Bloques de Looker

Looker BlocksTM son modelos de datos compilados previamente para patrones analíticos y fuentes de datos comunes. En lugar de empezar desde cero, reutiliza el trabajo que ya han hecho otros usuarios y personaliza los bloques según tus especificaciones exactas. Desde patrones de SQL optimizados hasta modelos de datos completamente compilados, Looker Blocks puede usarse como punto de partida para un modelado de datos rápido y flexible en Looker.

Bloques disponibles

Hay muchos bloques de Looker para elegir. Para ver qué bloqueos están disponibles, consulta la sección Bloqueos de Looker Marketplace.

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

Algunos bloques de Looker se pueden instalar rápidamente con Looker Marketplace. Antes de que puedas implementar un bloqueo 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 es necesario habilitar la función Labs de Importación de proyectos locales. Consulta la página de documentación de Looker Marketplace para obtener más información sobre la instalación y personalización de bloques de Looker, disponible en Looker Marketplace.

Estandarización y personalización

La facilidad de usar los diferentes bloques variará según el grado en el que esté estandarizado el esquema de tu base de datos. 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 fáciles de implementar, pero no se pueden personalizar.

  • Los bloques de datos, que incluyen conjuntos de datos públicos y modelos completos de LookML, simplemente requieren que se copie 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, realizan un seguimiento de los eventos en un formato relativamente estandarizado. Esto permite crear patrones de diseño con plantillas, capaces de limpiar, transformar y analizar datos, y que puede usar cualquier cliente que utilice estas aplicaciones.

  • Otras aplicaciones web, como Salesforce, te permiten agregar campos personalizados para tus usuarios internos. Naturalmente, esto crea datos en un formato menos estandarizado. Como resultado, podemos crear plantillas de algunos de los modelos de datos para poner en marcha las estadísticas, pero tendrás que personalizar la parte no estandarizada.

  • Por último, tenemos bloques para estadísticas empresariales generales. Estos son patrones de diseño optimizados de SQL o LookML que son independientes 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 en estos patrones, pero puedes personalizarlas para que se adapten a tus necesidades empresariales específicas. Estos patrones reflejan el punto de vista de Looker sobre la mejor manera de realizar ciertos tipos de análisis.

Si eres nuevo en Looker, tu analista de Looker puede ayudarte a aprovechar al máximo estos modelos.

Agrega bloques a tu LookML

  • Algunos bloques muestran exploraciones y vistas en el mismo archivo. Esto es para facilitar la visualización, pero, en general, se recomienda copiar las secciones adecuadas de LookML en los lugares apropiados de tu modelo de datos. Consulta la página de documentación Comprende los archivos de modelos y vistas para obtener más información.
  • En algunos casos, es probable que quieras crear nuevos archivos de LookML en tu modelo de datos para alojar los ejemplos.

Cómo usar bloques de datos

Los bloques de datos son un tipo especial de Bloque de Looker que proporciona el conjunto de datos y el modelo de datos. Los Data Blocks de Looker incluyen fuentes de datos públicas, como las siguientes:

  • Datos demográficos: Muestra las métricas demográficas comunes de la Encuesta sobre la Comunidad Estadounidense a nivel del estado, el condado, el área de tabulación del código postal y hasta el censo de grupos bloqueados.
  • Datos del clima: Informes meteorológicos de 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 bloqueos disponibles, consulta la sección Bloqueos de Looker Marketplace.

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. Las siguientes secciones contienen instrucciones para acceder a los conjuntos de datos en estas bases de datos:

Cómo acceder a conjuntos de datos en Google BigQuery

Si tienes una cuenta existente de Google BigQuery, puedes acceder a los conjuntos de datos de Looker alojados en BigQuery. Ve 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.

Acceder a conjuntos de datos en otras bases de datos

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

Hicimos que los datos transformados de cada uno de estos conjuntos de datos estén disponibles de forma pública tanto en el servicio de Google Cloud como en S3 para que puedas importarlos directamente a la base de datos que desees.

También permitimos que el lenguaje de definición de datos (DDL) esté disponible para cada uno de los conjuntos de datos del repositorio de GitHub. Es posible que las declaraciones DDL deban modificarse según los tipos de datos de la base de datos seleccionada, pero deben proporcionar una idea de los tipos de columnas para cada tabla.

Descarga datos directamente desde una de estas ubicaciones:

Accede al modelo de LookML

Bifurca uno de nuestros repositorios de GitHub en un nuevo repositorio de GitHub (alojado por Looker o 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 mejoras de Looker para compilar en LookML de vistas y exploraciones en tus proyectos.

Para agregar un bloque de datos a tu proyecto, haz lo siguiente:

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

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

  3. Quita del repositorio otros archivos de dialectos de la base de datos. Los bloques de Looker suelen contener archivos para Google BigQuery, Amazon Redshift y Snowflake. Por ejemplo, si configuras bloques de datos en Google BigQuery, solo necesitarás los archivos de vista de Google BigQuery, el archivo de exploración de Google BigQuery y el archivo de modelo de Google BigQuery.

  4. Reemplaza el nombre de la conexión en tu archivo de modelo por tu conexión de base de datos en la que se encuentran los datos de los bloques de datos. Si usas Google BigQuery o Snowflake, utiliza la conexión de la base de datos a partir de la cual extenderás o definirás mejor la estrategia.

    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 el 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 LookML al archivo de manifiesto del proyecto para hacer referencia a los bloques de datos de 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 utilizar el conjunto correcto de archivos modelados. Si usas Google BigQuery, te recomendamos hacer referencia a todos los archivos que contengan _bq_ en el nombre. Es posible que debas adaptar los dialectos de nuestros 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 modelo podrían causar problemas con varias conexiones.

Unión de tablas derivadas: Recomendamos que consultes nuestra documentación sobre las tablas derivadas nativas. Puedes permitir que Looker escriba SQL por ti en diferentes niveles de agregación en nuestros conjuntos de datos disponibles públicamente y los una a tu modelo.

Combinación de conjuntos de resultados: También puedes combinar conjuntos de resultados de nuestros conjuntos de datos con tus datos combinando conjuntos de resultados de consultas.

Ejemplo de configuración del conjunto de datos demográficos

  1. Obtén acceso a la información mediante la descarga de 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 Bloque de datos demográficos de LookML como un proyecto independiente en tu instancia de Looker.

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

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

    En nuestro ejemplo, debido a que los datos demográficos están en un nivel de agregación diferente al de nuestro conjunto de datos de comercio electrónico (grupo de bloques frente a código postal), usamos tablas derivadas nativas para agregar estadísticas hasta el nivel del código postal. Esto elimina las uniones de varios a varios 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 en el 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. Explorar y visualizar los datos

Usar bloques de visualización

Looker incluye una variedad de tipos de visualización integrados. Sin embargo, si tienes necesidades de creación de gráficos que los tipos de visualización integrados de Looker no cubren, también puedes agregar tus propios tipos de visualización personalizada. También puedes desarrollar una visualización personalizada y hacer que esté disponible para todos los usuarios de Looker desde Looker Marketplace.

Los bloques de Viz son tipos de visualización de JavaScript compilados previamente que se alojan en Looker. Puedes agregar los bloques de Viz a tu instancia de Looker, y funcionarán 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 de Looker Marketplace, luego 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. Para 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 del archivo READ.ME (si corresponde) y la información de nuestra página de documentación de Visualizaciones.