente com a opção Recriar tabelas derivadas e executar em uma Análise detalhada.
• Quando o PDT é incrementado, o builder do PDT determina quando os dados mais recentes foram adicionados à tabela, em termos do incremento de tempo mais recente (o período definido pelo parâmetro increment_key). Com base nisso, o construtor de PDT trunca os dados para o início do incremento de tempo mais recente na tabela e cria o incremento mais recente a partir daí.
• Se o PDT tiver um parâmetro increment_offset, o criador de PDT também vai recriar o número de períodos anteriores especificados no parâmetro increment_offset. Os períodos anteriores são contados a partir do início do incremento de tempo mais recente (o período definido pelo parâmetro increment_key).

Os exemplos de cenários a seguir ilustram como as TDPs incrementais são atualizadas, mostrando a interação de increment_key, increment_offset e estratégia de persistência.

Exemplo 1

Este exemplo usa um PDT com estas propriedades:

• Chave de incremento: data
• Incremento do deslocamento: 3
• Estratégia de persistência: acionada uma vez por mês no primeiro dia do mês

Confira como essa tabela será atualizada:

• Uma estratégia de persistência mensal significa que a tabela é gerada automaticamente uma vez por mês. Isso significa que, em 1º de junho, por exemplo, a última linha da tabela foi adicionada em 1º de maio.
• Como esse PDT tem uma chave de incremento com base na data, o criador de PDT trunca 1º de maio de volta ao início do dia e recria os dados de 1º de maio até o dia atual, 1º de junho.
• Além disso, esse PDT tem um deslocamento de incremento de 3. Assim, o Criador de PDT também recria os dados dos três períodos anteriores (dias) antes de 1º de maio. Como resultado, os dados são recriados para 28, 29 e 30 de abril e até o dia 1º de junho.

Em termos de SQL, este é o comando que o Criador de PDTs vai executar em 1º de junho para determinar as linhas do PDT atual que precisam ser recriadas:

## Example SQL for BigQuery:
SELECT FORMAT_TIMESTAMP('%F %T',TIMESTAMP_ADD(MAX(pdt_name),INTERVAL -3 DAY))

## Example SQL for other dialects:
SELECT CAST(DATE_ADD(MAX(pdt_name),INTERVAL -3 DAY) AS CHAR)

E este é o comando SQL que o builder do PDT vai executar em 1º de junho para criar o incremento mais recente:

## Example SQL for BigQuery:

MERGE INTO [pdt_name] USING (SELECT [columns]
   WHERE created_at >= TIMESTAMP('4/28/21 12:00:00 AM'))
   AS tmp_name ON FALSE
WHEN NOT MATCHED BY SOURCE AND created_date >= TIMESTAMP('4/28/21 12:00:00 AM')
   THEN DELETE
WHEN NOT MATCHED THEN INSERT [columns]

## Example SQL for other dialects:

START TRANSACTION;
DELETE FROM [pdt_name]
   WHERE created_date >= TIMESTAMP('4/28/21 12:00:00 AM');
INSERT INTO [pdt_name]
   SELECT [columns]
   FROM [source_table]
   WHERE created_at >= TIMESTAMP('4/28/21 12:00:00 AM');
COMMIT;

Exemplo 2

Este exemplo usa um PDT com estas propriedades:

• Estratégia de persistência: acionada uma vez por dia
• Chave de incremento: mês
• Incremento do deslocamento: 0

Confira como essa tabela será atualizada em 1º de junho:

• A estratégia de persistência diária significa que a tabela é gerada automaticamente uma vez por dia. No dia 1º de junho, a última linha da tabela vai ter sido adicionada em 31 de maio.
• Como a chave de incremento é baseada no mês, o Criador de PDT vai truncar de 31 de maio até o início do mês e recriar os dados de todo o mês de maio até o dia atual, incluindo 1º de junho.
• Como essa TDP não tem um incremento de deslocamento, nenhum período anterior é recriado.

Confira como essa tabela será atualizada em 2 de junho:

• No dia 2 de junho, a última linha da tabela vai ter sido adicionada em 1º de junho.
• Como o construtor de PDT trunca de volta ao início do mês de junho e recria os dados a partir de 1º de junho até o dia atual, os dados são recriados apenas para 1º e 2 de junho.
• Como essa TDP não tem um incremento de deslocamento, nenhum período anterior é recriado.

Exemplo 3

Este exemplo usa um PDT com estas propriedades:

• Chave de incremento: mês
• Incremento do deslocamento: 3
• Estratégia de persistência: acionada uma vez por dia

Este cenário ilustra uma configuração inadequada para uma PDT incremental, já que é uma PDT de acionamento diário com um deslocamento de três meses. Isso significa que pelo menos três meses de dados serão reconstruídos todos os dias, o que seria um uso muito ineficiente de um PDT incremental. No entanto, é um cenário interessante para entender como os PDTs incrementais funcionam.

Confira como essa tabela será atualizada em 1º de junho:

• A estratégia de persistência diária significa que a tabela é gerada automaticamente uma vez por dia. Por exemplo, no dia 1º de junho, a última linha da tabela foi adicionada em 31 de maio.
• Como a chave de incremento é baseada no mês, o Criador de PDT vai truncar de 31 de maio até o início do mês e recriar os dados de todo o mês de maio até o dia atual, incluindo 1º de junho.
• Além disso, esse PDT tem um deslocamento de incremento de 3. Isso significa que o criador de PDT também recria os dados dos três períodos anteriores (meses) antes de maio. O resultado é que os dados são recriados a partir de fevereiro, março, abril e até o dia atual, 1º de junho.

Confira como essa tabela será atualizada em 2 de junho:

• No dia 2 de junho, a última linha da tabela vai ter sido adicionada em 1º de junho.
• O Criador de PDT trunca o mês de volta para 1º de junho e recria os dados do mês de junho, incluindo 2 de junho.
• Além disso, devido ao incremento de deslocamento, o Criador de PDT vai recriar os dados dos três meses anteriores a junho. Como resultado, os dados são reconstruídos de março, abril, maio e até a data atual, 2 de junho.

Como testar um PDT incremental no modo de desenvolvimento

Antes de implantar um PDT incremental no ambiente de produção, teste-o para garantir que ele seja criado e incrementado. Para testar um PDT incremental no modo de desenvolvimento:

1. Crie um recurso "Explorar" para o TDP:

   • Em um arquivo de modelo associado, use o parâmetro include para incluir o arquivo de visualização do PDT no arquivo de modelo.
   • No mesmo arquivo de modelo, use o parâmetro explore para criar uma Análise detalhada para a visualização incremental de PDT.

    include: "/views/e_faa_pdt.view"
    explore: e_faa_pdt {}
   

2. Abra a seção "Explorar" do PDT. Para fazer isso, selecione o botão Conferir ações de arquivo e escolha um nome de Análise.

Dica: depois de incluir a visualização no arquivo de modelo e criar uma Análise detalhada, você pode navegar diretamente para a Análise detalhada no arquivo de visualização ou modelo no projeto do LookML. Para fazer isso, selecione o menu See file actions ⏷ na parte de cima do arquivo LookML.

1. Na seção "Análise", selecione algumas dimensões ou medições e clique em Gerar. O Looker vai criar o PDT inteiro. Se esta for a primeira consulta que você executar no PDT incremental, o Criador de PDT vai criar o PDT inteiro para receber os dados iniciais. Se a tabela for grande, o build inicial pode levar um tempo significativo, assim como a criação de qualquer tabela grande.

2. É possível verificar se o PDT inicial foi criado das seguintes maneiras:

   • Se você tiver a permissão see_logs, poderá verificar se a tabela foi criada no Registro de eventos do PDT. Se você não encontrar os eventos de criação da TDP no log de eventos da TDP, verifique as informações de status na parte de cima da análise detalhada do log de eventos da TDP. Se a mensagem for "do cache", selecione Limpar cache e atualizar para receber informações mais recentes.
   • Caso contrário, você pode conferir os comentários na guia SQL da barra Dados da Análise detalhada. A guia SQL mostra a consulta e as ações que serão realizadas quando você executar a consulta no recurso "Explorar". Por exemplo, se os comentários na guia SQL mostrarem -- generate derived table e_incremental_pdt,essa será a ação que será realizada quando você clicar em Run.

3. Depois de criar o build inicial do PDT, solicite um build incremental do PDT usando a opção Recriar e executar tabelas derivadas no Explore.

4. Você pode usar os mesmos métodos para verificar se o PDT é criado de forma incremental:

   • Se você tiver a permissão see_logs, poderá usar o registro de eventos do PDT para conferir eventos create increment complete do PDT incremental. Se você não encontrar esse evento no registro de eventos do PDT e o status da consulta mostrar "do cache", selecione Limpar cache e atualizar para ter informações mais recentes.
   • Confira os comentários na guia SQL da barra Dados da Análise. Nesse caso, os comentários vão indicar que o PDT foi incrementado. Por exemplo: -- increment persistent derived table e_incremental_pdt to generation 2

5. Depois de verificar se o PDT foi criado e está sendo incrementado corretamente, se você não quiser manter a Análise dedicada para o PDT, remova ou comente os parâmetros explore e include do arquivo de modelo.

Depois que o PDT for criado no modo de desenvolvimento, a mesma tabela será usada para produção quando você implantar as mudanças, a menos que você faça outras mudanças na definição da tabela. Consulte a seção Tabelas persistidas no modo de desenvolvimento da página de documentação Tabelas derivadas no Looker 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 precisa oferecer suporte a comandos da linguagem de definição de dados (DDL) que permitem excluir e inserir linhas.

A tabela a seguir mostra quais dialetos oferecem suporte a PDTs incrementais na versão mais recente do Looker. Para o Databricks, as PDTs incrementais têm suporte apenas na versão 12.1 e mais recentes do Databricks:

Dialeto	Compatível?
Actian Avalanche	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+	Não
Apache Hive 2.3 ou mais recente	Não
Apache Hive 3.1.2 ou mais recente	Não
Apache Spark 3 ou mais recente	Não
ClickHouse	Não
Cloudera Impala 3.1 ou mais recente	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
Firebolt	Não
SQL legado do Google BigQuery	Não
SQL padrão do Google BigQuery	Sim
PostgreSQL do Google Cloud	Sim
Google Cloud SQL	Não
Google Spanner	Não
Greenplum	Sim
HyperSQL	Não
IBM Netezza	Não
MariaDB	Não
Microsoft Azure PostgreSQL	Sim
Banco de dados SQL do Microsoft Azure	Não
Microsoft Azure Synapse Analytics	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+	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