Auf dieser Seite erfahren Sie, wie Sie Looker mit Apache Spark 3 verbinden.
Looker stellt über eine JDBC-Verbindung zum Spark Thrift Server eine Verbindung zu Apache Spark 3 und höher her.
Netzwerk-Datenverkehr verschlüsseln
Es empfiehlt sich, den Netzwerkverkehr zwischen Looker-Anwendung und Datenbank zu verschlüsseln. Prüfen Sie eine der Optionen, die auf der Dokumentationsseite Sicheren Datenbankzugriff ermöglichen beschrieben werden.
Looker-Verbindung zu Ihrer Datenbank erstellen
Wählen Sie in Looker im Bereich Admin die Option Verbindungen aus und klicken Sie dann auf Verbindung hinzufügen.
Geben Sie die Verbindungsdetails ein. Der Großteil der Einstellungen ist für die meisten Datenbankdialekte gleich. 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 in LookML-Modellen auf die Verbindung verwiesen.
- Dialekt: Wählen Sie Apache Spark 3+ aus.
- Host: Der Host des Thrift-Servers.
- Port : Der Port des Thrift-Servers (standardmäßig 10000).
- Datenbank: Das Standardschema bzw. die Standarddatenbank, die modelliert werden. Wenn für eine Tabelle keine Datenbank angegeben ist, wird diese verwendet.
- Nutzername: Der Nutzer, als der sich Looker authentifiziert.
- Passwort: Das optionale Passwort für den Looker-Nutzer.
- PDTs aktivieren: Mit dieser Option können Sie persistente abgeleitete Tabellen aktivieren. Wenn PDTs aktiviert sind, werden im Fenster Verbindung zusätzliche PDT-Einstellungen und der Bereich PDT-Überschreibungen angezeigt.
- Temporäre Datenbank: Ein temporäres Schema bzw. eine temporäre Datenbank zum Speichern von PDTs. Sie muss im Voraus mit einer Anweisung wie
CREATE SCHEMA looker_scratch;erstellt werden. - Zusätzliche JDBC-Parameter: Fügen Sie hier alle zusätzlichen Hive-JDBC-Parameter hinzu, z. B.:
;spark.sql.inMemoryColumnarStorage.compressed=true;auth=noSasl
- SSL: Lassen Sie das Kästchen deaktiviert.
- Datenbankzeitzone: Die Zeitzone der in Spark gespeicherten Daten. Normalerweise kann sie leer gelassen oder auf UTC festgelegt werden.
- Abfragezeitzone: Die Zeitzone, in der in Looker abgefragte Daten angezeigt werden.
Klicken Sie auf Test , um zu prüfen, ob die Verbindung erfolgreich hergestellt wurde. Informationen zur Fehlerbehebung finden Sie auf der Dokumentationsseite Datenbankverbindung für vom Kunden gehostete Instanzen testen.
Klicken Sie auf Verbinden, um diese Einstellungen zu speichern.
Unterstützung von Funktionen
Damit Looker einige Funktionen unterstützen kann, müssen diese auch von Ihrem Datenbankdialekt unterstützt werden.
Apache Spark 3+
Apache Spark 3 und höher unterstützen ab Looker 26.2 die folgenden Funktionen:
| Funktion | Unterstützt? |
|---|---|
| Looker (Google Cloud Core) | |
| Symmetrische Aggregate | |
| Abgeleitete Tabellen | |
| Persistente abgeleitete SQL-Tabellen | |
| Nichtflüchtige native abgeleitete Tabellen | |
| Stabile Ansichten | |
| Abfrageeabruch | |
| SQL-basierte Pivottabellen | |
| Zeitzonen | |
| SSL | |
| Zwischensummen | |
| Zusätzliche JDBC-Parameter | |
| Groß- und Kleinschreibung | |
| Standorttyp | |
| Listentyp | |
| Perzentil | |
| Perzentil der unterschiedlichen Werte | |
| SQL Runner-Befehl – Prozesse anzeigen | |
| SQL-Runner-Funktion – Tabelle beschreiben | |
| SQL Runner-Befehl – Indexe anzeigen | |
| SQL Runner-Befehl – 10 auswählen | |
| SQL-Runner – Anzahl | |
| SQL – Erklären | |
| OAuth 2.0-Anmeldedaten | |
| Kontextkommentare | |
| Verbindungs-Pooling | |
| HLL-Skizzen | |
| Aggregate Awareness | |
| Inkrementelle PDTs | |
| Millisekunden | |
| Mikrosekunden | |
| Materialisierte Ansichten | |
| Vergleich zum vorherigen Zeitraum | |
| Ungefähre Anzahl einzelner Aufrufe |
Nächste Schritte
Nachdem Sie die Verbindung erstellt haben, legen Sie die Authentifizierungsoptionen fest.