本页介绍了 LookML 中较为常见的模式。
标签字段(以及界面中的名称)
Looker 将常规字体的视图名称与以粗体显示的字段的简称相结合,将 LookML 字段名称转换为界面中显示的字符串。例如,订单视图中名为金额的字段在界面中显示为订单金额。在此页面上,这些文本会以粗体显示,且视图名称采用首字母大写形式(订单金额),方便讨论。
如果希望字段的名称与表中的列名称不同,只需更改字段名称并声明其 sql:
关联即可。在以下示例中,表 airports
包含列 cntrl_twr
。Looker 会生成以下声明:
view: airports {
dimension: cntrl_twr { # full name: airports.cntrl_twr
type: yesno # default name: AIRPORT Cntrl Twr (Yes/No)
sql: ${TABLE}.cntrl_twr ;; # the sql expression for this field
}
}
我们会将 cntrl_twr
维度重命名为人类可读懂的格式。
view: airports {
dimension: has_control_tower { # full name: airports.has_control_tower
type: yesno # aliased name: AIRPORTS Has Control Tower (Yes/No)
sql: ${TABLE}.cntrl_twr ;; # the sql expression for this field
}
}
按维度过滤计数
按维度分组和统计实体非常简单 - 按用户所在国家/地区分组,订单计数会按国家/地区告知您订单的来源。不过,构建按某个维度值过滤的计数通常很有用。例如,您可以将新的衡量指标法国订单数设为:
view: users {
dimension: country {}
}
view: orders {
dimension: id {
primary_key: yes
sql: ${TABLE}.id ;;
}
measure: count {
type: count
drill_fields: [detail]
}
measure: france_count {
type: count # COUNT(CASE WHEN users.country = 'France' THEN 1 ELSE NULL END)
filters: [users.country: "France"]
}
}
过滤器可以使用任何表达式。如果您需要一个统计来自欧盟的用户的字段,则可以使用如下所示的代码:
measure: eu_count {
type: count # COUNT(CASE WHEN users.countrycode IN 'UK','FR','ES' THEN 1 ELSE NULL END)
drill_fields: [detail]
filters: [users.countrycode: "UK,FR,ES"]
}
如果您要使用数学表达式进行过滤,请务必用英文双引号将其括起来:
measure: total_orders_above_100_dollars {
type: sum # SUM(CASE WHEN order.value > 100 THEN order.value ELSE NULL END)
sql: ${order.value} ;;
drill_fields: [detail]
filters: [order.value: ">100"]
}
百分比
许多关键绩效指标以百分比形式表示,例如“退货百分比”,“促成销售的电子邮件百分比”,或其他“X 轴百分比”实例。在 LookML 中,设计模式是为两个条件创建计数,并创建第三个字段来计算两个条件之间的百分比。
dimension: returned {
type: yesno
}
measure: count { # total count of items
type: count_distinct
sql: ${TABLE}.id ;;
drill_fields: [detail]
}
measure: returned_count { # count of returned items
type: count_distinct
sql: ${TABLE}.id ;;
drill_fields: [detail]
filters: [returned: "Yes"]
}
measure: percent_returned {
type: number
sql: 100.0 * ${returned_count} / NULLIF(${count}, 0) ;;
value_format: "0.00"
}
计算百分比时使用以下表单。在 Postgres 中,计数是整数,整数之间的除法结果为整数。乘以 100.0 会将第一个计数转换为浮点数,从而将表达式的其余部分转换为浮点数。为了避免除以 0 错误,NULLIF(value, 0)
会将零值转换为 null,使结果为 null 并避免错误。
100.0 * ${returned_count} / NULLIF(${count}, 0)
使用集合查看展开细目
Looker 最强大的功能之一是能够深入研究数据,以了解构成计数或其他测量结果的基本实体。
点击 Looker 界面上的测量结果时,系统会创建一个新查询,对组成测量结果的数据集进行本地化。表中行的每个维度值都会添加到当前过滤条件中。
为了显示详细信息,当点击测量值时,Looker 需要一个指定的钻孔字段列表来显示。当您生成模型时,生成器通常会为您创建一些初始训练字段。此外,您还可以自行添加展开字段。例如,假设我们在上周按用户状态衡量订单数。在 Looker 中,查询将如下所示:
用户状态 | 订单数 |
---|---|
加利福尼亚 | 24 |
德克萨斯 | 5 |
科罗拉多 | 4 |
佛罗里达 | 4 |
伊利诺伊 | 4 |
如果我们点击“California”行中的“24”,预期用户会看到来自加利福尼亚州的 24 个订单。
Looker 处理添加过滤条件 USERS State: California,但不知道您要在订单中显示的字段。您需要使用集合在模型中声明这些字段。
在 LookML 中,集是一系列字段(维度、测量和过滤条件)。集用于告知 Looker 哪些字段:
- 您希望在深入分析计数或其他衡量指标时显示
- 合并视图时导入
- 已在 Google 探索中编入索引
同一集可用于模型中的许多位置,因此 Looker 提供了多种创建集的方法。
字面量集
最简单的集是字面量集。只需以数组形式声明集合即可创建字面量集。您可以使用 '[]' 声明字面量集。
在此示例中:
view: customers {
dimension: id {
primary_key: yes
}
measure: count {
type: count
}
dimension: city {}
dimension: state {}
dimension: name {}
}
我们要显示的字段包括 id
、name
和 city
。
在测量中,我们只需声明一个字面量数组。
measure: count {
type: count
drill_fields: [id, name, city]
}
对于只使用一次的集合,按字面进行声明简单且易于理解。
已命名集
假设我们有两个计数:CUSTOMERS Count 和 CUSTOMERS In California Count。当我们深入分析上述任一计数时,会显示“id
”、“name
”和“city
”字段。如果从字面上声明这些字段,我们可以执行以下操作:
view: customers {
measure: count {
type: count
drill_fields: [id, name, city]
}
measure: in_california_count {
type: count
filters: [state: "California"]
}
}
如果我们想添加一个新字段(比如字段 customers.state
),就必须修改这两个列表。相反,LookML 提供了一种创建命名集的方法,我们可以在一个位置将其维护并在多个位置使用。
以下代码会创建一组 customers.detail
,并将这两个计数都指向同一组字段。
view: customers {
set: detail {
fields: [id, name, city] # creates named set customers.detail
}
measure: count {
type: count
drill_fields: [detail*] # show fields in the set "customers.detail"
}
measure: in_california_count {
type: count
filters: [state: "California"]
}
}
LookML 集非常强大:
- 集的声明是累加的 - 如果您在多个位置声明集合,那么 Looker 会包含所有位置中声明的集合的所有字段。
- 您可以在其他集合中嵌入集合,方法是:输入其他集合名称,后跟星号,例如
setname*
。 - 您甚至可以在字段名称前面添加一个连字符,例如
-fieldname
,从集合中移除元素。
自定义训练可视化图表
如果您的 Looker 管理员启用了 Visual Drilling 实验室功能,那么钻孔可视化并非始终默认采用数据表格。在这种情况下,您可以使用 link
参数中的液态变量来自定义显示的可视化图表,如 link
参数文档页面和更强大的数据展开帮助中心文章所示。
全新信息中心体验支持使用 link
参数进行可视化钻研,而无需启用 Visual Drilling 实验室功能。
过滤结果集
LookML 提供一组可应用于字段的过滤条件操作,以及“探索”功能,可在结果返回给用户之前过滤结果集。
探索上的always_filter
使用 always_filter
可始终对“探索”中运行的任何查询应用一组过滤条件。过滤条件将显示在 Looker 界面中,虽然用户可以更改您提供的默认过滤条件值,但无法移除过滤条件。通常,这些过滤器用于移除您通常不想包括的数据。例如,假设在订单“探索”标签页中,我们只想查看已完成或待处理的订单。我们可以添加以下内容:
explore: orders {
view_name: order
filters: [status: "complete,pending"]
}
}
如果用户想查看具有其他状态值的订单,可以在界面中将订单状态设置为 %。
探索上的sql_always_where
如果您想应用用户无法更改的查询限制,可以使用 sql_always_where
。除了人工用户运行的查询之外,此限制将应用于信息中心、预定的样式以及依赖于“探索”功能的嵌入式信息。除非用户查看自己创建的任何查询的底层 SQL,否则系统不会向用户显示 sql_always_where
条件。
以下示例可阻止用户在 2012 年 1 月 1 日之前查看订单:
# Using Looker references
explore: order {
sql_always_where: ${created_date} >= '2012-01-01' ;;
}
# Using raw SQL
explore: order {
sql_always_where: DATE(created_time) >= '2012-01-01' ;;
}
探索上的conditionally_filter
超大型表在查询时需要一些考虑,因为无限查询可能在数据库中很快变得过于繁重。LookML 以 conditionally_filter
的形式解决此问题。
您可以使用 conditionally_filter
参数向查询应用过滤条件,除非用户已为 unless
部分中列出的某个字段添加过滤条件。
如果用户对以下一个或多个字段应用了过滤条件,则以下示例不会更改用户的查询:created_date
、shipped_time
、shipped_date
、orders.id
或 customer.name
。如果用户未针对其中任何字段进行过滤,Looker 将于 orders.created_time
自动添加 1 天的过滤条件。
filters: [orders.created_time: "1 day"]
unless: [created_date, shipped_time, shipped_date, orders.id, customer.name]
}