Blocchi Looker

I Looker BlocksTM sono modelli dati predefiniti per origini dati e pattern analitici comuni. Consentono di riutilizzare il lavoro già svolto da altri invece di partire da zero, personalizzando poi i blocchi in base alle esatte specifiche. Da pattern SQL ottimizzati a modelli dei dati completamente strutturati, Looker Blocks può essere utilizzato come punto di partenza per una modellazione dei dati rapida e flessibile in Looker.

Blocchi disponibili

È possibile scegliere tra molti blocchi Looker. Per vedere quali blocchi sono disponibili, consulta la sezione Blocchi di Looker Marketplace.

Fai clic su un blocco che ti interessa per visualizzare le relative istruzioni per l'utilizzo specifiche.

Alcuni Looker Blocks possono essere installati rapidamente utilizzando Looker Marketplace. Prima di poter eseguire il deployment di un blocco tramite Looker Marketplace, è necessario che un amministratore di Looker abbia attivato la funzionalità Marketplace. L'installazione di blocchi che contengono un parametro local_dependency richiede anche l'abilitazione della funzionalità Importazione progetto locale Labs. Consulta la pagina della documentazione di Looker Marketplace per saperne di più sull'installazione e sulla personalizzazione di Looker Blocks, disponibile in Looker Marketplace.

Standardizzazione e personalizzazione

La facilità di utilizzo dei diversi blocchi varia a seconda del livello di standardizzazione dello schema del database. La maggior parte dei blocchi Looker richiede una certa personalizzazione per adattarsi allo schema dei dati, ad eccezione dei blocchi di dati, che sono i più semplici da implementare ma non sono personalizzabili.

  • Per accedere alle tabelle modellate, è sufficiente copiare il modello LookML dal repository GitHub, che includono sia set di dati pubblici sia modelli LookML completi. Per istruzioni dettagliate, consulta la sezione Utilizzo dei blocchi di dati in questa pagina.

  • Le applicazioni di raccolta dati, come Segment e Snowplow, monitorano gli eventi in un formato relativamente standardizzato. Ciò consente di creare pattern di progettazione modelli, in grado di eseguire la pulizia, la trasformazione e l'analisi dei dati, che possono essere utilizzati da qualsiasi cliente che utilizzi queste applicazioni.

  • Altre applicazioni web, come Salesforce, consentono di aggiungere campi personalizzati per gli utenti interni. Naturalmente, questo produce dati in un formato meno standardizzato. Di conseguenza, possiamo modellizzare parte del modello dei dati per iniziare a eseguire l'analisi, ma dovrai personalizzare la parte non standardizzata.

  • Infine, abbiamo dei blocchi per gli insight generali sull'attività. Si tratta di pattern di progettazione SQL o LookML ottimizzati e indipendenti dall'origine dati. Ad esempio, molte società vogliono analizzare il lifetime value di un cliente nel corso del tempo. Questi pattern si basano su alcuni presupposti incorporati, ma possono essere personalizzati per soddisfare esigenze aziendali specifiche. Questi pattern riflettono il punto di vista di Looker sul modo migliore per condurre determinati tipi di analisi.

Se non hai mai utilizzato Looker, il tuo analista Looker può aiutarti a ottenere il massimo da questi modelli.

Aggiunta di blocchi a LookML

  • Alcuni blocchi mostrano esplorazioni e visualizzazioni nello stesso file. Questo è per facilitare la visualizzazione, ma in generale ti consigliamo di copiare le sezioni appropriate di LookML nelle posizioni appropriate nel tuo modello dei dati. Per ulteriori informazioni, consulta la pagina della documentazione Informazioni sui modelli e sulla visualizzazione dei file.
  • In alcuni casi è consigliabile creare nuovi file LookML nel modello dei dati per ospitare gli esempi.

Utilizzo dei blocchi di dati

I blocchi dati sono un tipo speciale di Looker Block, che fornisce il set di dati e il modello dei dati. I blocchi di dati di Looker includono origini dati pubbliche, come ad esempio:

  • Dati demografici: metriche demografiche comuni dell'American Community Survey a livello di stato, contea, area di tabulazione dei codici postali e persino a livello di gruppo di blocchi di censimenti.
  • Dati meteo: rapporti meteo negli Stati Uniti a livello di codice postale dal 1920 al giorno precedente. Questo blocco viene aggiornato ogni notte.

Per visualizzare l'elenco completo dei blocchi disponibili, consulta la sezione Blocchi di Looker Marketplace.

Accesso a set di dati su diversi database

La procedura per accedere al set di dati di un blocco di dati varia a seconda dello schema del database. Le seguenti sezioni contengono istruzioni per accedere ai set di dati su questi database:

Accesso ai set di dati su Google BigQuery

Se hai già un account Google BigQuery, puoi accedere ai set di dati ospitati in BigQuery di Looker. Passa alla sezione Aggiunta di blocchi di dati ai progetti di questa pagina.

Se non hai ancora un account Google BigQuery, puoi configurare una prova gratuita e quindi accedere ai set di dati pubblici di Looker su BigQuery.

Accesso ai set di dati su altri database

Usi Amazon Redshift, MySQL, PostgreSQL o Oracle?

Abbiamo reso disponibili pubblicamente i dati trasformati di ciascuno di questi set di dati sia nel servizio Google Cloud che in S3, in modo da poterli importare direttamente nel database di tua scelta.

Abbiamo inoltre reso disponibile il Data Definition Language (DDL) per ciascuno dei set di dati nel repository GitHub. È possibile che le istruzioni DDL debbano essere modificate per i tipi di dati nel database selezionato, ma dovrebbero fornire un'idea dei tipi di colonna per ogni tabella.

Scarica i dati direttamente da una di queste posizioni:

Accesso al modello LookML

Crea un fork di uno dei nostri repository GitHub in un nuovo repository GitHub (ospitato da Looker o dalla tua azienda), che puoi quindi estendere o perfezionare all'interno della tua istanza:

Aggiunta di blocchi di dati ai progetti

Oltre al metodo descritto in questa sezione, puoi utilizzare anche i perfezionamenti LookML per sfruttare il LookML delle viste e delle esplorazioni nei tuoi progetti.

Per aggiungere un blocco dati al tuo progetto:

  1. Aggiungi un nuovo progetto all'istanza di Looker.

  2. Fork o copia i repository GitHub menzionati in precedenza per accedere a LookML predefinito. Assicurati di creare un nuovo repository GitHub.

  3. Rimuovi i file di dialetti del database dal repository. I blocchi Looker contengono in genere file per Google BigQuery, Amazon Redshift e Snowflake. Ad esempio, se stai configurando blocchi di dati su Google BigQuery, avrai bisogno solo dei file di visualizzazione di Google BigQuery, del file di esplorazione di Google BigQuery e del file del modello di Google BigQuery.

  4. Sostituisci il nome della connessione nel file del modello con la connessione del database in cui si trovano i dati per i blocchi di dati. Se usi Google BigQuery o Snowflake, utilizza la connessione al database da cui eseguirai l'estensione o il perfezionamento.

    Tutte le logiche di join sono presenti in un file .explore in ciascuno dei repository. Questo è il file che dovrai includere nei passaggi seguenti, una volta configurato il manifest del progetto.

  5. Nel tuo progetto Looker principale, in cui intendi estendere o perfezionare i blocchi di dati, crea un file manifest del progetto.

  6. Aggiungi il seguente LookML al file manifest del progetto per fare riferimento ai blocchi di dati nel tuo progetto Looker principale:

    project_name: "<your_project_name\>"

    local_dependency: {
      project: "<project_name_of_datablock\>"
    }

Considerazioni e opzioni relative alla configurazione

Google BigQuery: assicurati di utilizzare il set corretto di file modellati. Se utilizzi Google BigQuery, puoi fare riferimento a tutti i file che hanno _bq_ nel nome. Potresti dover adattare i dialetti del modello di Google BigQuery al dialetto del tuo database.

Estensioni: tutti i nostri progetti sono stati configurati in modo da consentire le estensioni dai file Esplora, poiché le estensioni dei modelli potrebbero causare problemi con più connessioni.

Unione di tabelle derivate: puoi dare un'occhiata alla nostra documentazione sulle tabelle derivate native. Puoi consentire a Looker di scrivere codice SQL a diversi livelli di aggregazione sui nostri set di dati disponibili pubblicamente e unirli al tuo modello.

Unione dei set di risultati: puoi anche scegliere di unire i set di risultati dei nostri set di dati con i tuoi dati combinando i set di risultati delle query.

Esempio di configurazione di un set di dati demografici

  1. Accedi ai dati scaricando dati non elaborati dai nostri bucket di servizi Google Cloud o S3 oppure connettendoti a un database Looker.

  2. Importa il modello Blocco di dati demografici da LookML come progetto separato nell'istanza Looker.

  3. Utilizza il parametro include per visualizzare il file di visualizzazione.

  4. Poi puoi estendere o perfezionare il file della vista oppure utilizzare le tabelle derivate native per ottenere i dati al livello di aggregazione necessario per le esplorazioni.

    Nel nostro esempio, poiché i dati demografici si trovano a un livello di aggregazione diverso rispetto al nostro set di dati per l'e-commerce (gruppo di blocchi o codice postale), utilizziamo tabelle derivate native per aggregare le statistiche fino al livello del codice postale. In questo modo si eliminano i join disordinati molti-to-many:

      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
    }

  5. Unire i file di visualizzazione nel modello:

      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
    }
  }

  6. Esplora e visualizza i dati.

Utilizzo dei blocchi di visualizzazione

Looker include una varietà di tipi di visualizzazione integrati. Tuttavia, se le tue esigenze di creazione di grafici non sono coperte dai tipi di visualizzazione integrati di Looker, puoi anche aggiungere i tuoi tipi di visualizzazione personalizzata. Puoi anche sviluppare una visualizzazione personalizzata e renderla disponibile a tutti gli utenti di Looker da Looker Marketplace.

I blocchi di visualizzazione sono tipi di visualizzazione JavaScript predefiniti ospitati da Looker. Se aggiungi i blocchi di Visualizzazione all'istanza di Looker, il loro funzionamento è simile a quello dei tipi di visualizzazione integrati di Looker: vengono mostrati sulla barra dei menu di visualizzazione e includono funzionalità di base come analisi dei dati, download, incorporamento e pianificazione.

Per saperne di più su un blocco di visualizzazione, seleziona il tipo di visualizzazione nella sezione Plug-in di Looker Marketplace, quindi fai clic su Visualizza il codice e vai al file READ.ME del blocco di visualizzazione. Il file READ.ME mostra un esempio della visualizzazione e fornisce maggiori informazioni sul blocco di visualizzazione. Per alcune visualizzazioni, il file READ.ME fornisce anche un URL e istruzioni per aggiungere il blocco di visualizzazione.

Per aggiungere il tipo di visualizzazione all'istanza, consulta le istruzioni nel file READ.ME (se presenti) e le informazioni nella pagina della documentazione Visualizzazioni.