Bloques de Looker

Los bloques de Looker™ son modelos de datos precompilados para patrones analíticos y fuentes de datos comunes. Reutiliza el trabajo que otras personas ya hicieron en lugar de empezar desde cero y, luego, personaliza los bloques según tus especificaciones exactas. Desde patrones de SQL optimizados hasta modelos de datos completamente compilados, los bloques de Looker se pueden usar como punto de partida para el modelado de datos rápido y flexible en Looker.

Bloques disponibles

Hay muchos bloques de Looker para elegir. Para ver qué bloques están disponibles, consulta la sección Bloques del Mercado de Looker.

Haz clic en un bloque que te interese para ver sus instrucciones de uso específicas.

Algunos bloques de Looker se pueden instalar rápidamente con el Marketplace de Looker. Para poder implementar un bloque a través de Looker Marketplace, un administrador de Looker debe haber habilitado la función Marketplace. Para instalar bloques que contengan un parámetro local_dependency, también debes habilitar la función Importación de proyectos locales de Labs. Consulta la página de documentación del Mercado de Looker para obtener más información sobre cómo instalar y personalizar los bloques de Looker, disponibles en el Mercado de Looker.

Estandarización y personalización

La facilidad de usar los diferentes bloques variará según el grado en que el esquema de tu base de datos esté estandarizado. La mayoría de los bloques de Looker requieren cierta personalización para adaptarse a tu esquema de datos, a excepción de los bloques de datos, que son los más simples de implementar, pero no se pueden personalizar.

  • Los bloques de datos, que incluyen conjuntos de datos públicos y modelos de LookML completos, solo requieren copiar el modelo de LookML del repositorio de GitHub para acceder a las tablas modeladas. Consulta Cómo usar bloques de datos en esta página para obtener instrucciones detalladas.

  • Las aplicaciones de recopilación de datos, como Segment y Snowplow, hacen un seguimiento de los eventos en un formato relativamente estandarizado. Esto permite crear patrones de diseño con plantillas, capaces de realizar limpieza, transformación y análisis de datos, que cualquier cliente puede usar con estas aplicaciones.

  • Otras aplicaciones web, como Salesforce, te permiten agregar campos personalizados para tus usuarios internos. Por supuesto, esto crea datos en un formato menos estandarizado. Como resultado, podemos crear plantillas de parte del modelo de datos para que las estadísticas estén listas para funcionar, pero deberás personalizar la parte no estandarizada.

  • Por último, tenemos bloques para estadísticas generales de la empresa. Estos son patrones de diseño optimizados de SQL o LookML que no dependen de la fuente de datos. Por ejemplo, muchas empresas querrán analizar el valor del ciclo de vida de un cliente a lo largo del tiempo. Hay algunas suposiciones integradas en estos patrones, pero se pueden personalizar para que se adapten a las necesidades específicas de tu empresa. Estos patrones reflejan el punto de vista de Looker sobre la mejor manera de realizar ciertos tipos de análisis.

Si es la primera vez que usas Looker, tu analista de Looker puede ayudarte a aprovechar al máximo estos modelos.

Cómo agregar bloques a tu LookML

  • Algunos bloques muestran exploraciones y vistas en el mismo archivo. Esto es para facilitar la visualización, pero, en general, te recomendamos que copies las secciones adecuadas de LookML en los lugares adecuados de tu modelo de datos. Consulta la página de documentación Información sobre el modelo y los archivos de vista para obtener más información.
  • En algunos casos, es probable que desees crear archivos LookML nuevos en tu modelo de datos para alojar los ejemplos.

Usa bloques de datos

Los bloques de datos son un tipo especial de bloque de Looker que proporcionan el conjunto de datos y el modelo de datos. Los bloques de datos de Looker incluyen fuentes de datos públicas, como las siguientes:

  • Datos demográficos: Métricas demográficas comunes de la Encuesta sobre la comunidad estadounidense a nivel del estado, el condado, el área de tabulación de códigos postales y hasta del grupo de bloques del censo.
  • Datos del clima: Informes del clima en Estados Unidos a nivel del código postal desde 1920 hasta el día anterior. Este bloque se actualiza todas las noches.

Para ver la lista completa de bloques disponibles, consulta la sección Bloques del Mercado de Looker.

Cómo acceder a conjuntos de datos en diferentes bases de datos

El procedimiento para acceder al conjunto de datos de un bloque de datos varía según el esquema de tu base de datos. En las siguientes secciones, se incluyen instrucciones para acceder a los conjuntos de datos de estas bases de datos:

Accede a los conjuntos de datos de Google BigQuery

Si tienes una cuenta existente de Google BigQuery, puedes acceder a los conjuntos de datos alojados en BigQuery de Looker. Avanza a la sección Cómo agregar bloques de datos a los proyectos en esta página.

Si aún no tienes una cuenta de Google BigQuery, puedes configurar una prueba gratuita y, luego, acceder a los conjuntos de datos públicos de Looker en BigQuery.

Cómo acceder a conjuntos de datos en otras bases de datos

¿Estás en Amazon Redshift, MySQL, PostgreSQL o Oracle?

Los datos transformados de cada uno de estos conjuntos de datos están disponibles públicamente en el servicio de Google Cloud y S3, de modo que puedas importarlos directamente a la base de datos que elijas.

También pusimos a disposición el lenguaje de definición de datos (DDL) para cada uno de los conjuntos de datos del repositorio de GitHub. Es posible que debas modificar las instrucciones DDL para los tipos de datos de la base de datos seleccionada, pero deberían darte una idea de los tipos de columnas de cada tabla.

Descarga datos directamente desde una de estas ubicaciones:

Cómo acceder al modelo de LookML

Crea una bifurcación de uno de nuestros repositorios de GitHub en un repositorio de GitHub nuevo (alojado por Looker o por tu empresa) que luego puedas extender o definir mejor en tu instancia:

Agrega bloques de datos a los proyectos

Además del método que se describe en esta sección, también puedes usar las definiciones más precisas de LookML para basarte en el código de LookML de las vistas y las exploraciones de tus proyectos.

Para agregar un bloque de datos a tu proyecto, sigue estos pasos:

  1. Agrega un proyecto nuevo a tu instancia de Looker.

  2. Bifurca o copia los repositorios de GitHub mencionados anteriormente para acceder a LookML precompilado. Asegúrate de crear un repositorio de GitHub nuevo.

  3. Quita otros archivos de dialecto de la base de datos del repositorio. Por lo general, los bloques de Looker contienen archivos para Google BigQuery, Amazon Redshift y Snowflake. Por ejemplo, si configuras bloqueos de datos en Google BigQuery, solo necesitarás los archivos de vista, de exploración y de modelo de Google BigQuery.

  4. Reemplaza el nombre de la conexión en el archivo de modelo por la conexión de la base de datos en la que se encuentran los datos de los bloques de datos. Si usas Google BigQuery o Snowflake, usa la conexión de la base de datos desde la que extenderás o definirás mejor los datos.

    Toda la lógica de unión existe en un archivo .explore en cada uno de los repositorios. Este es el archivo que incluirás en los siguientes pasos, después de configurar el manifiesto de tu proyecto.

  5. En tu proyecto principal de Looker, en el que extenderás o definirás mejor los bloques de datos, crea un archivo de manifiesto del proyecto.

  6. Agrega el siguiente código de LookML al archivo de manifiesto del proyecto para hacer referencia a los bloques de datos en tu proyecto principal de Looker:

    project_name: "<your_project_name\>"

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

Consideraciones y opciones de configuración

Google BigQuery: Asegúrate de usar el conjunto correcto de archivos modelados. Si usas Google BigQuery, te recomendamos que hagas referencia a todos los archivos con _bq_ en el nombre. Es posible que debas adaptar nuestros dialectos de modelos de Google BigQuery a tu propio dialecto de base de datos.

Extensiones: Todos nuestros proyectos se configuraron para permitir extensiones de archivos de Explorar, ya que las extensiones de modelos podrían causar problemas con varias conexiones.

Cómo unir tablas derivadas: Te recomendamos que consultes nuestra documentación sobre tablas derivadas nativas. Puedes permitir que Looker escriba SQL por ti en diferentes niveles de agregación en nuestros conjuntos de datos disponibles públicamente y unirlos a tu modelo.

Combinación de conjuntos de resultados: También puedes combinar conjuntos de resultados de nuestros conjuntos de datos con los tuyos. Para ello, combina los conjuntos de resultados de las consultas.

Ejemplo de configuración del conjunto de datos demográficos

  1. Para obtener acceso a los datos, descarga datos sin procesar de nuestros buckets de servicios de S3 o Google Cloud , o bien conéctate a una base de datos de Looker.

  2. Importa el modelo de bloque de datos demográficos desde LookML como un proyecto independiente en tu instancia de Looker.

  3. Usa el parámetro include para incorporar el archivo de vista.

  4. Luego, extiende o define mejor el archivo de vista, o bien usa las tablas derivadas nativas para obtener datos en el nivel de agregación necesario para las exploraciones.

    En nuestro ejemplo, como los datos demográficos se encuentran en un nivel de agregación diferente al de nuestro conjunto de datos de comercio electrónico (grupo de bloques en comparación con el código postal), usamos tablas derivadas nativas para agregar estadísticas hasta el nivel del código postal. Esto elimina las uniones muchas a muchas desordenadas:

      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. Une los archivos de vista al modelo:

      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. Explora y visualiza los datos.

Cómo usar bloques de visualización

Looker incluye una variedad de tipos de visualización integrados. Sin embargo, si tienes necesidades de gráficos que no están cubiertas por los tipos de visualización integrados de Looker, también puedes agregar tus propios tipos de visualización personalizada. También puedes desarrollar una visualización personalizada y ponerla a disposición de todos los usuarios de Looker desde Looker Marketplace.

Los bloques de visualización son tipos de visualización de JavaScript precompilados que aloja Looker. Puedes agregar los bloques de visualización a tu instancia de Looker, y estos actuarán de manera similar a cualquiera de los tipos de visualización integrados de Looker: aparecen en la barra de menú de visualización y, además, incluyen funciones principales, como desglosar, descargar, incorporar y programar.

Para obtener más información sobre un bloque de visualización, selecciona el tipo de visualización en la sección Complementos del mercado de Looker, haz clic en Ver el código y navega al archivo READ.ME del bloque de visualización. El archivo READ.ME muestra un ejemplo de la visualización y proporciona más información sobre el bloque de visualización. En el caso de algunas visualizaciones, el archivo READ.ME también proporciona una URL y las instrucciones para agregar el bloque de visualización.

Para agregar el tipo de visualización a tu instancia, consulta las instrucciones en el archivo READ.ME (si corresponde) y la información en nuestra página de documentación de Visualizaciones.