Hjälp om Tableau Desktop och webbredigering

Med flerfaktorsrelationer kan du bygga datakällor med fler än en bastabell. Genom att använda flera bastabeller i din datamodell kan du utföra analys av flera faktatabeller i Tableau.

Genom att etablera träd av tabeller, med rot i en bastabell, kan du modellera datastrukturer med olika konceptuella domäner och använda deras delade egenskaper för att koppla ihop dem. Den här typen av analys kallas ofta för analys av flera faktatabeller, samordnade dimensioner eller delade dimensioner. I Tableau kallar vi det en datamodell med flerfaktorsrelationer, eftersom du använder relationer för att bygga den. En datamodell med flerfaktorsrelationer innehåller alltid flera bastabeller. Bastabellerna är tabellerna längst till vänster i datamodellen. Mer information om hur du avgör vilka tabeller som ska användas som bastabeller finns i När ska en datamodell för relationer mellan faktatabeller användas?.

En modell med flera bastabeller och ett bastabells träd markerat.

Nivåer av släktskap

Datamodeller med flera bastabeller har stor flexibilitet för hur databitar kan vara relaterade – eller inte relaterade – till varandra.

Obs! Släktskap på alla nivåer är endast relevant i datamodeller med flera bastabeller. Innan datamodeller med flerfaktorsrelationer fanns var antingen allt relaterat (en enda datakälla) eller så var ingenting relaterat (blandning mellan flera olika datakällor).

Släktskap i datamodellen

Tabeller är relaterade, orelaterade eller delade baserat på datamodellens struktur. I en datakälla är tabellernas släktskap en konstant. En kort översikt: 

• Relaterade tabeller finns i samma träd.
  • Innan 2024.2 var alla datakällor enskilda bastabelldatakällor bestående av ett enda träd och i en enskild bastabelldatakälla är alla tabeller relaterade.
• Orelaterade tabeller finns i olika träd. Bastabeller är alltid orelaterade till varandra. Tabeller som är nedströms om exakt en bastabell är inte heller relaterade till tabeller i andra träd.
• Delade tabeller har flera inkommande relationer och tillhör fler än ett träd.
  • Tabeller nedströms från en tabell med flera inkommande relationer anses också vara delade.

Släktskap under analys

Fält kan vara relaterade, orelaterade eller tvetydigt relaterade eller så kan de fungera som sammanfogningsfält. Släktskapet mellan en grupp av fält bestäms ark för ark, baserat på datamodellens struktur, vilka fält som används aktivt (dvs. vilka fält som finns i visualiseringen som fält på hyllor) och om dessa fält är dimensioner eller mätvärden.  

Om du vill göra en visualisering med fält från flera olika tabeller måste Tableau utföra kopplingar bakom kulisserna för att beräkna värdena. Vilken typ av koppling som används beror på fältens släktskap. En kort översikt: 

• När relaterade fält används i en visualisering har dimensionerna inre koppling och mätvärden delas upp efter dimensionerna.
  • Det är egentligen lite mer komplicerat än så – ytterligare kopplingar kan behövas bakom kulisserna för att säkerställa att inga mätvärden utelämnas. Men i en visualisering med endast dimensioner har relaterade dimensioner inre koppling och det är huvudkonceptet här.
  • Det är samma beteende som modeller med en bastabell.
• När orelaterade fält används i en visualisering har dimensionerna korskoppling. Mätvärden är tabellomfattade (dvs. aggregerade lokalt till ett enda värde för hela tabellen) och upprepas.
  • Det är också möjligt för fält att vara tvetydigt relaterade, vilket innebär att det finns fler än en lösning för relationerna mellan tabellerna vid kombinationen av aktiva fält. Om Tableau stöter på tvetydighet behandlas fälten som orelaterade.
• När fält är sammanfogade baserat på ett delat fält har dimensionerna yttre koppling. Mätvärden aggregeras på den dimensionsnivå som de kan delas upp efter och kan upprepas.
  • Sammanfogningsdimensioner liknar länkningsfält vid datakombination. Resultaten beräknas för varje par av relaterade fält och därefter sammanfogas de orelaterade värdena över de delade värdena för dimensionen som delas mellan dem.

Alla dessa begrepp och definitioner diskuteras i mer detalj senare i det här ämnet.

Släktskapsindikatorer på fältnivå

Det finns flera visuella ledtrådar som kan hjälpa dig att förstå graden av släktskap för fält som du använder i en analys.

Släktskapsindikatorer i ett kalkylblad

• Ikon för orelaterat fält: Tableau använder en ikon för orelaterat fält för att indikera att allt i vyn inte är relaterat. Om du ser en ikon för orelaterat fält på ett fält i vyn eller i rutan Data kan du hovra över ikonen för att få mer information.
• Fältnamn i ljusgrått: Fältnamn visas i ljusgrå text i rutan Data när de inte är relaterade till några fält som används på hyllor. Du kan fortfarande använda de här fälten för analys i visualiseringen, men orelaterade fält utvärderas annorlunda vid analys än fält som är relaterade. När du hovrar över de här fälten visar de också en ikon för orelaterat fält.

Obs! I tidigare versioner av Tableau indikerade ljusgrå fältnamn att fälten var dolda och att alternativet Visa dolda fält var valt. Dolda fält indikeras nu med en klickbar ögonikon när de visas.

Dialogruta för släktskapsvarning

När orelaterade fält används tillsammans i en visualisering visar Tableau en varningsdialogruta för att informera dig om att fälten inte är relaterade. Det här meddelandet visas varje gång du lägger till ett orelaterat fält för att påminna dig om att validera användningen av orelaterade fält i din analys. Varningsmeddelandet hindrar dig inte från att fortsätta, men det kan hjälpa till att undvika potentiella prestandaproblem. Användning av orelaterade fält med hög kardinalitet kan till exempel resultera i korskopplingar som påverkar prestandan i arbetsboken.

Klicka på Lägg till för att fortsätta lägga till fältet i visualiseringen. Om du inte vill se meddelandet igen väljer du alternativet Visa inte detta igen. Du kan alltid få dessa varningsmeddelanden att börja visas igen genom att aktivera dem igen: Öppna menyn Hjälp > Inställningar och prestanda > Återställ ignorerade meddelanden.

Om flera fält läggs till eller redan finns i vyn visas området Information i dialogrutan. Expandera den för att visa mer information om släktskapet mellan alla fält som används och identifiera varifrån orelaterandeproblemet kommer.

Släktskap på tabellnivå i datamodellen

I en datamodell med flera bastabeller definierar varje bastabell en uppsättning tabeller som är relaterade och tillsammans bildar ett konceptuellt träd. De här träden måste vara sammankopplade med minst en delad tabell för att säkerställa att den övergripande datakällan är en och samma enhet.

Det som tidigare kan ha varit två datakällor som kunde blandas med länkningsfält kan nu vara en enda datakälla med två träd, sammankopplade av de delade tabellerna som innehåller dessa gemensamma fält.

Tips: Hur tabeller är relaterade i datamodellen påverkar hur deras fält kan relateras i analysen. Det kan vara användbart att gå tillbaka till fliken Datakälla under analysen för att se hur en tabell passar in i den övergripande datamodellen.

Låt oss gå igenom vilka tabeller som är relaterade, orelaterade eller delade med hjälp av den här exempeldatakällan. Det finns två träd – ett etablerat av bastabell Table A och ett av bastabell Table B.

Orelaterade tabeller

Bastabeller är i grunden orelaterade. På samma sätt är tabeller som bara finns i ett enda träd inte relaterade till tabeller i andra träd.

Table A och Table X är inte relaterade	Table B och Table X är inte relaterade

Relaterade tabeller

Tabeller i samma träd anses vara relaterade.

Table A och Table S är relaterade	Table B och Table S är relaterade (till och med Table A)

Delade tabeller

Delade tabeller har flera inkommande relationer. De här tabellerna tillhör flera träd och delas mellan dem.

Table S och Table T är delade.

Släktskap på fältnivå i analysen

Släktskapet mellan fält bestäms ark för ark, baserat på datamodellens struktur, vilka fält som används aktivt (dvs. vilka fält som finns i visualiseringen som fält på hyllor) och om dessa fält är dimensioner eller mätvärden. Information om hur fältsläktskap påverkar resultaten av en visualisering finns in nästa avsnitt.

Låt oss gå igenom några scenarier med samma exempeldatakälla. Varje fälts namn anger vilken tabell det kommer från, till exempel FieldB från Table B. Fält kan vara dimensioner eller mätvärden, om inte annat anges.

Relaterade fält

På en hög nivå är fält relaterade när Tableau tydligt kan bestämma hur de ska utvärderas tillsammans baserat på en relationsväg inom ett enda träd.

Till exempel är FieldB (från Table B) och FieldS (från Table S) relaterade.

Orelaterade fält

På en hög nivå är fält orelaterade i alla fall som de inte är relaterade. Det kan bero på att fälten kommer från orelaterade tabeller, till exempel om fält från två olika bastabeller används. I ett sådant fall är fält från olika bastabeller i grunden orelaterade.

Till exempel är FieldA och FieldX inte relaterade.

Eller så kan fält behandlas som orelaterade vid en viss tidpunkt, till exempel i fall med tvetydigt relaterande. För det mesta kan du lita på att släktskapsindikatorer varnar dig när fält inte är relaterade i samband med en visualisering.

Sammanfoga fält

Tableau utvärderar fält från orelaterade tabeller i en datamodell för flera faktatabeller under analys med hjälp av sammanfogning. Om du använder en dimension från en delad tabell i en visualisering sammanfogas annars orelaterade fält och gör att de kan utvärderas samtidigt i samma visualisering. Se det här som att sammanställa resultat från två träd baserat på en dimension som de delar.

Om en visualisering till exempel byggs med FieldA och FieldX är dessa två fält inte relaterade. Om du lägger till DimensionS skapas ett sammanfogat fält.

• FieldA och DimensionS utvärderas tillsammans.
• FieldX och DimensionS utvärderas tillsammans.
• Dessa mellanliggande resultat sammanställs baserat på värdena för DimensionS.
• FieldA och FieldX är nu sammanfogade.

Tips: En bästa praxis är att använda ett sammanfogat fält i visualiseringen innan du lägger till ett orelaterat fält. Lägg till exempel till DimensionS först, eller FieldA följt av DimensionS följt av FieldX, i stället för FieldA följt av FieldX följt av DimensionS. Att lägga till det sammanfogade fältet först säkerställer att Tableau alltid är medvetet om hur det ska utvärdera relationerna och undviker potentiella prestandaproblem till följd av att orelaterade dimensioner utvärderas tillsammans.

Sammanfogning kräver en dimension från en delad tabell för att vara aktiv i visualiseringen. Fält som placeras på hyllan Filter eller egenskapen Verktygstips på kortet Markeringar anses inte vara aktiva för syftet att sammanfoga.

Tvetydigt relaterade fält

Fält kan också vara tvetydigt relaterade. Det händer när det finns fler än en möjlig relation mellan två delade tabeller (eller tabeller nedströms från en delad tabell) och kan ses som ännu inte relaterad i samband med en visualisering.

Vi tar FieldS och FieldT som exempel. Deras tabeller är relaterade till varandra både genom trädet som definieras av bastabell Table A och genom trädet som definieras av bastabell Table X.

I en visualisering med bara FieldS och FieldT är det oklart vilket träd som ska användas för att relatera dem. Utan ytterligare information kan Tableau inte utvärdera om de här fälten ska relateras till bastabell Table A:s träd eller bastabell Table B:s träd.

FieldS och FieldT är tvetydigt relaterade – det finns flera potentiella relationer.

Tvetydigt relaterade fält utvärderas som orelaterade fält eftersom Tableau inte tydligt kan avgöra deras relationsväg. Till skillnad från faktiskt orelaterade fält kan tvetydigt relaterade fält lösas och fälten kan vara direkt relaterade.

Lösa tvetydighet

Du kan lösa en tvetydighet genom att lägga till ett fält för att fastställa vilket träd som ska användas.

Exempel:

• Om du lägger till ett fält från Table A, B eller C i en visualisering med FieldS och FieldT blir bastabell Table A:s träd aktivt och tvetydigheten mellan FieldS och FieldT löses.
• Att använda ett fält från Table X löser även tvetydigheten mellan FieldS och FieldT till bastabell Table X:s träd.

Tvetydigt relaterande	Tvetydighet löst till ett enda träd
	Relaterande genom bastabell Table A	Relaterande genom bastabell Table X

Att lösa tvetydighet liknar att använda LOD-uttrycket (detaljnivån) FIXED. Med LOD-uttryck FIXED berättar du för Tableau vilken detaljnivå som ska aggregeras till genom att definiera dimensionen. Tvetydighet löses genom att ändra visualiseringens struktur för att göra endast ett träd aktivt, vilket talar om för Tableau vilka relationsvägar som kan övervägas för att utföra analysen.

Sammanfogning kontra att lösa tvetydigheter

Sammanfogning och att lösa tvetydigheter är båda sätt att hantera orelaterande, men de har olika resultat:

Sammanfogning	Att lösa tvetydigheter
Orelaterat FieldA och FieldX sammanfogas med DimensionS	FieldS och FieldT utvärderas genom trädet som definieras av bastabell Table A
Sammanställer orelaterade fält baserat på delade attribut	Begränsar vilken relationsväg som ska användas när det finns flera alternativ
Använder logik med flera bastabeller för att beräkna resultat	Använder logik med en bastabell för att beräkna resultat
Analysen involverar orelaterade tabeller	Analysen involverar delade tabeller

Så här används kopplingar för varje nivå av släktskap

Efter att släktskapet på fältnivå har fastställts måste Tableau utvärdera resultaten för att skapa den faktiska visualiseringen. Frågorna som används för att beräkna värdena som visas i en visualisering är beroende av kopplingar. Huruvida fält är relaterade, orelaterade eller sammanfogade har olika inverkan på vilka kopplingar som utförs. Kom ihåg att tvetydigt relaterade fält behandlas som orelaterade i det här sammanhanget.

I syfte att förklara släktskap och kopplingar omfattar det här avsnittet exempel på tabeller och deras fält samt värdena i dessa fält. Tänk på följande datamodell med två bastabeller – Classes och Clubs– och en delad tabell – Students.

Classes	Clubs	Students
Fält: Class, en dimension med värdena Nesting Basics, Advanced Songs, Flying for Fledglings och Alarm Calls 101 Length, ett mätvärde Student, en dimension som används för att relatera till tabellen Student	Fält: Club, en dimension med värdena Photography, Travel, Juggling, Art och First Aid Dues, ett mätvärde Student, en dimension som används för att relatera till tabellen Student	Fält: Bus Rider, en dimension med värdet ja eller nej Student, en dimension med värdena Finch, Cardinal, Sparrow, Robin och Jay. Används för att relatera till de andra två tabellerna. Age, ett mätvärde

Den här mycket enkla modellen illustrerar hur kopplingslogiken på hög nivå beräknas för datamodeller med fleraktorsrelationer. Mer information om grunderna för kopplingar som används i datamodeller med en bastabell byggda på relationer finns i Så här fungerar analyser med datakällor med flera tabeller som använder relationer.

Relaterade dimensioner använder inre kopplingar

Relaterade dimensioner har inre kopplingar. Inre kopplingar utelämnar alla dimensionsvärden som inte delas mellan båda tabellerna.

• Tableau använder ytterligare logik för att säkerställa att mätvärden inte går förlorade. I det här avsnittet använder vi endast dimensioner för att visa hur Tableau tillämpar inre kopplingar på relaterade dimensioner.

Följande exempel visar hur relaterade dimensioner endast returnerar rader som finns i datan. Inga studenter ska vara med på lektionen Alarm Calls 101, så den finns inte med i resultaten. Cardinal och Jay är inte med på några lektioner, så de finns inte heller med i resultaten.

Orelaterade dimensioner använder korskopplingar

Orelaterade dimensioner – på egen hand, utan en sammanfogningsdimension – har korskopplingar.

I en korskoppling kombineras varje värde från en dimension med varje värde från den andra dimensionen, även om en resulterande kombination faktiskt inte finns i datan. I det här exemplet lägger korskopplingen till en rad för varje möjlig kombination av Class och Club.

Det är viktigt att kunna identifiera när en korskoppling inträffar i din analys. Även om det finns en rad för Advanced Songs + First Aid i resultattabellen för korskopplingen, är det i verkligheten inga elever som deltar i den här kombinationen av aktiviteter (vi kommer att se bevis på det här i sammanfogningsexemplet i nästa avsnitt).

Varför är det viktigt att inse att inte alla resultat för korskoppling baseras på data? Föreställ dig att du försöker skapa ett schema för lektioner och klubbar, så att inga aktiviteter ska krocka för eleverna. Det finns inga elever som deltar i både Advanced Songs och First Aid, så du kan ignorera det resultatet och schemalägga den lektionen och den klubben samtidigt. Korskopplingen representerar inte endast kombinationer av värden som faktiskt finns i datan.

Sammanfogade dimensioner använder yttre kopplingar

Orelaterade dimensioner – vid förekomst av en sammanfogningsdimension – har yttre kopplingar.

I det här exemplet är både tabellen Classes och tabellen Clubs relaterade till den delade tabellen Students, men inte till varandra – så fälten Class och Club är inte relaterade. Genom att lägga till dimensionen Student kan Tableau veta vilka värden från Class och vilka värden från Club som ska sammanställas i analysen. Vi kallar det här beteendet med yttre kopplingar för sammanfogning.

Sammanfogning liknar datakombination på så sätt att det finns mellanliggande resultat som sammanförs för de övergripande resultaten. Till skillnad från datakombination är sammanfogning dock en yttre koppling, inte en vänsterkoppling, och utelämnar inte värden från någon sida. Det finns inget koncept med primära eller sekundära datakällor när allt är en och samma datakälla, så båda de orelaterade fälten ges samma prioritet.

Mellanliggande resultat har yttre koppling

Vad ingår i en yttre koppling för sammanfogade fält? En omedelbar inre koppling beräknas i tur och ordning för vart och ett av de orelaterade fälten och sammanfogningsfältet. Därefter sammanfogas de mellanliggande resultaten utifrån sammanfogningsdimensionens värden.

Exempel

En inre koppling för Student och Class ...

... och en inre koppling för Student och Klubb ...

... får därefter en yttre koppling till Student.

Ytterligare kopplingar för att behålla mätvärden

Utöver kopplingslogiken för dimensioner kan mätvärden införa ytterligare kopplingar. När relationer först introducerades i Tableau var en av kärnprinciperna att mätvärden inte går förlorade. Detta upprätthålls också i datamodeller med flerfaktorsrelationer.

Grundläggande information:

• Mätvärden är endast uppdelade efter relaterade dimensioner.
• Mätvärden upprepas för orelaterade dimensioner.
• Dimensionsvärden som skulle utelämnas i visualiseringar med endast dimensioner kan returneras om det finns relevanta mätvärden associerade med dem.

Obs! Kom ihåg att mätvärden är aggregeringar – de beräknas på den detaljnivå som konfigureras av kombinationen av dimensioner i visualiseringen. Det kallas att ett mätvärde delas upp av en dimension. När ett mätvärde används utan några dimensioner sägs det vara tabellomfattande. Det innebär att mätvärdets värde är det helt aggregerade värdet. Så fort vi använder en dimension i visualiseringen delas mätvärdet upp i fler detaljer, baserat på dimensionsvärdena. Ett mätvärdes värde i en analys beror därför på dimensionernas kontext.

Relaterade mätvärden

Betrakta deluppsättningen av dimensionsvärden som returneras för en inre koppling mellan de relaterade dimensionerna Student och Class. Det finns tre elevvärden – Finch, Robin och Sparrow – samt tre lektionsvärden – Advanced Songs, Nesting Basics och Flying for Fledgelings.

Om vi lägger till mätvärdet Length från tabellen Class ser vi att alla fyra lektioner visas och det finns ett null-värde för Student. Length för varje lektion visas på nivån Class.

Om vi i stället lägger till mätvärdet Age från tabellen Student ser vi att alla fem elever visas och det finns två null-värden för Class. Resultaten innefattar alla elever, även om de inte har några lektioner. Age för varje elev visas på nivån Student.

Orelaterade mätvärden

Mätvärden upprepas för orelaterade dimensionsvärden.

Om vi tittar på mätvärdet Length från tabellen Classes och den orelaterade dimensionen Club är mätvärdet tabellomfattande och upprepas i alla dimensionsvärden för Club.

Vid förekomst av en sammanfogningsdimension kan mätvärden både delas upp och upprepas.

Här kommer mätvärdet Age från tabellen Students och är uppdelat på elevnivå. Varje gång en elev upprepas baserat på dimensionerna för Class och Club upprepas även värdet Age.

Felsökning

Överväganden vid arbete med datamodeller med flerfaktorsrelationer

Beräkningar på radnivå

Beräkningar på radnivå kan endast referera till fält som delar samma bastabell uppströms. Det innebär att beräkningar på radnivå inte kan utföras över träd.

Kombinerade fält

Alla fält i ett kombinerat fält måste dela en tabell uppströms. Det innebär att du inte kan skapa ett kombinerat fält med fält som finns i olika träd.

Uppsättningar

Uppsättningar kan bara skapas med en definition som involverar fält som delar samma bastabell uppströms. Däremot kan alternativet Lägg till i uppsättning vara tillgängligt från en markering i visualiseringen när markeringen definieras av fält som är orelaterade till de fält som används för att definiera uppsättningen. Om du väljer Lägg till i uppsättning kommer Tableau endast att lägga till de relaterade fälten i uppsättningsdefinitionen. Det skiljer sig från beteendet för Lägg till i uppsättning i datakällor med endast en bastabell – där lägger alternativet Lägg till i uppsättning till allt som definierar markeringen.

Validera LOD-uttryck av typen INCLUDE

LOD-uttryck av typen INCLUDE kan inte utvärderas mellan orelaterade fält. Eftersom släktskap mellan fält utvärderas ark för ark är det möjligt att ha ett giltigt LOD-uttryck i rutan Data eller beräkningsredigeraren som blir ogiltigt för en specifik visualisering (vid förekomst av en orelaterad dimension). När detta händer blir LOD-fältet rött. Du kan uppdatera LOD-uttrycket för att ta bort konflikter med orelaterade fält, ändra visualiseringens struktur eller ta bort LOD-uttrycket från visualiseringen.

Uppdatera publicerade datakällor

Som en bästa praxis kan du skapa en kopia av en befintlig publicerad datakälla om du planerar att ändra den till en datamodell med flerfaktorsrelationer och inte alla dess anslutna arbetsböcker behöver den nya datamodellen. Uppdatera inte den befintliga versionen av datakällan om inte alla dess arbetsböcker behöver de nya tabellerna. Publicera i stället den ändrade datakällan som en ny datakälla och skapa nya arbetsböcker från den. Det kommer att förhindra att befintliga arbetsböcker konverteras till att använda VDS i stället för en dataserver när de inte behöver funktionen, vilket förhindrar risken för prestandaproblem.

Kända problem i 2024.2

Extrakt

Varning: Datakällor med relationer mellan faktatabeller bör vara liveanslutningar, inte extrakt.

Lokal datakälla (i en arbetsbok): Om du försöker extrahera en datakälla med relationer mellan faktatabeller visas felet ”Det finns ingen sådan tabell”.

Publicerad datakälla: Det kan gå att extrahera en publicerad datakälla med relationer mellan faktatabeller, men fältvärden kan flyttas runt.

Det finns en planerad fix för det här problemet.

Relationsindikatorer med flera Markeringar-kort

När en visualisering byggs med flera mätvärden på hyllan Rader eller hyllan Kolumner får varje mätvärde sitt eget Markeringar-kort. Logiken som används för att fastställa släktskapsindikatorer (ikonen för orelaterat fält, texten i verktygstipsen och varningsdialogrutan om släktskap) kanske inte ger förväntade resultat, beroende på vilket Markeringar-kort som är öppet. Själva visualiseringen är dock korrekt beräknad baserat på släktskapet mellan varje par av fält. Det finns en planerad fix för det här problemet.

LOD-uttryck av typen EXCLUDE

Endast LOD-uttryck av typen INCLUDE bör valideras vid förekomst av orelaterade fält. Dock kan LOD-uttryck av typen EXCLUDE också vara felaktigt märkta som ogiltiga under samma förhållanden. Det finns en planerad fix för det här problemet.

Kapslade användarberäkningar

Kapslade användarberäkningar är inte tillgängliga i publicerade datakällor med en datamodell med flerfaktorsrelationer. Det finns en planerad fix för det här problemet.

BatchQueryProcessor

BatchQueryProcessor måste vara aktiverat för att det ska finnas stöd för datamodeller med flerfaktorsrelationer. Det är förväntat beteende utan någon planerad fix.

Tableau Pulse

Pulse kanske inte fungerar med datamodeller med flerfaktorsrelationer. Du kanske hindras från att skapa en mätvärdesdefinition eller så kan mätvärden som skapas vara tomma. Det är inte förväntat beteende men det finns än så länge ingen planerad fix.

Andra artiklar i det här avsnittet