Diese Seite enthält Informationen zum Verbinden von Looker mit Apache Spark 3.
Looker stellt über eine JDBC-Verbindung mit dem Spark Thrift-Server eine Verbindung zu Apache Spark 3+ her.
Netzwerk-Datenverkehr verschlüsseln
Es empfiehlt sich, den Netzwerkverkehr zwischen der Looker-Anwendung und Ihrer Datenbank zu verschlüsseln. Sehen Sie sich eine der Optionen an, die auf der Dokumentationsseite Sicheren Datenbankzugriff aktivieren beschrieben werden.
Looker-Verbindung zu Ihrer Datenbank erstellen
Wählen Sie im Bereich Admin von Looker die Option Verbindungen aus und klicken Sie dann auf Verbindung hinzufügen.
Geben Sie die Verbindungsdetails ein. Die meisten Einstellungen sind den meisten Datenbankdialekten gemeinsam. Weitere Informationen finden Sie auf der Dokumentationsseite Looker mit Ihrer Datenbank verbinden. Einige der Einstellungen werden im Folgenden beschrieben:
- Name: Der Name der Verbindung. So wird im LookML-Modell auf die Verbindung verwiesen.
- Dialekt: Wählen Sie Apache Spark 3+ aus.
- Host: Der Thrift-Serverhost.
- Port: Der Thrift-Serverport (standardmäßig 10000).
- Datenbank: Das Standardschema bzw. die Standarddatenbank, die modelliert wird. Wenn für eine Tabelle keine Datenbank angegeben ist, wird davon ausgegangen.
- Nutzername: Der Nutzer, als der sich Looker authentifiziert.
- Passwort: Das optionale Passwort für den Looker-Nutzer.
- PDTs aktivieren: Verwenden Sie diese Ein/Aus-Schaltfläche, um nichtflüchtige abgeleitete Tabellen zu aktivieren. Wenn PATs aktiviert sind, werden im Fenster Verbindung zusätzliche PAT-Einstellungen und der Abschnitt PDT-Überschreibungen angezeigt.
- Temporäre Datenbank: Ein temporäres Schema bzw. eine temporäre Datenbank zum Speichern von PATs. Sie muss vorher mit einer Anweisung wie
CREATE SCHEMA looker_scratch;erstellt werden. - Zusätzliche JDBC-Parameter: Fügen Sie hier zusätzliche Hive-JDBC-Parameter hinzu, z. B.:
;spark.sql.inMemoryColumnarStorage.compressed=true;auth=noSasl
- SSL: Lassen Sie die Option deaktiviert.
- Datenbank-Zeitzone: Die Zeitzone der in Spark gespeicherten Daten. Normalerweise kann dieses Feld leer gelassen oder auf UTC gesetzt werden.
- Abfragezeitzone: Die Zeitzone, in der die in Looker abgefragten Daten angezeigt werden sollen.
Klicken Sie auf Testen, um zu prüfen, ob die Verbindung erfolgreich hergestellt wurde. Informationen zur Fehlerbehebung finden Sie auf der Dokumentationsseite Datenbankkonnektivität testen.
Klicken Sie auf Verbinden, um diese Einstellungen zu speichern.
Unterstützte Funktionen
Damit Looker einige Funktionen unterstützen kann, müssen diese auch von Ihrem Datenbankdialekt unterstützt werden.
Apache Spark 3 und höher
Apache Spark 3+ unterstützt ab Looker 24.8 die folgenden Funktionen:
| Funktion | Unterstützt? |
|---|---|
| Supportstufe | Unterstützt |
| Looker (Google Cloud Core) | Ja |
| Symmetrische Summen | Ja |
| Abgeleitete Tabellen | Ja |
| Abgeleitete SQL-Tabellen | Ja |
| Nichtflüchtige native abgeleitete Tabellen | Ja |
| Stabile Ansichten | Ja |
| Abfrage beenden | Ja |
| SQL-basierte Pivots | Ja |
| Zeitzonen | Ja |
| SSL | Ja |
| Zwischensummen | Ja |
| Zusätzliche JDBC-Parameter | Ja |
| Groß-/Kleinschreibung beachten | Ja |
| Standorttyp | Ja |
| Listentyp | Ja |
| Perzentil | Ja |
| Unterschiedliche Perzentile | Nein |
| SQL-Runner-Show-Prozesse | Nein |
| SQL-Runner – Tabelle beschreiben | Ja |
| SQL Runner – Indexe anzeigen | Nein |
| SQL Runner Select 10 | Ja |
| Anzahl der SQL-Runner | Ja |
| SQL erklären | Ja |
| OAuth-Anmeldedaten | Nein |
| Kontextkommentare | Ja |
| Verbindungs-Pooling | Nein |
| HLL-Skizzen | Nein |
| Aggregatfunktion | Ja |
| Inkrementelle PDTs | Nein |
| Millisekunden | Ja |
| Mikrosekunden | Ja |
| Materialisierte Ansicht | Nein |
| Ungefähre Anzahl unterschiedlich | Nein |
Weitere Informationen
Nachdem Sie die Verbindung erstellt haben, legen Sie die Authentifizierungsoptionen fest.