amazon-redshift - Google 数据洞察中日期维度的 COUNT DISTINCT 聚合不准确

Question

当我使用 上的日期维度聚合 Google 数据洞察中的值时PostgreSQL 连接器 ，我看到了错误的行为。症状是执行COUNT(DISTINCT)返回与 COUNT() 相同的值:



我的理论是，它与计数已经发生后发生的数据聚合有关。如果我尝试对导出的 中的相同数据进行完全相同的聚合CSV 而不是直接来自 PostgreSQL 连接器 数据源，问题不复现:



我的 PostgreSQL 连接器 正在连接到 亚马逊 Redshift ( jdbc:postgresql://*******.eu-west-1.redshift.amazonaws.com ) 使用以下自定义查询:

SELECT
  userid,
  submissionid,
  date
FROM mytable

解决方法

如果我停止使用默认 date日期维度的字段并直接在 SQL 查询 ( date_byweek ) 中聚合我自己的日期，即 COUNT(DISTINCT)聚合按预期工作:

SELECT
  userid,
  submissionid,
  to_char(date,'YYYY-IW') as date_byweek
FROM mytable

虽然这个变通方法解决了我眼前的问题，但它很糟糕，因为我错过了 Data Studio 提供的所有日期功能(层次结构钻取、日期范围过滤等)。更不用说降低我对产品中其他可能存在“问题”的信心了😞

如何繁殖

如果您想重新创建问题，请使用以下数据作为 PostgreSQL 数据源应该足够了:

> SELECT * FROM mytable
  userid  submissionid
-------- -------------
       1             1
       2             2
       1             3
       1             4
       3             5

> COUNT(DISTINCT userid) -- ERROR:    Returns 5 when data source is PostgreSQL
> COUNT(DISTINCT userid) -- EXPECTED: Returns 3 when data source is CSV (exported from same PostgreSQL query above)

Answer 1

我很高兴地报告，截至 2020 年 9 月 17 日，有一个解决方法。
DataStudio 添加了 DATETIME_TRUNC函数(参见此处 https://support.google.com/datastudio/answer/9729685? )，它允许您添加一个自定义字段，将原始日期截断为您想要的任何粒度，而不会导致明显的错误。
尝试在报告中设置显示粒度仍然会导致错误(即，您仍将设置 Oct 1 2020 12:00:00 而不是 Oct 2020)。
这可以通过创建一个 SECOND 自定义字段来解决，它只返回第一个，然后您可以将 IT 添加到报表中，更改显示粒度，一切正常。