Looker 块

Looker Blocks™ 是适用于常见分析模式和数据源的预构建数据模型。重复使用他人已完成的工作，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 可用作在 Looker 中快速灵活地进行数据建模的起点。

可用的区块

有许多 Looker 块可供选择。如需查看可用的块，请查看 Looker Marketplace 的块部分。

注意 ：Looker 块旨在让您更轻松、更高效地分析数据。这些版本将以“原样”提供，这意味着日后不会再进行更新。Looker 无法声明或保证这些数据准确、可靠或没有错误。请参阅记录的数据源网站，详细了解其数据的收集方式和解读方式。

点击您感兴趣的代码块，即可查看其具体使用说明。

您可以使用 Looker Marketplace 快速安装某些 Looker Blocks。您需要先让 Looker 管理员启用 Marketplace 功能，然后才能通过 Looker Marketplace 部署块。若要安装包含 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 中提供的 Looker 块，请参阅 Looker Marketplace 文档页面。

标准化和自定义

注意 ：您必须先让 Looker 管理员启用本地项目导入 实验室功能，然后才能基于包含 local_dependency 参数的现有块进行构建。

不同块的使用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适应您的数据架构，但数据块除外，数据块是最简单的实现方式，但无法自定义。

• 数据块（包括公开数据集和完整的 LookML 模型）只需从 GitHub 代码库中复制 LookML 模型，即可访问经过建模的表。如需了解详细说明，请参阅本页中的使用数据块。

• 数据收集应用（例如 Segment 和 Snowplow）会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，这些模式能够执行数据清理、转换和分析，并且任何使用这些应用的客户都可以使用。

• 您可以使用其他 Web 应用（例如 Salesforce）为内部用户添加自定义字段。自然地，这会导致数据格式不太标准。因此，我们可以将部分数据模型设置为模板，以便启动和运行分析，但您需要自定义非标准部分。

• 最后，我们还有一些用于显示常规业务数据分析的块。这些是与数据源无关的经过优化的 SQL 或 LookML 设计模式。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。这些模式中固有一些假设，但您可以对其进行自定义，以满足您的具体业务需求。这些模式反映了 Looker 对执行特定类型分析的最佳方式的看法。

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

向 LookML 添加版块

• 有些代码块会在同一文件中同时演示探索和视图。这样做是为了方便查看，但一般来说，您需要将 LookML 的适当部分复制到数据模型中的适当位置。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 文件来存放示例。

使用数据块

数据块是一种特殊类型的 Looker 块，用于提供数据集和数据模型。Looker 数据块包括公共数据源，例如：

• 受众特征数据：美国社区调查中按州、郡、邮政编码统计区甚至人口普查小区组级别提供的常见受众特征指标。
• 天气数据：1920 年至今前一天的美国邮政编码级天气预报。此屏蔽设置每晚更新一次。

如需查看可用版块的完整列表，请参阅 Looker Marketplace 的版块部分。

访问不同数据库中的数据集

访问数据块的数据集的步骤因数据库架构而异。以下部分介绍了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 账号，则可以访问 Looker 托管在 BigQuery 上的数据集。请直接跳转到本页的向项目添加数据块部分。

如果您还没有 Google BigQuery 账号，可以设置免费试用版，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。如需从美国境外直接访问 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。
• 创建一个位于美国区域的新 Google BigQuery 连接。

访问其他数据库中的数据集

您使用的是 Amazon Redshift、MySQL、PostgreSQL 还是 Oracle？

我们已在 Google Cloud 服务和 S3 中公开发布了这些数据集的转换数据，以便您直接将其导入到您选择的数据库中。

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)。DDL 语句可能需要根据所选数据库中的数据类型进行修改，但应该能让您大致了解每个表的列类型。

直接从以下任一位置下载数据：

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

访问 LookML 模型

将我们的某个 GitHub 代码库分叉到新的 GitHub 代码库（由 Looker 或贵公司托管），然后您可以在自己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 优化来构建项目中视图和探索的 LookML。

注意： 在您可以基于包含 local_dependency 参数的数据块进行构建之前，Looker 管理员必须启用本地项目导入 实验功能。

如需向项目添加数据块，请执行以下操作：

1. 向 Looker 实例添加新项目。

2. 分叉或复制之前提到的 GitHub 代码库，以访问预构建的 LookML。请务必创建新的 GitHub 代码库。

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

4. 将模型文件中的连接名称替换为存储数据块数据的数据库连接。如果您使用的是 Google BigQuery 或 Snowflake，请使用您要扩展或优化的来源数据库连接。

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

5. 在您要扩展或优化数据块的主要 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，以引用主要 Looker 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：请务必使用正确的一组经过建模的文件。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。您可能需要将我们的 Google BigQuery 模型方言调整为适用于您自己的数据库方言。

注意：Google BigQuery 不支持跨区域共享项目。如需从美国境外直接访问 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。
• 创建一个位于美国区域的新 Google BigQuery 连接。

扩展程序：由于模型扩展程序可能会导致多个连接出现问题，因此我们已将所有项目设置为允许使用“探索”文件中的扩展程序。

联接派生表：您可以参阅我们关于原生派生表的文档。您可以让 Looker 针对我们公开提供的数据集，以不同的汇总级别为您编写 SQL 语句，并将其联接到您的模型中。

合并结果集：您还可以选择通过组合查询结果集，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. 您可以通过以下方式访问数据：从我们的 S3 或 Google Cloud 服务存储分区下载原始数据，或者连接到 Looker 数据库。

2. 将 Demographic Data Block 模型从 LookML 导入到 Looker 实例中作为单独的项目。

3. 使用 include 参数引入视图文件。

4. 然后，扩展或优化视图文件，或使用原生派生表，以获取探索所需的汇总级数据。

   在我们的示例中，由于受众特征数据的汇总级别与电子商务数据集不同（街区组与邮政编码），因此我们使用原生派生表将统计信息汇总到邮政编码级别。这样可以避免杂乱的多对多联接：

     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：

     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 包含各种内置可视化类型。不过，如果您有图表需求不在 Looker 的内置可视化图表类型的涵盖范围内，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。

可视化块是 Looker 托管的预构建 JavaScript 可视化类型。您可以将可视化图块添加到 Looker 实例，它们的运作方式与 Looker 的任何内置可视化图表类型类似：它们会显示在可视化图表菜单栏中，并包含钻取、下载、嵌入和安排等核心功能。

如需详细了解可视化图块，请在 Looker Marketplace 的插件部分中选择可视化图表类型，然后点击查看代码并前往可视化图块的 READ.ME 文件。READ.ME 文件会显示可视化图表示例，并提供有关可视化图表块的更多信息。对于某些可视化图表，READ.ME 文件还提供了用于添加可视化图表块的网址和说明。

如需向您的实例添加可视化图表类型，请参阅 READ.ME 文件中的说明（如果有）以及可视化图表文档页面上的信息。