Crea tablas derivadas nativas

Una tabla derivada es una consulta cuyos resultados se usan como si la tabla derivada fuera una tabla física en la base de datos. Una tabla derivada nativa se basa en una consulta que defines con términos de LookML. Esto es diferente de una tabla derivada basada en SQL, que se basa en una consulta que defines con términos de SQL. En comparación con las tablas derivadas basadas en SQL, las tablas derivadas nativas son mucho más fáciles de leer y entender a medida que modelas tus datos. Consulta la sección Tablas derivadas nativas y tablas derivadas basadas en SQL de la página de documentación Tablas derivadas en Looker para obtener más información.

Tanto las tablas derivadas nativas como las basadas en SQL se definen en LookML con el parámetro derived_table a nivel de vista. Sin embargo, con las tablas derivadas nativas, no necesitas crear una consulta en SQL. En su lugar, usa el parámetro explore_source para especificar la exploración en la que se basará la tabla derivada, las columnas deseadas y otras características deseadas.

También puedes hacer que Looker cree el LookML de tabla derivada a partir de una consulta de ejecutor de SQL, como se describe en la página de documentación Usa el ejecutor de SQL para crear tablas derivadas.

Usa una exploración para comenzar a definir tus tablas derivadas nativas

Comenzando por una exploración, Looker puede generar LookML para toda tu tabla derivada o la mayor parte de ella. Solo crea una exploración y selecciona todos los campos que deseas incluir en tu tabla derivada. Luego, para generar el LookML de tabla derivada nativa, sigue estos pasos:

1. Selecciona el menú de ajustes Explore Actions y, luego, Get LookML.

   

2. Haz clic en la pestaña Tabla derivada para ver en LookML y crear una tabla derivada nativa para Explorar.

   

3. Copia LookML.

Ahora que copiaste el LookML generado, pégalo en un archivo de vista:

1. En Modo de desarrollo, navega a los archivos del proyecto.

2. Haz clic en + en la parte superior de la lista de archivos del proyecto en el IDE de Looker y selecciona Crear vista. También puedes hacer clic en el menú de una carpeta y seleccionar Crear vista en el menú para crear el archivo dentro de la carpeta.

3. Asigna un nombre significativo a la vista.

4. De manera opcional, cambia los nombres de las columnas, especifica las columnas derivadas y agrega filtros.

Cuando usas una medida de type: count en una exploración, la visualización etiqueta los valores resultantes con el nombre de la vista en lugar de la palabra Count. Para evitar confusiones, utiliza el nombre de la vista en plural. Para cambiar el nombre de la vista, selecciona Mostrar nombre completo del campo en Serie en la configuración de visualización o utiliza el parámetro view_label con una versión en plural del nombre de la vista.

Cómo definir una tabla derivada nativa en LookML

Ya sea que uses tablas derivadas declaradas en SQL o LookML nativo, el resultado de una consulta de derived_table es una tabla con un conjunto de columnas. Cuando la tabla derivada se expresa en SQL, los nombres de las columnas de salida están implícitos en la consulta en SQL. Por ejemplo, la siguiente consulta en SQL tendrá las columnas de resultado user_id, lifetime_number_of_orders y lifetime_customer_value:

SELECT
  user_id
  , COUNT(DISTINCT order_id) as lifetime_number_of_orders
  , SUM(sale_price) as lifetime_customer_value
FROM order_items
GROUP BY 1

En Looker, una consulta se basa en una exploración, incluye campos de medición y dimensión, agrega los filtros aplicables y también puede especificar un orden de clasificación. Una tabla derivada nativa contiene todos estos elementos y los nombres de salida de las columnas.

En el siguiente ejemplo simple, se produce una tabla derivada con tres columnas: user_id, lifetime_customer_value y lifetime_number_of_orders. No es necesario que escribas la consulta de forma manual en SQL. En su lugar, Looker crea la consulta por ti con la función Explorar order_items especificada y algunos de sus campos (order_items.user_id, order_items.total_revenue y order_items.order_count).

view: user_order_facts {
  derived_table: {
    explore_source: order_items {
      column: user_id {
        field: order_items.user_id
      }
      column: lifetime_number_of_orders {
        field: order_items.order_count
      }
      column: lifetime_customer_value {
        field: order_items.total_revenue
      }
    }
  }
  # Define the view's fields as desired
  dimension: user_id {
    hidden: yes
  }
  dimension: lifetime_number_of_orders {
    type: number
  }
  dimension: lifetime_customer_value {
    type: number
  }
}

Usa declaraciones include para habilitar la referencia a los campos

En el archivo de vista de la tabla derivada nativa, se usa el parámetro explore_source para apuntar a una exploración y definir las columnas y otras características de la tabla derivada nativa.

En el archivo de vista de la tabla derivada nativa, no es necesario que uses el parámetro include para señalar el archivo que contiene la definición de Explorar. Si no tienes la sentencia include, el IDE de Looker no sugerirá automáticamente nombres de campo ni verificará tus referencias de campo mientras compiles la tabla derivada nativa. En su lugar, puedes usar el validador de LookML para verificar los campos a los que haces referencia en tu tabla derivada nativa.

Sin embargo, si quieres habilitar la sugerencia automática y la verificación inmediata de campos en el IDE de Looker, o si tienes un proyecto complejo de LookML que tiene varias exploraciones con el mismo nombre o potencial para referencias circulares, puedes usar el parámetro include para apuntar a la ubicación de la definición de la exploración.

Las exploraciones suelen definirse dentro de un archivo de modelo, pero, en el caso de las tablas derivadas nativas, crear un archivo separado para la exploración es más sencillo. Los archivos de exploración de LookML tienen la extensión de archivo .explore.lkml, como se describe en la documentación sobre cómo crear archivos de exploración. De esa forma, en tu archivo de vista de tabla derivada nativa, puedes incluir un solo archivo de exploración y no el archivo de modelo completo.

Nota: Cuando creas un archivo de exploración, este debe tener la extensión .explore.lkml al final de su nombre. Si estás subiendo el archivo, debes usar la extensión .explore.lkml completa. Si usas el IDE de Looker para crear el archivo, usa la opción Archivos genéricos de LookML. Looker agregará .lkml al final del nombre del archivo si la extensión no está allí, pero de cualquier manera debes agregar manualmente la parte .explore de la extensión al nombre del archivo.

Si quieres crear un archivo de exploración independiente y usar el parámetro include para apuntar al archivo Explorar en el archivo de vista de tu tabla derivada nativa, asegúrate de que tus archivos de LookML cumplan con los siguientes requisitos:

• El archivo de vista de la tabla derivada nativa debe incluir el archivo de Explorar. Por ejemplo:
  • include: "/explores/order_items.explore.lkml"
• El archivo de Explorar debe incluir los archivos de vista que necesita. Por ejemplo:
  • include: "/views/order_items.view.lkml"
  • include: "/views/users.view.lkml"
• El modelo debe incluir el archivo de la exploración. Por ejemplo:
  • include: "/explores/order_items.explore.lkml"

Nota: Los archivos de exploración escucharán la conexión del modelo en el que se incluyen los archivos de exploración. Ten en cuenta este hecho cuando incluyas archivos de Explorar en modelos que están configurados con una conexión diferente del modelo superior del archivo de Explorar. Si el esquema de la conexión del modelo de inclusión difiere del esquema de la del modelo superior, se pueden generar errores de consulta.

Define columnas de tablas derivadas nativas

Como se muestra en el ejemplo anterior, debes usar column para especificar las columnas de salida de la tabla derivada.

Especifica los nombres de las columnas

Para la columna user_id, el nombre de la columna coincide con el nombre del campo especificado en la Exploración original.

A menudo, necesitarás un nombre de columna en la tabla de salida diferente al nombre de los campos en la Exploración original. El ejemplo anterior produjo un cálculo del valor del ciclo de vida del cliente por usuario con la exploración de order_items. En la tabla de resultados, total_revenue es en realidad la lifetime_customer_value de un cliente.

La declaración column admite declarar un nombre de salida diferente del campo de entrada. Por ejemplo, el siguiente código le indica a Looker que “cree una columna de salida llamada lifetime_value a partir del campo order_items.total_revenue”:

column: lifetime_value {
  field: order_items.total_revenue
}

Nombres de columnas implícitos

Si el parámetro field se deja fuera de una declaración de columna, se supone que es <explore_name>.<field_name>. Por ejemplo, si especificaste explore_source: order_items, entonces

column: user_id {
  field: order_items.user_id
}

es equivalente a

column: user_id {}

Crea columnas derivadas para valores calculados

Puedes agregar parámetros derived_column para especificar columnas que no existen en la exploración del parámetro explore_source. Cada parámetro derived_column tiene un parámetro sql que especifica cómo construir el valor.

Tu cálculo de sql puede usar cualquier columna que hayas especificado con los parámetros column. Las columnas derivadas no pueden incluir funciones de agregación, pero pueden incluir cálculos que se pueden realizar en una sola fila de la tabla.

En el siguiente ejemplo, se produce la misma tabla derivada que en el ejemplo anterior, excepto que se agrega una columna average_customer_order calculada, que se calcula a partir de las columnas lifetime_customer_value y lifetime_number_of_orders en la tabla derivada nativa.

view: user_order_facts {
  derived_table: {
    explore_source: order_items {
      column: user_id {
        field: order_items.user_id
      }
      column: lifetime_number_of_orders {
        field: order_items.order_count
      }
      column: lifetime_customer_value {
        field: order_items.total_revenue
      }
      derived_column: average_customer_order {
        sql:  lifetime_customer_value / lifetime_number_of_orders ;;
      }
    }
  }
  # Define the view's fields as desired
  dimension: user_id {
    hidden: yes
  }
  dimension: lifetime_number_of_orders {
    type: number
  }
  dimension: lifetime_customer_value {
    type: number
  }
  dimension: average_customer_order {
    type: number
  }
}

Usa funciones analíticas de SQL

Algunos dialectos de bases de datos admiten funciones analíticas, especialmente para crear números de secuencia, claves primarias, totales acumulados y activos, y otros cálculos útiles de varias filas. Después de ejecutar la consulta principal, cualquier declaración derived_column se ejecuta en un pase separado.

Si el dialecto de tu base de datos admite funciones analíticas, puedes usarlas en tu tabla derivada nativa. Crea un parámetro derived_column con un parámetro sql que contenga la función analítica deseada. Cuando hagas referencia a valores, debes usar el nombre de la columna como se define en tu tabla derivada nativa.

En el siguiente ejemplo, se crea una tabla derivada nativa que incluye las columnas user_id, order_id y created_time. Luego, mediante una columna derivada con una función analítica SQL ROW_NUMBER(), calcula una columna que contiene el número de secuencia del pedido de un cliente.

view: user_order_sequences {
  derived_table: {
    explore_source: order_items {
      column: user_id {
        field: order_items.user_id
      }
      column: order_id {
        field: order_items.order_id
      }
      column: created_time {
        field: order_items.created_time
      }
      derived_column: user_sequence {
        sql: ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY created_time) ;;
      }
    }
  }
  dimension: order_id {
    hidden: yes
  }
  dimension: user_sequence {
    type: number
  }
}

Agrega filtros a una tabla derivada nativa

Supongamos que deseas crear una tabla derivada del valor de un cliente durante los últimos 90 días. Quieres los mismos cálculos que realizaste en el ejemplo anterior, pero solo incluir las compras de los últimos 90 días.

Solo tienes que agregar un filtro a derived_table que filtre las transacciones de los últimos 90 días. El parámetro filters de una tabla derivada usa la misma sintaxis que usas para crear una medida filtrada.

Nota: En el parámetro filters, usa el formato view_name.field_name para definir el alcance del nombre del campo con el nombre de la vista. Debes incluir el nombre de la vista del campo, incluso si el campo está en la vista base de Explorar.

view: user_90_day_facts {
  derived_table: {
    explore_source: order_items {
      column: user_id {
        field: order_items.user_id
      }
      column: number_of_orders_90_day {
        field: order_items.order_count
      }
      column: customer_value_90_day {
        field: order_items.total_revenue
      }
      filters: [order_items.created_date: "90 days"]
    }
  }
  # Add define view's fields as desired
  dimension: user_id {
    hidden: yes
  }
  dimension: number_of_orders_90_day {
    type: number
  }
  dimension: customer_value_90_day {
    type: number
  }
}

Los filtros se agregarán a la cláusula WHERE cuando Looker escriba el SQL para la tabla derivada.

Además, puedes usar el subparámetro dev_filters de explore_source con una tabla derivada nativa. El parámetro dev_filters te permite especificar los filtros que Looker aplicará solo a las versiones de desarrollo de la tabla derivada, lo que significa que puedes compilar versiones más pequeñas y filtradas de la tabla para iterar y probar sin esperar a que se compile la tabla completa después de cada cambio.

El parámetro dev_filters actúa junto con el parámetro filters para que todos los filtros se apliquen a la versión de desarrollo de la tabla. Si tanto dev_filters como filters especifican filtros para la misma columna, dev_filters tiene prioridad en la versión de desarrollo de la tabla.

Consulta Trabaja más rápido en Modo de desarrollo para obtener más información.

Usa filtros con plantillas

Puedes usar bind_filters para incluir filtros con plantilla:

bind_filters: {
  to_field: users.created_date
  from_field: filtered_lookml_dt.filter_date
}

En esencia, es lo mismo que usar el siguiente código en un bloque sql:

{% condition filtered_lookml_dt.filter_date %} users.created_date {% endcondition %}

El to_field es el campo al que se aplica el filtro. to_field debe ser un campo del explore_source subyacente.

from_field especifica el campo desde el que se obtendrá el filtro, si hay uno en el entorno de ejecución.

En el ejemplo anterior de bind_filters, Looker tomará cualquier filtro aplicado al campo filtered_lookml_dt.filter_date y lo aplicará al campo users.created_date.

También puedes usar el subparámetro bind_all_filters de explore_source para pasar todos los filtros del entorno de ejecución de una exploración a una subconsulta de tabla derivada nativa. Consulta la página de documentación del parámetro explore_source para obtener más información.

Cómo ordenar y limitar tablas derivadas nativas

Si lo deseas, también puedes ordenar y limitar las tablas derivadas:

sorts: [order_items.count: desc]
limit: 10

Recuerda que una exploración puede mostrar las filas en un orden diferente al del orden subyacente.

Convierte tablas derivadas nativas en diferentes zonas horarias

Puedes especificar la zona horaria de tu tabla derivada nativa con el subparámetro timezone:

timezone: "America/Los_Angeles"

Cuando usas el subparámetro timezone, todos los datos basados en el tiempo de la tabla derivada nativa se convertirán a la zona horaria que especifiques. Consulta la página de documentación sobre los valores de timezone para obtener una lista de las zonas horarias admitidas.

Si no especificas una zona horaria en la definición de tu tabla derivada nativa, esta no realizará ninguna conversión de zona horaria con datos basados en tiempo y, en su lugar, los datos basados en el tiempo se configurarán de forma predeterminada en la zona horaria de la base de datos.

Si la tabla derivada nativa no es persistente, puedes configurar el valor de la zona horaria en "query_timezone" para usar automáticamente la zona horaria de la consulta en ejecución.