Looker LookML Developer

Prüfungsleitfaden

Ein Looker LookML Developer arbeitet mit Datasets und LookML und ist mit SQL- und BI-Tools vertraut. LookML-Entwickler sind mit der Modellverwaltung vertraut, z. B. bei der Behebung vorhandener Modellfehler, der Implementierung von Datensicherheitsanforderungen, der Erstellung von LookML-Objekten und der Wartung des LookML-Projektzustands. LookML-Entwickler entwerfen neue Dimensionen und Maße für LookML und erstellen Explores für Nutzer zur Beantwortung von Geschäftsfragen. LookML-Entwickler sind hinsichtlich der Qualitätsverwaltung kompetent, von der Implementierung der Versionsverwaltung über die Bewertung der Codequalität bis hin zur Verwendung des SQL-Runners für die Datenvalidierung.

Abschnitt 1: Modellverwaltung

    1.1 Fehler in vorhandenen Datenmodellen beheben. Beispiel:

    • Fehlerquellen ermitteln.
    • Wenden Sie verfahrenstechnische Konzepte an, um Fehler zu beheben.

    1.2 Verfahrenskonzepte anwenden, um Datensicherheitsanforderungen zu implementieren. Beispiel:

    • Berechtigungen für Nutzer implementieren.
    • Entscheiden Sie, welche Looker-Features zum Implementieren der Datensicherheit verwendet werden sollen (z.B. Zugriffsfilter, Zugriffssteuerungen auf Feldebene und Zugriffssteuerungen auf Zeilenebene).

    1.3 Datenmodelle und Geschäftsanforderungen analysieren, um LookML-Objekte zu erstellen. Beispiel:

    • Die zu verwendenden Ansichten und Tabellen festlegen.
    • Bestimmen Sie, wie Ansichten in Explores verbunden werden sollen.
    • Sie können projektbasierte Anforderungen erstellen (z. B. Datenquellen, Replikationen oder von Kunden bereitgestellte Scheinberichte).

    1.4 Die LookML-Projekte in einem bestimmten Szenario aufrechterhalten. Beispiel:

    • Prüfen Sie, ob vorhandene Inhalte funktionieren. Verwenden Sie beispielsweise Inhaltsvalidierung, Auditing oder Fehlersuche.
    • Fehler beheben.

Abschnitt 2: Anpassungen

    2.1 Neue LookML-Dimensionen oder -Messungen mit bestimmten Anforderungen entwerfen. Beispiel:

    • Übersetzen Sie Geschäftsanforderungen (spezifische Messwerte) in die entsprechenden LookML-Strukturen (z. B. Dimensionen, Messwerte und abgeleitete Tabellen).
    • Ändern Sie die bestehende Projektstruktur, um den neuen Berichtsanforderungen Rechnung zu tragen.
    • SQL-Anweisungen zur Verwendung mit neuen Dimensionen und Maßen erstellen.

    2.2 Erstellen Sie Explores für Nutzer, um geschäftliche Fragen zu beantworten. Beispiel:

    • Analysieren Sie Geschäftsanforderungen und bestimmen Sie die Implementierung von LookML-Code, um die Anforderungen zu erfüllen (z. B. Modelle, Ansichten, Join-Strukturen).
    • Bestimmen Sie, welche zusätzlichen Funktionen zur Datenverfeinerung verwendet werden sollen (z.B. sql_always_where, always_filter, nur bestimmte Felder werden mit ausgeblendeten Feldern angezeigt usw.).

Abschnitt 3: Optimierung

    3.1 Wenden Sie Verfahrenskonzepte an, um Abfragen und Berichte auf Leistung zu optimieren. Beispiel:

    • Ermitteln Sie anhand der Auswirkungen auf die Leistung, welche Lösung verwendet wird (z. B. Explores, zusammengeführte Ergebnisse, abgeleitete Tabellen).
    • Anwendung von Konzepten zur Bewertung der Leistung von Abfragen und Berichten.
    • Bestimmung der zu verwendenden Methodik auf der Grundlage der Abfrage- und Berichtsleistungsquellen (z. B, A/B Testing, SQL-Prinzipien).

    3.2 Wenden Sie Verfahrenskonzepte an, um persistente abgeleitete Tabellen und Caching-Richtlinien basierend auf den Anforderungen zu implementieren. Beispiel:

    • Legen Sie geeignete Caching-Einstellungen anhand der Updatehäufigkeit des Data Warehouse fest (z. B. stündlich, wöchentlich, basierend auf dem ETL-Abschluss).
    • Bestimmen Sie, wann persistente abgeleitete Tabellen verwendet werden sollen, basierend auf der Laufzeit und der Komplexität von Explore-Abfragen sowie auf den Anforderungen der Nutzer.
    • Ermitteln Sie geeignete Lösungen zur Verbesserung der Datenverfügbarkeit (z. B. Abfragedaten im Cache speichern, persistente Tabellen, Kombinationslösungen).

Abschnitt 4: Qualität

    4.1 Versionsverwaltung anhand der vorgegebenen Anforderungen implementieren. Beispiel:

    • Geeignete Einrichtung für Git-Branches festlegen (z. B. freigegebene Branches, Pull aus Remote-Produktion)
    • Merge-Konflikte mit anderen Entwicklerzweigen abgleichen (z. B. mehrere Nutzer verwalten).
    • Validieren des Pull-Anfrageprozesses.

    4.2 Codequalität bewerten. Beispiel:

    • Beheben von Validierungsfehlern und Warnungen.
    • Verwenden Sie Funktionen zur Verbesserung der Nutzerfreundlichkeit (z. B. Beschreibungen, Labels, Gruppenlabels).
    • Verwenden Sie eine geeignete Codierung für Projektdateien (z. B. eine Ansicht pro Datei).

    4.3 SQL Runner zur Datenvalidierung in einem bestimmten Szenario verwenden. Beispiel:

    • Bestimmen Sie anhand der generierten SQL-Inhalte in SQL Runner, warum bestimmte Abfragen Ergebnisse zurückgeben.
    • Lösen Sie Inkonsistenzen, die im System oder der Analyse gefunden wurden (z. B. andere Ergebnisse als erwartet, nicht eindeutige Primärschlüssel).
    • Optimieren Sie SQL auf Kosten und Effizienz gemäß Ihren Geschäftsanforderungen.