在项目中进行开发时，您可能会在探索或 LookML 验证器中看到如下错误：
Measures with Looker aggregations (sum, average, min, max, list types) may not reference other measures.
此错误是由汇总指标在其 LookML 定义中引用其他汇总或任何类型的指标所致，例如：
SELECT AVG((COUNT(*)) ) AS users.average_count FROM demo_db.users AS users
此类 SQL 语句会在 SQL 中生成双重或嵌套聚合 - 大多数 SQL 方言无法进行双重聚合或嵌套聚合，因此此类尝试会触发错误。
解决方案
有两种可能的解决方案：
使用非汇总指标
非汇总测量值（例如 type: yesno 和 type: number）是唯一可以引用其他测量值或汇总的测量值。非汇总测量值不会执行任何汇总，因此不会执行双重汇总或嵌套汇总。type: number 或 type: yesno 的测量值用作占位符，以便在其中引用其他测量值或测量值组合。
例如，type: number 中的测量值用于在测量值之间执行计算，并接受任何可产生数字或整数的有效 SQL 表达式。
以下示例使用 type: number 计算所有订单被取消的百分比：
measure: order_count { # Base measure #1
type: count
sql: ${order_id} ;;
}
measure: cancelled_orders { # Base measure #2
type: count
filters: [status: "Cancelled"]
}
measure: percent_cancelled_orders { # New measure
type: number
sql: (1.0*${cancelled_orders})/ISNULL(${order_count},0) ;;
}
使用派生表进行双重或嵌套汇总
但如果执行分析需要嵌套汇总，该怎么办？例如，如果您需要了解客户在其生命周期内平均支出的金额（“平均客户生命周期价值”），该怎么办？这需要进行两级（重复或嵌套）聚合，包括：
-
按客户对销售额进行汇总
-
该总和的平均值
如需使用 LookML 实现此目的，您可以尝试：
measure: total_revenue {
type: sum
sql: ${sale_price} ;;
}
measure: avg_customer_lifetime_value {
type: average
sql: ${total_revenue} ;;
}
不过，这会触发错误，因为 avg_customer_lifetime_value 指标对 total_revenue 指标执行了汇总，而 total_revenue 指标本身就是汇总指标。如前所述，如果在查询中使用双重或嵌套汇总，大多数 SQL 方言都会触发错误。
如需在 SQL 中计算 total_revenue 求和的平均值，需要使用如下子查询：
SELECT AVG(s.sum) FROM (SELECT SUM(x) as sum FROM ...) AS s
在 Looker 中，等效的解决方案是创建一个派生表，将 total_lifetime_value 测量值“展平”为可汇总的字段。在 Looker 中，这称为对测量值进行维度化处理。使用派生表时，total_lifetime_value 测量值会变为维度。然后，您可以创建一个引用 customer_lifetime_value 维度的 type: average 衡量标准：
view: customer_facts {
derived_table: {
sql:
SELECT
user_id,
COALESCE(SUM(sale_price), 0) AS customer_lifetime_value
FROM orders
GROUP BY user_id;;
}
dimension: customer_lifetime_value {
type: number
sql: ${TABLE}."customer_lifetime_value" ;;
}
measure: average_customer_lifetime_value {
type: average
sql: ${customer_lifetime_value} ;;
}
}
将 customer_facts 派生表联接到“探索”后，您就可以使用 average_customer_lifetime_value 测量参数在“探索”中执行所需的分析，而不会触发任何错误。