Chris
2020-12-23 22:08:02
答案很简单：
将所有源数据连接在一起，并将其写入BigQuery的一个平面表中，该表包含与OLAP Cube中的数据源视图相同的信息。然后，Tableau连接到该表。来自多维数据集的“度量”逻辑在Tableau中实现为计算，表列为维。
复制测量值时需要注意一些事项，因为“数据源视图”中的1：n关系会导致平面表中的数据倍增。可以通过在测量定义中正确使用区分功能（例如“区分计数”）来解决此问题。
该表最终将变得很大，但是对它的查询却非常快，与具有与在Tableau中使用多维数据集相同的用户体验的OLAP多维数据集相比，性能得到了提高。
热门帖子
热门github
1
2
4
The Python Risk Identification Tool for generative AI (PyRIT) is an open access automation framework to empower security professionals and machine learning engineers to proactively find risks in their generative AI systems.
(翻译：用于生成式 AI 的 Python 风险识别工具 (PyRIT) 是一个开放式访问自动化框架，使安全专业人员和机器学习工程师能够主动发现其生成式 AI 系统中的风险。)
5
7
8
9
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention.
(翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)
10
11
13
大的，扁平的，非规范化的表可以非常快速地在分析数据库上查询。但是您不能只连接所有内容：您需要仔细考虑连接的结构，以使生成的表每行具有正确的详细级别。就像您说的那样，这需要小心，但无需过多的努力即可完成。