LOD算法其一：fixed的含义及其用法

LOD算法的全称是详细级别表达式（level of detail expressisons）。它主要是为了克服一些表达式之间的计算粒度不一致的问题。例如，我们在回答一个简单的问题的时候：我想知道每个人的身高与平均身高之间的差别。通常，为了得到结果，我们需要进行两步查询，第一步，查出所有人的平均身高：SELECT AVG() FROM humans ，假设该值为H；第二步，将每个人的身高减去这个平均值: SELECT - H FROM humans；

这是一个两步的过程，如果想使用一个表达式完成这个查询该怎么做呢？它的过程就会比较复杂：

SELECT all. -avg.H

FROM humans as all

JOIN (SELECT AVG() as H FROM humans) as avg

而LOD就是相当于实现了后者的过程，以便用户在一个简单的表达式内就简单的可以实现这个需求： [身高]- {FIXED : AVG([身高])}

详细级别表达式可以解答非常多这类的问题，比如单日销售额和月总计销售额的占比如何，总售出超过100万元的产品是来自哪些订单……凡是明细粒度和聚合粒度不一致，但是却又需要比较的场景，我们都可以通过LOD简单的实现。

再举一个例子，有数的表格如下

如上图，假设我们需要求省级别的总和，我们只需要做成如下

那如果我们需要做成

该如何实现这个本省之和呢？

这就引入fixed做跨粒度计算，本省之和= {FIXED [省份]:SUM(额度)}

这样就相当于在省份的粒度上对额度求和了。这样也就容易计算各城市额度占省份之比等各类指标。

扩展阅读1：

假设我在省份的面前加上一个日期维度：

可以看到这里的维度其实是不对了，因为我们要求杭州在8-1号的省占比，其实应该是100/（100+150）而不是100/(100+150+200)。

所以此时需要将计算字段改为{FIXED [日期],[省份]:SUM(额度)}；

扩展阅读2：

由于fixed语法其实是利用了一个子查询，如

SELECT all. -avg.H

FROM humans as all

JOIN (SELECT AVG() as H FROM humans) as avg

那么如果我在界面上添加了一个过滤器比如 性别筛选器=男，那么这个查询会变成什么样呢？如下：

SQL1:

SELECT all. -avg.H

FROM humans where SEX="男" as all

JOIN (SELECT AVG() as H FROM humans) as avg

但其实我们需要求男性平均身高差其实应该是

SQL2:

SELECT all. -avg.H

FROM humans where SEX="男" as all

JOIN (SELECT AVG() as H FROM humans where SEX="男") as avg

这个时候就需要将我们的性别筛选器的优先级提升，勾选其“优先筛选”才可以做到SQL2的效果。

FIXED的优先级可以查看此文：

fixed 和include 的异同？各筛选功能的优先级？