常见的 LookML 模式

本页面介绍了 LookML 中的以下常见模式：

为字段添加标签（以及界面中的名称）

Looker 将采用常规粗细字体的视图名称与以粗体显示的字段简称相结合，从而将 LookML 字段名称转换为界面显示的字符串。例如，Orders 视图中名为 Amount 的字段在界面中会显示为 Orders Amount。在此页面上，两个字段名称均加粗，视图名称均采用大写 (ORDERS Amount)，以使讨论更加清晰。

如果您希望某个字段的名称与表格中的列名称不同，请更改字段名称，然后使用 sql 参数将该字段与表格中的相应列相关联。在以下示例中，airports 表包含 cntrl_twr 列。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
  }
}

您可以将 cntrl_twr 维度重命名为直观易懂的名称：

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

您可以按维度分组并统计实体数量，例如，按用户的国家/地区、订单数量分组，即可按国家/地区了解订单的来源。不过，构建按某个维度值过滤的计数通常很有用。例如，您可以创建一个新测量并将其命名为 ORDERS France Count：

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"]
  }
}

过滤条件可以使用任何表达式。如果您想要创建一个用于统计来自欧盟的用户数的字段，可以使用如下代码：

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"]
}

如果要使用数学表达式进行过滤，请务必用英文双引号将表达式括起来：

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

许多关键绩效指标都以百分比的形式表示，例如“退货商品占比”“促成销售的电子邮件占比”，或其他“X 占 Y 的百分比”示例。在 LookML 中，设计模式是针对这两个条件创建计数，并创建一个用于计算这两个条件之间的百分比的第三个字段。

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"
}

使用以下格式计算百分比。在 Postgres 中，计数是整数，整数相除的结果也是整数。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。为避免出现除零错误，NULLIF(value, 0) 会将零值转换为 null，这会使结果为 null 并避免出现错误。

100.0 * ${returned_count} / NULLIF(${count}, 0)

使用集进行展开细目

Looker 最强大的功能之一是能够深入挖掘数据，查看构成计数或其他测量的底层实体。

当您在界面中点击测量值时，Looker 会创建一个新测量值 对构成测量的数据集进行本地化的数据集。每个值 系统会将表格中相应行的每个维度添加到

如需显示详细信息，Looker 需要在用户点击某个测量值时显示指定的展开字段列表。当您生成模型时，生成器通常会为您创建一些初始深入分析字段。此外，您可以自行添加深入分析字段。例如，假设您在过去一周按用户状态衡量订单数。在 Looker 中，查询将如下所示：

USERS 状态订单数
加利福尼亚州24
得克萨斯州5
科罗拉多4
佛罗里达4
伊利诺伊4

如果您点击 California（加利福尼亚州）行中的 24（24），那么您可能会看到来自加利福尼亚州的 24 个订单。虽然 Looker 会添加过滤条件 USERS State: California，但它不知道您想在订单中显示哪些字段。您首先需要使用 set 在模型中声明这些字段。

在 LookML 中，集是一系列字段（维度、测量和过滤器）名称。您可以使用集来向 Looker 提供以下信息：

  • 深入到计数或其他度量时要显示的字段
  • 联接视图时要导入的字段
  • 您希望在探索中编入索引的字段

由于同一组可以在模型的多个位置使用，因此 Looker 提供了多种创建组的方法。

字面量集

字面量集是定义 LookML 中集的一种简单方法，尤其是在集只使用一次时。字面量集是通过将集合声明为数组来创建的。您可以使用 [] 声明字面量集。

请思考以下示例：

view: customers {
  dimension: id {
    primary_key: yes
  }
  measure: count {
    type: count
  }
  dimension: city {}
  dimension: state {}
  dimension: name {}
}

在此示例中，您要显示的字段是 id、name 和 city。

在测量中，您可以按如下方式声明字面量数组：

measure: count {
  type: count
  drill_fields: [id, name, city]
}

命名集

假设在 customers 视图中定义了两个计数：count 和 in_california_count。当用户在“探索”中展开计数字段或在加利福尼亚州的计数字段时，您希望显示 id、name 和 city 字段。

最初，按字面声明这些字段似乎已经足够：

view: customers {
  measure: count {
    type: count
    drill_fields: [id, name, city]
  }
  measure: in_california_count {
    type: count
    filters: [state: "California"]
    drill_fields: [id, name, city]
  }
}

不过，如果您想添加新字段（例如 customers.state），则必须修改这两个列表，除非您使用 set 参数创建命名集，这样您就可以在一个位置维护这些集，并在多个位置使用它们。

以下代码会创建一个集合 customers.detail，并将这两个计数指向同一组字段。

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"]
    drill_fields: [detail*]      # show fields in the set "customers.detail"
  }
}

LookML 集在以下方面非常强大：

  • 集的重复声明是累加的。如果您在多个位置声明某个集合，则 Looker 会在所有位置包含为该集合声明的所有字段。
  • 若要将其他集内嵌入集嵌入其他集，只需输入另一个集的名称并在后面加上星号，例如 setname*。
  • 您可以在字段名称前添加连字符，例如 -fieldname，以便将元素从集中移除。

自定义深入分析图表

如果您的 Looker 管理员启用了可视化深入分析实验室功能，则 Look 和探索的深入分析不一定会默认采用数据表格。在这种情况下，您可以在 link 参数中使用 Liquid 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钻取最佳实践页面所示。

信息中心支持使用 link 参数进行可视化深入分析，而无需启用可视化深入分析实验室功能。

过滤结果集

LookML 提供了一组过滤操作，可应用于字段和探索，以便在将结果集返回给用户之前对其进行过滤。

“探索”中的always_filter

借助 always_filter，您可以始终将一组过滤条件应用于在“探索”中运行的任何查询。这些过滤条件将显示在 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，这些过滤器可用于移除您通常不希望包含的数据。例如，假设您在订单探索中只想查看已完成或待处理的订单。您可以添加以下 LookML 代码：

explore: orders {
  view_name: order
    filters: [status: "complete,pending"]
  }
}

如果用户想查看其他状态值的订单，可以在界面中将 ORDERS Status 设置为 %。

“探索”页面上的 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。除了由人工用户运行的查询之外，此限制还会应用于依赖于该探索的信息中心、定期生成的 Look 和嵌入信息。除非用户查看自己创建的任何查询的基础 SQL，否则系统不会向用户显示 sql_always_where 条件。

以下示例会阻止用户查看 2012-01-01 之前的订单：

# 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”页面上的 conditionally_filter

非常大的表在查询时需要三思而后行，因为查询次数不限可能很快就会给数据库带来太大的负担。LookML 提供了一种以 conditionally_filter 的形式解决此问题的方法。

除非用户已为 unless 部分中列出的某个字段添加过过滤条件，否则您可以使用 conditionally_filter 参数对查询应用过滤条件。

如果用户对以下一个或多个字段应用了过滤条件（created_date、shipped_time、shipped_date、orders.id 或 customer.name），则以下示例不会对用户的查询做出任何更改。如果用户未按任何这些字段过滤，Looker 会自动在 orders.created_time 上添加 1 天的过滤条件。

  filters: [orders.created_time: "1 day"]
  unless: [created_date, shipped_time, shipped_date, orders.id, customer.name]
}