Looker 块

Looker BlocksTM 是预构建的数据模型，适用于常见的分析模式和数据源。重复使用其他人已经完成的工作（而不是从头开始），然后根据您的确切规范自定义这些块。从经过优化的 SQL 模式到完全内置的数据模型，Looker Blocks 可以用作起点，在 Looker 中快速、灵活地进行数据建模。

可用的组成要素

有多个 Looker 模块可供选择。如需查看可用的屏蔽设置，请查看 Looker Marketplace 的屏蔽设置部分。

注意 ：Looker Blocks 旨在让数据分析变得更轻松、更高效。它们是“按原样”提供的，这意味着此后不会再有更新。Looker 无法声明或保证这些数据准确、可靠或没有错误。如需详细了解数据源的收集方式和解读方式，请查看数据源所记录网站的相关信息。

点击您感兴趣的块以查看其具体使用说明。

某些 Looker 块可以使用 Looker Marketplace 快速安装。Looker 管理员必须先启用 Marketplace 功能，然后才能通过 Looker Marketplace 部署块。安装包含 local_dependency 参数的块还需要启用本地项目导入 实验室功能。如需详细了解如何安装和自定义 Looker Marketplace（可从 Looker Marketplace 获取），请参阅 Looker Marketplace 文档页面。

标准化和自定义

注意 ：Looker 管理员必须先启用本地项目导入 实验室功能，然后您才能基于包含 local_dependency 参数的现有块构建应用。

使用不同块的难易程度因数据库架构的标准化程度而异。大多数 Looker 块都需要进行一些自定义才能契合您的数据架构，但数据块除外，它们最易于实现，但无法自定义。

• 数据块（包括公共数据集和完整的 LookML 模型）只需从 GitHub 代码库复制 LookML 模型即可访问建模表。有关详细说明，请参阅本页中的使用数据块。

• 数据收集应用（如 Segment 和 Snowplow）以相对标准化的格式跟踪事件。这样一来，就可以创建模板化设计模式（能够进行数据清理、转换和分析），以供任何使用这些应用的客户使用。

• 其他 Web 应用（例如 Salesforce）可让您为内部用户添加自定义字段。当然，这样会以不太标准化的格式创建数据。因此，我们可以对部分数据模型进行模板化，以便启动并运行分析，但您需要自定义非标准化部分。

• 最后，我们还为常规业务数据洞见设置了一些限制。这些是优化的 SQL 或 LookML 设计模式，与数据源无关。例如，许多公司都希望分析客户在一段时间内的生命周期价值。这些模式中包含了一些假设，但您可以根据自己的特定业务需求对其进行自定义。这些模式反映了 Looker 对进行特定类型的分析的最佳方式的看法。

如果您刚开始接触 Looker，Looker 分析师可帮助您充分利用这些模型。

向 LookML 中添加块

• 一些块会在同一文件中同时显示探索和视图。这便于查看，但一般来说，您需要将 LookML 的相应部分复制到数据模型的相应位置。如需了解详情，请参阅了解模型和视图文件文档页面。
• 在某些情况下，您可能需要在数据模型中创建新的 LookML 文件以存放这些示例。

使用数据块

数据块是一种特殊的 Looker 块，可提供数据集和数据模型。Looker 数据块包含公开数据源，例如：

• 受众特征数据：美国社区调查提供的常见受众特征指标，涵盖州、县、邮政编码制表区甚至人口普查街区组级别。
• 天气数据：1920 年至前一天的美国邮政编码级别天气报告。此块每晚更新。

如需查看可用块的完整列表，请参阅 Looker Marketplace 的块部分。

访问不同数据库上的数据集

访问数据块数据集的过程因数据库架构而异。以下部分介绍如何访问这些数据库中的数据集：

• Google BigQuery
• 其他数据库

访问 Google BigQuery 上的数据集

如果您已有 Google BigQuery 帐号，则可以访问 Looker 的 BigQuery 托管的数据集。请直接跳到本页面的向项目添加数据块部分。

如果您还没有 Google BigQuery 帐号，可以设置免费试用，然后在 BigQuery 上访问 Looker 的公共数据集。

注意：Google BigQuery 不支持跨区域共享项目。如需直接从美国区域以外的位置访问 Google BigQuery 中的数据块，您可以：

• 从 Google Cloud 服务或 Amazon S3 导入 Looker 的公开数据。
• 创建一个基于美国区域的新 Google BigQuery 连接。

访问其他数据库上的数据集

您使用的是 Amazon Redshift、MySQL、PostgreSQL 或 Oracle 吗？

我们已在 Google Cloud 服务和 S3 中公开提供每个数据集的转换数据，以便您可以直接将其导入至您选择的数据库中。

我们还为 GitHub 代码库中的每个数据集提供了数据定义语言 (DDL)。可能需要为所选数据库中的数据类型修改 DDL 语句，但您应该可以了解每个表的列类型。

直接从以下某个位置下载数据：

• Google Cloud 服务：_gs://looker-datablocks/_
• S3：_s3://looker-datablocks/_
• S3 存储分区网站链接：http://looker-datablocks.s3-website-us-east-1.amazonaws.com/

访问 LookML 模型

将我们的某个 GitHub 代码库克隆到新的 GitHub 代码库（由 Looker 或您的公司托管），然后在您的实例中扩展或优化该代码库：

• 受众特征数据（美国社区调查）- https://github.com/llooker/datablocks-acs
• 天气 (GSOD) - https://github.com/llooker/datablocks-gsod

向项目添加数据块

除了本部分中介绍的方法之外，您还可以使用 LookML 优化在项目中视图和探索的 LookML 的基础上进行构建。

注意 ：Looker 管理员必须先启用本地项目导入 实验室功能，然后您才能基于包含 local_dependency 参数的数据块构建应用。

如需向项目添加数据块，请执行以下操作：

1. 向您的 Looker 实例添加新项目。

2. 对之前提到的 GitHub 代码库进行复刻或复制操作，以访问预构建的 LookML。请务必创建一个新的 GitHub 代码库。

3. 从代码库中移除其他数据库方言文件。Looker Blocks 通常包含 Google BigQuery、Amazon Redshift 和 Snowflake 文件。例如，如果您要在 Google BigQuery 上设置数据块，则仅需要 Google BigQuery 视图文件、Google BigQuery 探索文件和 Google BigQuery 模型文件。

4. 将模型文件中的连接名称替换为数据块所在的数据库连接。如果您使用的是 Google BigQuery 或 Snowflake，请使用要扩展或优化的数据库连接。

   所有联接逻辑都存在于每个代码库的 .explore 文件中。设置项目清单后，您将在后续步骤中添加此文件。

5. 在要扩展或优化数据块的主 Looker 项目中，创建项目清单文件。

6. 将以下 LookML 添加到项目清单文件中，以引用 Looker 主项目中的数据块：

    project_name: "<your_project_name\>"

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

设置注意事项和选项

Google BigQuery：请务必使用一组正确的根据模型估算的文件。如果您使用的是 Google BigQuery，则可能需要引用文件名中包含 _bq_ 的所有文件。您可能需要调整 Google BigQuery 模型方言，使其适合您自己的数据库方言。

注意：Google BigQuery 不支持跨区域共享项目。如需直接从美国区域以外的位置访问 Google BigQuery 中的数据块，您可以：

• 从 Google Cloud 服务或 Amazon S3 导入 Looker 的公开数据。
• 创建一个基于美国区域的新 Google BigQuery 连接。

扩展程序：我们的所有项目都已设置为允许“探索”文件使用扩展程序，因为模型扩展程序可能会导致多个连接出现问题。

联接派生表：您可能需要查看有关原生派生表的文档。您可以让 Looker 针对我们公开提供的数据集以不同汇总级别为您编写 SQL，并将这些数据联接到您的模型中。

合并结果集：您还可以选择通过合并查询结果集，将我们数据集中的结果集与您的数据合并。

受众特征数据集的设置示例

1. 从我们的 S3 或 Google Cloud 服务存储分区下载原始数据，或连接到 Looker 数据库，从而获取数据访问权限。

2. 从 LookML 导入受众特征数据块模型，将其作为 Looker 实例中的单独项目。

3. 使用 include 参数引入视图文件。

4. 然后，扩展或优化视图文件，或者利用原生派生表获取探索所需的汇总级别数据。

   在我们的示例中，由于受众特征数据的汇总级别与我们的电子商务数据集（块组与邮政编码）不同，因此我们使用原生派生表汇总统计数据，最高可达邮政编码级别。这样可以避免混乱的多对多联接：

     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. 将视图文件联接到模型中：

     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. 探索和直观呈现数据。

使用可视化块

Looker 提供多种内置可视化类型。但是，如果您的图表需求不在 Looker 的内置可视化图表类型涵盖范围内，您还可以添加自己的自定义可视化图表类型。您还可以开发自定义可视化图表，并通过 Looker Marketplace 将其提供给所有 Looker 用户。

Viz 块是由 Looker 托管的预构建 JavaScript 可视化类型。您可以将可视化块添加到 Looker 实例中，这些块的运作方式与 Looker 的任何内置可视化类型都类似：它们显示在可视化菜单栏中，并包含诸如深入分析、下载、嵌入和时间安排等核心功能。

如需详细了解可视化块，请在 Looker Marketplace 的插件部分中选择可视化类型，然后点击查看代码并前往可视化块的 READ.ME 文件。READ.ME 文件显示了一个可视化图表示例，并提供了有关可视化块的更多信息。对于某些可视化图表，READ.ME 文件还会提供一个网址，以及有关如何添加可视化块的说明。

如需向实例添加可视化类型，请参阅 READ.ME 文件（如果有）中的说明以及我们的可视化图表文档页面中的信息。