如何在Looker中使用BigQuery HLL(HyperLogLog)函数相关问题咨询

1. respondents_hll字段应定义为维度还是度量 #

优先定义为度量。HLL（HyperLogLog）是基数近似计算的中间聚合结果，不属于可用于维度分类的离散属性，完全匹配Looker中度量「用于聚合计算的统计值」的定位。仅当你有特殊的HLL片段筛选、比对需求时，才需要将其定义为维度，常规统计场景下度量是最优选择。

2. 度量模式下跨分组层级的使用方法 #

你需要在LookML的度量定义中调用BigQuery原生的HLL_COUNT.MERGE函数，即可实现任意分组层级的正确聚合，不会丢失HLL原有含义与精度，示例配置如下：

measure: approximate_respondent_count {
  type: number
  sql: HLL_COUNT.MERGE(${TABLE}.respondents_hll) ;;
  description: "基于预计算HLL的受访者近似去重计数，支持任意维度分组上卷"
}

配置完成后，无论你在Explore/仪表盘中按国家、国家+城市、时间等任意维度分组，或者直接统计全量数据，BigQuery都会自动合并对应分组下的所有HLL片段，输出该层级下的准确近似去重结果。

3. 维度模式下的分组逻辑说明 #

若强制将respondents_hll定义为维度，Looker默认会将完全一致的HLL二进制值识别为同一个维度分组项。此时你无法直接通过维度得到更高层级的聚合结果，必须额外定义调用HLL_COUNT.MERGE的度量，才能合并同分组下的多个HLL片段得到对应层级的近似计数值。

提示：该模式会增加额外的查询计算开销，无特殊需求时不推荐将HLL字段定义为维度使用。

内容的提问来源于stack exchange，提问作者iPrithvi