Looker BlocksTM는 일반적인 분석 패턴 및 데이터 소스를 위해 사전 빌드된 데이터 모델입니다. 처음부터 새로 시작할 필요 없이 다른 사용자가 이미 수행한 작업을 재사용한 후 블록을 정확한 사양에 맞게 맞춤설정하세요. Looker 블록은 최적화된 SQL 패턴부터 완전히 빌드된 데이터 모델에 이르기까지 Looker에서 빠르고 유연한 데이터 모델링의 출발점으로 사용할 수 있습니다.
사용 가능한 차단
다양한 Looker 블록 중에서 선택할 수 있습니다. 현재 사용할 수 있는 블록을 확인하려면 Looker Marketplace의 차단 섹션을 확인하세요.
데이터를 더 쉽고 효율적으로 분석할 수 있도록 Looker 블록을 만들었습니다. '현재 상태'로 제공되므로 향후 업데이트가 없을 예정입니다. Looker에서 이 데이터가 정확하거나, 신뢰할 수 있거나, 오류가 없을 것이라고 진술하거나 보증할 수 없습니다. 데이터 수집 방법 및 데이터 해석 방법에 대한 자세한 내용은 문서화된 데이터 소스 사이트를 참고하세요.
관심 있는 차단을 클릭하여 특정 사용 안내를 확인합니다.
일부 Looker 블록은 Looker Marketplace를 사용하여 빠르고 쉽게 설치할 수 있습니다. Looker Marketplace를 통해 블록을 배포하려면 먼저 Looker 관리자가 Marketplace 기능을 사용 설정해야 합니다. local_dependency 매개변수가 포함된 블록을 설치하려면 로컬 프로젝트 가져오기 실험실 기능도 사용 설정해야 합니다. Looker Marketplace에서 제공되는 Looker 블록 설치 및 맞춤설정에 대한 자세한 내용은 Looker Marketplace 문서 페이지를 참고하세요.
표준화 및 맞춤설정
Looker 관리자는
local_dependency매개변수가 포함된 기존 블록을 빌드하기 전에 로컬 프로젝트 가져오기 실험실 기능을 사용 설정해야 합니다.
다양한 블록의 사용 편의성은 데이터베이스 스키마가 표준화되는 정도에 따라 달라집니다. 대부분의 Looker 블록은 데이터 스키마에 맞게 일부 맞춤설정이 필요하지만, 구현하기는 가장 간단하지만 맞춤설정할 수 없습니다.
공개 데이터 세트와 전체 LookML 모델이 모두 포함된 데이터 블록은 GitHub 저장소에서 LookML 모델을 복사하여 모델링된 테이블에 액세스하기만 하면 됩니다. 자세한 안내는 이 페이지의 데이터 블록 사용을 참고하세요.
세그먼트 및 Snowplow와 같은 데이터 수집 애플리케이션은 이벤트를 표준화된 형식으로 추적합니다. 이를 통해 모든 애플리케이션을 사용할 수 있는 데이터 정리, 변환, 분석이 가능한 템플릿화된 설계 패턴을 만들 수 있습니다.
Salesforce와 같은 다른 웹 애플리케이션에서는 내부 사용자를 위한 맞춤 입력란을 추가할 수 있습니다. 당연히 덜 표준화된 형식으로 데이터가 생성됩니다. 결과적으로 일부 데이터 모델을 템플릿화하여 분석을 실행할 수 있지만 비표준화된 부분을 맞춤설정해야 합니다.
마지막으로, 일반적인 비즈니스 통계 차단이 있습니다. 데이터 소스에 구애받지 않는 최적화된 SQL 또는 LookML 디자인 패턴입니다. 예를 들어 많은 기업이 시간이 지나면서 고객의 평생 가치를 분석하려고 합니다. 이러한 패턴에 해당하는 가정이 있지만 구체적인 비즈니스 요구사항에 따라 맞춤설정할 수 있습니다. 이 패턴은 특정 유형의 분석을 실행하는 최선의 방법에 대한 Looker의 관점을 반영합니다.
Looker를 처음 사용하는 경우 Looker 분석가의 도움을 받아 모델을 최대한 활용하세요.
LookML에 블록 추가
- 일부 블록은 동일한 파일의 탐색과 뷰를 모두 보여줍니다. 이는 보기 쉽게 하기 위한 것이지만, 일반적으로 LookML의 적절한 섹션을 데이터 모델의 적절한 위치에 복사하는 것이 좋습니다. 자세한 내용은 모델 이해 및 파일 보기 문서 페이지를 참조하세요.
예시를 위해 데이터 모델에 새로운 LookML 파일을 만들고자 할 수 있습니다.
데이터 블록 사용
데이터 블록은 데이터 모델과 데이터 모델을 제공하는 특별한 유형의 Looker 블록입니다. Looker 데이터 블록에는 다음과 같은 공개 데이터 소스가 포함됩니다.
- 인구통계 데이터: 주, 카운티, 우편번호 표적 지역, 인구 조사 블록 그룹 수준에서 미국 커뮤니티 설문조사의 일반적인 인구통계 측정항목입니다.
- 날씨 데이터: 1920년부터 전날까지의 미국 우편번호를 사용한 날씨 예보입니다. 이 블록은 매일 밤 업데이트됩니다.
현재 사용 가능한 블록의 전체 목록을 보려면 Looker Marketplace의 차단 섹션을 참조하세요.
여러 데이터베이스의 데이터 세트 액세스
데이터 블록의 데이터 세트에 액세스하는 절차는 데이터베이스 스키마에 따라 달라집니다. 다음 섹션에는 이러한 데이터베이스의 데이터 세트에 액세스하는 방법에 대한 안내가 포함되어 있습니다.
Google BigQuery의 데이터 세트 액세스
기존 Google BigQuery 계정이 있는 경우 Looker에서 호스팅하는 BigQuery 데이터 세트에 액세스할 수 있습니다. 이 페이지의 프로젝트에 데이터 블록 추가 섹션으로 건너뜁니다.
Google BigQuery 계정이 없는 경우 무료 체험판을 설정한 후 BigQuery에서 Looker의 공개 데이터 세트에 액세스할 수 있습니다.
Google BigQuery는 리전 간 프로젝트 공유를 지원하지 않습니다. 미국 리전 외부에서 Google BigQuery의 데이터 블록에 직접 액세스하려면 다음 안내를 따르세요.
- Google Cloud 서비스 또는 Amazon S3에서 Looker의 공개 데이터를 가져옵니다.
- 미국 리전을 기반으로 새 Google BigQuery 연결을 만듭니다.
Snowflake의 데이터 세트 액세스
Looker에서 호스팅하는 Snowflake 데이터 웨어하우스에 액세스하고 데이터 공유를 사용하여 Looker의 공개 데이터 세트에 액세스할 수 있습니다.
Snowflake는 여러 리전에서 프로젝트 공유를 지원하지 않습니다. 미국 리전 외 Snowflake에서 데이터 블록에 직접 액세스하려면 다음을 수행합니다.
- Google Cloud 서비스 또는 Amazon S3에서 Looker의 공개 데이터를 가져옵니다.
- 미국 지역에 기반한 새로운 Snowflake 연결을 만듭니다.
먼저 다음 정보를 사용하여 Looker 분석가에게 문의하세요.
- 고객 이름:
<Company1> - 고객 Looker 인스턴스:
<instance_name.looker.com> - 눈송이 계정 이름:
<company1.snowflakecomputing.com>
Looker 운영팀에서 Snowflake 계정에 데이터 블록에 대한 액세스 권한을 제공하면 다음 명령어를 실행하여 Looker의 공개 데이터 세트에 액세스합니다.
‐‐ Data Consumer Side (* Need to be ACCOUNT ADMIN *)
‐‐ For customers in us-west region
create database looker_datablocks from share looker.looker_share_datablocks;
‐‐ For customers in us-east region
create database looker_datablocks from share gt97609.looker_share_datablocks;
grant imported privileges on database looker_datablocks to role sysadmin;
use role sysadmin;
grant imported privileges on database looker_datablocks to <other_role>;
show databases;
use looker_datablocks;
show tables;
자체 Snowflake 데이터 웨어하우스와 함께 Looker의 공개 데이터 세트 중 하나를 사용하는 경우 Looker 사용자에게 PDT를 만들 수 있는 데이터베이스 쓰기 권한이 있어야 합니다. Looker를 Snowflake에 연결하는 방법에 대한 자세한 내용은 Snowflake 구성 문서 페이지를 참조하세요.
다른 데이터베이스의 데이터 세트 액세스
Amazon Redshift를 사용 중이신가요? MySQL? PostgreSQL? Oracle?
Google에서는 이러한 각 데이터 세트의 변환된 데이터를 GCS 및 S3에서 공개적으로 사용 가능하도록 설정하여 사용자가 원하는 데이터베이스로 직접 가져올 수 있도록 했습니다.
GitHub Repo에서 각 데이터 세트에 데이터 정의 언어 (DDL)를 사용할 수도 있게 되었습니다. 선택한 데이터베이스의 데이터 유형에 따라 DDL 문을 수정해야 할 수도 있지만 각 테이블의 열 유형에 대한 아이디어를 제공해야 합니다.
다음 위치 중 하나에서 직접 데이터 다운로드
- GCS:
_gs://looker-datablocks/_ - S3:
_s3://looker-datablocks/_ - S3 버킷 웹 링크: http://looker-datablocks.s3-website-us-east-1.amazonaws.com/
LookML 모델 액세스
GitHub 저장소 중 하나를 Looker 또는 회사에서 호스팅하는 새 GitHub 저장소에 포크합니다. 그런 다음 인스턴스 내에서 확장하거나 조정할 수 있습니다.
- 인구통계 데이터 (미국 커뮤니티 설문조사) - https://github.com/llooker/datablocks-acs
- 날씨 (GSOD) - https://github.com/llooker/datablocks-gsod
프로젝트에 데이터 블록 추가
이 섹션에서 설명하는 방법 외에도 LookML 상세검색을 사용하여 프로젝트에 있는 뷰 및 탐색의 LookML을 기반으로 빌드할 수 있습니다.
Looker 관리자가
local_dependency매개변수가 포함된 데이터 블록을 기반으로 빌드하려면 먼저 로컬 프로젝트 가져오기 실험실 기능을 사용 설정해야 합니다.
프로젝트에 데이터 블록을 추가하는 방법은 다음과 같습니다.
Looker 인스턴스에 새 프로젝트 추가
포크하거나 위에 언급된 GitHub 저장소를 복사하여 사전 빌드된 LookML에 액세스합니다. 새 GitHub 저장소를 만들어야 합니다.
저장소에서 다른 데이터베이스 언어 파일을 삭제합니다. Looker 블록에는 일반적으로 Google BigQuery, Amazon Redshift, Snowflake 파일이 포함됩니다. 예를 들어 Google BigQuery에서 데이터 블록을 설정하는 경우 Google BigQuery 뷰 파일, Google BigQuery 탐색 파일, Google BigQuery 모델 파일만만 필요합니다.
모델 파일의 연결 이름을 데이터 데이터가 있는 데이터베이스 연결로 바꾸거나 Google BigQuery 및 Snowflake의 경우 확장하거나 개선할 기존 데이터베이스 연결로 바꿉니다.
모든 조인 로직은 각 저장소의
.explore파일에 있습니다. 이 파일은 프로젝트 매니페스트를 설정한 후 다음 단계에 포함할 파일입니다.데이터 블록을 확장하거나 세분화할 기본 Looker 프로젝트에서 프로젝트 매니페스트 파일을 만듭니다.
다음 LookML을 프로젝트 매니페스트 파일에 추가하여 기본 Looker 프로젝트의 데이터 블록을 참조합니다.
project_name: "<your_project_name\>"
local_dependency: {
project: "<project_name_of_datablock\>"
}
설정 고려사항 및 옵션
Google BigQuery: 모델링된 올바른 파일 집합을 사용해야 합니다. Google BigQuery를 사용하는 경우 파일 이름에 _bq_이 포함된 모든 파일을 참조하는 것이 좋습니다. Google BigQuery 모델 언어를 자체 데이터베이스 언어에 맞게 조정해야 할 수도 있습니다.
Google BigQuery는 리전 간 프로젝트 공유를 지원하지 않습니다. 미국 리전 외부에서 Google BigQuery의 데이터 블록에 직접 액세스하려면 다음 안내를 따르세요.
- Google Cloud 서비스 또는 Amazon S3에서 Looker의 공개 데이터를 가져옵니다.
- 미국 리전을 기반으로 새 Google BigQuery 연결을 만듭니다.
확장 프로그램: 모델 확장 프로그램으로 인해 여러 연결 문제가 발생할 수 있으므로 모든 프로젝트는 탐색 파일의 확장 프로그램을 허용하도록 설정되었습니다.
파생 테이블 조인: 네이티브 파생 테이블에 대한 문서를 참조하세요. Looker에서 공개적으로 사용 가능한 데이터 세트에 대한 다양한 집계 수준에서 SQL을 작성하도록 하고 이를 모델에 조인할 수 있습니다.
결과 세트 병합: 쿼리 결과 세트를 조합하여 Google 데이터 세트의 결과 세트를 병합할 수도 있습니다. 데이터 병합에 대해 자세히 알아보려면 이 짧은 동영상을 확인하세요.
인구통계 데이터 세트 설정 예시
S3 또는 GCS 버킷에서 원시 데이터를 다운로드하거나 Looker 데이터베이스에 연결하여 데이터에 액세스합니다.
LookML에서 인구통계 데이터 블록 모델을 LookML의 별도 프로젝트로 가져옵니다.
include매개변수를 사용하여 뷰 파일을 가져옵니다.그런 다음 뷰 파일을 확장하거나 세분화하거나 네이티브 파생 테이블을 사용하여 탐색에 필요한 집계 수준에서 데이터를 가져옵니다.
이 예에서는 인구통계 데이터 집계가 전자상거래 데이터 세트 (차단 그룹 및 우편번호)와 다른 수준이므로 네이티브 파생 테이블을 사용하여 우편번호 수준까지 통계를 집계합니다. 이렇게 하면 복잡한 다대다 조인이 사라집니다.
include: "/american_community_survey/bq.explore"
view: zipcode_income_facts {
derived_table: {
persist_for: "10000 hours"
explore_source: fast_facts {
column: ZCTA5 { field: tract_zcta_map.ZCTA5 }
column: income_household { field: bg_facts.avg_income_house }
column: total_population { field: bg_facts.total_population }
}
}
dimension: ZCTA5 {}
dimension: income_household {
hidden: yes
}
- 뷰 파일을 모델에 조인합니다.
include: "acs*.view"
explore: order_items {
join: users {
sql_on: ${users.id} = ${order_items.user_id} ;;
type: left_outer
relationship: many_to_one
}
join: zipcode_income_facts {
sql_on: ${users.zip} = ${zipcode_income_facts.ZCTA5} ;;
type: left_outer
relationship: many_to_one
}
}
데이터 탐색하기
데이터 시각화:
viz 블록 사용
Looker에는 다양한 기본 시각화 유형이 포함됩니다. 그러나 Looker의 기본 시각화 유형에 포함되지 않는 차트가 필요한 경우 고유한 맞춤 시각화 유형을 추가할 수도 있습니다. 맞춤 시각화를 개발하여 Looker Marketplace의 모든 Looker 사용자에게 제공할 수도 있습니다.
Viz 블록은 Looker에서 호스팅하는 사전 빌드된 자바스크립트 시각화 유형입니다. Looker 인스턴스에 Viz 블록을 추가할 수 있습니다. 그러면 Viz 블록은 Looker의 모든 기본 시각화 유형과 유사하게 작동합니다. 이러한 시각화 유형은 시각화 메뉴 바에 표시되며 드릴링, 다운로드, 임베딩, 예약과 같은 핵심 기능을 포함합니다.
viz 블록에 대해 자세히 알아보려면 Looker Marketplace의 플러그인 섹션에서 시각화 유형을 선택한 다음 코드 보기를 클릭하고 viz 블록의 READ.ME 파일로 이동합니다. READ.ME 파일은 시각화 예를 표시하고 viz 블록에 대한 자세한 정보를 제공합니다. 일부 시각화의 경우 READ.ME 파일에서 viz 블록 추가를 위한 URL과 안내도 제공합니다.
인스턴스에 시각화 유형을 추가하려면 READ.ME 파일 내 안내 (있는 경우) 및 시각화 문서 페이지의 정보를 참조하세요.