Looker Blocks

Looker BlocksTM è un modello di dati predefinito per pattern analitici e origini dati 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 integrati, Looker Blocks può essere utilizzato come punto di partenza per una modellazione dei dati rapida e flessibile in Looker.

Blocchi disponibili

Sono disponibili numerosi Looker Blocks tra cui scegliere. Per verificare quali blocchi sono disponibili, consulta la sezione Blocchi di Looker Marketplace.

Fai clic su un blocco che ti interessa per visualizzare le istruzioni di utilizzo specifiche.

Alcuni Looker Blocks possono essere installati rapidamente utilizzando Looker Marketplace. Prima di poter eseguire il deployment di un blocco tramite Looker Marketplace, un amministratore di Looker deve aver abilitato la funzionalità Marketplace. L'installazione di blocchi che contengono un parametro local_dependency richiede anche l'attivazione della funzionalità di importazione dei progetti locali Labs. Consulta la pagina della documentazione di Looker Marketplace per ulteriori informazioni sull'installazione e sulla personalizzazione di Looker Blocks, disponibili in Looker Marketplace.

Standardizzazione e personalizzazione

La facilità di utilizzo dei diversi blocchi varia a seconda del grado di standardizzazione dello schema del database. La maggior parte dei Looker Blocks 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.

  • I blocchi di dati, che includono set di dati pubblici e modelli LookML completi, richiedono semplicemente la copia del modello LookML dal repository GitHub per accedere alle tabelle modellate. Per istruzioni dettagliate, consulta la sezione Uso dei blocchi di dati in questa pagina.

  • Le applicazioni di raccolta dati, come Segment e Snowplow, tengono traccia degli eventi in un formato relativamente standardizzato. Ciò consente di creare pattern di progettazione modellizzati, in grado di eseguire operazioni di pulizia, trasformazione e analisi dei dati, che possono essere utilizzati da qualsiasi cliente che utilizza queste applicazioni.

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

  • Infine, abbiamo dei blocchi per gli insight aziendali generali. 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 di Looker può aiutarti a ottenere il massimo da questi modelli.

Aggiunta di blocchi al tuo LookML

  • Alcuni blocchi mostrano sia le esplorazioni che le 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 sul modello e sui file di visualizzazione.
  • In alcuni casi ti conviene creare nuovi file LookML nel modello dei dati per ospitare gli esempi.

Uso di blocchi di dati

I blocchi di 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:

  • 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: report sul 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 database diversi

La procedura per accedere al set di dati di un blocco dati varia in base allo 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 su Looker. Passa direttamente alla sezione Aggiunta di blocchi di dati ai progetti in questa pagina.

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

Accesso a set di dati su altri database

Usi Amazon Redshift, MySQL, PostgreSQL o Oracle?

Abbiamo reso disponibili pubblicamente i dati trasformati per ciascuno di questi set di dati sia in Google Cloud che in S3, in modo che tu possa importarli direttamente nel database che preferisci.

Inoltre, abbiamo reso disponibile il DDL (Data Definition Language) per ciascuno dei set di dati nel repository GitHub. Potrebbe essere necessario modificare le istruzioni DDL 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 delle seguenti 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 anche utilizzare i perfezionamenti LookML per creare sul LookML delle viste e delle esplorazioni nei tuoi progetti.

Per aggiungere un data block 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 predefiniti. Assicurati di creare un nuovo repository GitHub.

  3. Rimuovi gli altri file di dialetti di database dal repository. Looker Blocks in genere contiene file per Google BigQuery, Amazon Redshift e Snowflake. Ad esempio, se stai configurando dei blocchi di dati su Google BigQuery, ti serviranno solo i file delle viste di Google BigQuery, il file delle esplorazioni di Google BigQuery e il file del modello di Google BigQuery.

  4. Sostituisci il nome della connessione nel file del modello con la connessione al 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 estendi o perfezionerai.

    Tutta la logica di join è presente in un file .explore in ciascuno dei repository. Si tratta del file che dovrai includere nei passaggi seguenti, dopo aver configurato il manifest del progetto.

  5. Crea un file manifest del progetto nel progetto Looker principale in cui estendi o perfezionerai i blocchi di dati.

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

    project_name: "<your_project_name\>"

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

Considerazioni e opzioni di configurazione

Google BigQuery: assicurati di utilizzare l'insieme corretto di file modellati. Se usi Google BigQuery, ti consigliamo di fare riferimento a tutti i file il cui nome file contiene _bq_. Potresti dover adattare i dialetti del nostro modello Google BigQuery al dialetto del tuo database.

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

Unione di tabelle derivate: puoi consultare la nostra documentazione per le tabelle derivate native. Puoi consentire a Looker di scrivere automaticamente codice SQL a diversi livelli di aggregazione sui nostri set di dati disponibili pubblicamente e unirli al tuo modello.

Unione di 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 del set di dati demografici

  1. Per accedere ai dati, scarica i dati non elaborati dai nostri bucket S3 o Google Cloud Service oppure connettiti a un database Looker.

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

  3. Utilizza il parametro include per importare il file della vista.

  4. Quindi espandi o perfeziona il file della vista o utilizza tabelle derivate native per ottenere dati al livello di aggregazione necessario per le esplorazioni.

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

      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.

Uso dei blocchi di visualizzazione

Looker include una varietà di tipi di visualizzazione integrati. Tuttavia, se hai esigenze di creazione di grafici che 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. Puoi aggiungere i blocchi Viz all'istanza di Looker e agiranno in modo simile a qualsiasi tipo di visualizzazione integrato di Looker: vengono visualizzati sulla barra dei menu di visualizzazione e includono funzionalità di base come visualizzazione in dettaglio, 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 ulteriori 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.