Looker 26.8 のドキュメントを表示しています。最新のドキュメントについては、こちらのリンクをクリックしてください。

Google uses AI technology to translate content into your preferred language. AI translations can contain errors.

derived_analytic_model

用途

view: view_name {
  derived_analytic_model: {
    sql: analytic_model_definition ;;
  }
}

階層

ビューファイル

view

derived_analytic_model

デフォルト値

なし

特別なルール

分析モデルは、BigQuery と Snowflake の接続でのみサポートされています。

定義

BigQuery と Snowflake の接続の場合、derived_analytic_model パラメータは、Looker によって管理されるデータベース内分析モデル（BigQuery グラフまたは Snowflake のセマンティックビュー）を定義します。このシナリオでは、Looker は、derived_analytic_model LookML パラメータの定義で指定した適切な SQL データ定義言語（DDL）ステートメントを実行して、データベース内に分析モデルを生成します。derived_analytic_model パラメータで定義する SQL 構文は、データベースでサポートされている必要があります。

派生テーブルとは異なり、Looker で管理される分析モデルオブジェクトはデータベース内にデータを保持せず、増分更新されません。代わりに、データベース内で直接関係とメジャーを定義するセマンティックモデルを表します。

分析モデルを定義するには、derived_analytic_model パラメータの次のいずれかのサブパラメータを使用します。

sql
sql_create
create_process

また、sql サブパラメータで分析ビューを定義する場合は、publish_as_db_analytic_model サブパラメータを使用して、Looker の外部でクエリできる安定した分析モデルを作成できます。derived_analytic_model

derived_analytic_model パラメータ内で分析モデルを定義したら、分析モデルにマッピングする LookML ディメンションとメジャーを定義できます。例については、例のセクションをご覧ください。

`sql`

分析モデルの定義にのみ SQL を指定し、分析モデルの作成を Looker に管理させる場合は、sql パラメータを使用します。sql サブパラメータを使用する場合は、CREATE ステートメントまたは CREATE OR REPLACE ステートメントを含めないでください。Looker は、データベース側で分析モデルを作成する DDL ステートメントを自動的に生成するためです。

sql を使用してデータベースに分析モデルを作成する例については、sql パラメータを使用して派生分析モデルを作成するをご覧ください。

`sql_create`

sql_create パラメータを使用して、分析モデルを作成する完全な SQL ステートメントを定義します。sql_create パラメータを使用する場合は、CREATE OR REPLACE ステートメント（または、言語で CREATE OR REPLACE がサポートされていない場合は CREATE ステートメント）を含める必要があります。

sql_create サブパラメータを使用する場合は、次の点に注意してください。

BigQuery 接続の場合は、CREATE OR REPLACE ステートメントを使用して分析モデルを作成します。
${SQL_TABLE_NAME} を使用して、作成する分析モデルの計算された名前を代入します。これにより、SQL ステートメントに、LookML view パラメータで指定した分析モデル名が正しく含まれるようになります。

パラメータを使用してデータベースに分析モデルを作成する例については、sql_create を使用して派生分析モデルを作成するをご覧ください。sql_create

`create_process`

分析モデルを定義するために複数の順次 SQL ステートメントを定義する必要がある場合は、create_process パラメータを使用します。create_process パラメータで、sql_step サブパラメータを使用して個々の SQL ステートメントを指定します。データベースは、指定した順序で sql_step ステートメントを 1 つずつ実行します。Looker は、sql_step サブパラメータで定義した SQL ステートメントをラッパーなしで発行します。つまり、CREATE OR REPLACE ステートメント（または、言語で CREATE OR REPLACE がサポートされていない場合は CREATE ステートメント）を含むステップを含める必要があります。

パラメータを使用してデータベースに分析モデルを作成する例については、create_process を使用して派生分析モデルを作成するをご覧ください。create_process

`publish_as_db_analytic_model`

sql パラメータで作成された派生分析モデルの場合は、publish_as_db_analytic_model: yes で派生分析モデルを定義して、Looker の外部でクエリできる安定した分析モデルを作成するように Looker に指示できます。

安定した分析モデルは、派生分析モデルの LookML が本番環境にデプロイされた後、Looker 再生成ツールの次のサイクルで公開（作成）されます。publish_as_db_analytic_model: yes

安定した分析モデルの名前を取得して、Looker の外部で安定した分析モデルをクエリできるようにする方法については、安定した分析モデルにアクセスするをご覧ください。

分析ビューに基づいて LookML ディメンションとメジャーを作成する

分析モデルを定義したら、同じビューファイルで、分析モデルに基づく LookML ディメンションとメジャーを定義できます。

分析モデルの定義に使用する適切な構文と、分析モデルの要素を参照する方法については、言語のドキュメントをご覧ください。たとえば、BigQuery グラフエンティティから LookML ディメンションを作成するには、スコープ設定時にアンダースコアを使用して要素を区切る必要があります。たとえば、BigQuery グラフの場合、この LookML ディメンションは Stores ノードテーブルの location_id プロパティに基づいています。

  dimension: location_id {
    type: number
    sql: Stores_location_id ;;
  }

ただし、Snowflake セマンティックビューに基づく LookML ディメンションを作成するには、メジャーまたはディメンションの非修飾名を使用する必要があります。

例

次のセクションでは、derived_analytic_model のさまざまなサブパラメータを使用して分析ビューを作成する例を示します。

派生分析モデルをsql使用して作成する
派生分析モデルをcreate_process使用して作成する
派生分析モデルをsql_create使用して作成する

`sql` を使用して派生分析モデルを作成する

次は、derived_analytic_model の sql サブパラメータを使用して、BigQuery データベースの SQL ベースの分析モデルを定義する LookML ビューファイルの例です。Looker は、sql パラメータで指定された SQL DDL コマンドを実行して、データベース内に分析モデルを作成します。

この例では、次の点に注意してください。

sql サブパラメータには、分析モデル自体の定義のみが含まれています。sql を使用すると、Looker が分析モデルの CREATE コマンドを自動的に処理するため、CREATE ステートメントはありません。
分析モデルは publish_as_db_analytic_model: yes で定義されているため、Looker は Looker の外部でクエリできる安定した分析モデルを作成します。

view: MyWarehouseOrdersView {
  derived_analytic_model: {
    publish_as_db_analytic_model: yes

    # Defining the analytic model
    
    sql:
      NODE TABLES (
        Customers
        KEY(customer_id)
        PROPERTIES(
          country_code,
          concat(first_name, ' ', last_name) AS name,
          age,
          MEASURE(AVG(age)) AS AvgAge 
        ),
      Orders
        KEY(order_id)
        PROPERTIES (
          customer_id,
          employee_id,
          date,
          discount,
          MEASURE(AVG(discount)) AS AvgDiscount
        )

      EDGE TABLES (
        -- Relationship: Orders -> Customers
        looker_test.orders AS orders_to_users
          KEY(id)
          SOURCE KEY (order_id) REFERENCES orders (order_id)
          DESTINATION KEY (customer_id) REFERENCES Customers (customer_id)
          NO PROPERTIES
      ) ;;
  }

  # Mapping dimensions/measures to the dimensions/measures
  # provided by the analytic model

  dimension: customer_id {
    type: number
    sql: Customers_customer_id ;;
  }

  dimension: customer_age {
    type: number
    sql: Customers_age ;;
  }

  measure: orders_avg_discount {
    type: number
    sql: Orders_AvgDiscount ;; 
  }
}

`create_process` を使用して派生分析モデルを作成する

次は、derived_analytic_model の create_process サブパラメータを使用して、BigQuery データベースの SQL ベースの分析モデルを定義する LookML ビューファイルの例です。この例では、分析モデルを定義するために複数の順次 SQL ステートメントを定義する必要があります。最初のステップでは、分析モデルがすでに存在する場合は削除され、2 番目のステップで分析モデルが作成されます。

view: university_statistics {
  derived_analytic_model: {
    create_process: {
      sql_step: 
        DROP PROPERTY GRAPH IF EXISTS ${SQL_TABLE_NAME} ;;
      sql_step: 
        CREATE PROPERTY GRAPH ${SQL_TABLE_NAME}
         NODE TABLES (
          university.College
            KEY(college_id)
            PROPERTIES(college_id, college_name),
          university.Department
            KEY(dept_id)
            PROPERTIES(dept_id, dept_name, college_id,
              budget OPTIONS(description="Department budget in USD"),
              MEASURE(SUM(budget)) AS total_budget),
          university.Course
            KEY(course_id)
            PROPERTIES(
              course_id,
              course_name,
              credits,
              dept_id,
              MEASURE(AVG(credits)) AS avg_credits,
              MEASURE(SUM(credits)) AS total_credits,
              MEASURE(COUNT(course_id)) AS course_count)
        )
        EDGE TABLES (
          university.Department AS CollegeDept
            SOURCE KEY (college_id) REFERENCES College (college_id)
            DESTINATION KEY (dept_id) REFERENCES Department (dept_id),
          university.Course AS DeptCourse
            SOURCE KEY (dept_id) REFERENCES Department (dept_id)
            DESTINATION KEY (course_id) REFERENCES Course (course_id)
        );;
    }
  }

  # Mapping dimensions/measures to the dimensions/measures
  # provided by the analytic model

  dimension: college_id {
    type: number
    sql: College_college_id ;;
  }

  dimension: course_name {
    type: string
    sql: Course_course_name ;;
  }
  
  ...
}

`sql_create` を使用して派生分析モデルを作成する

次は、derived_analytic_model の sql_create サブパラメータを使用して、BigQuery データベースの SQL ベースの分析モデルを定義する LookML ビューファイルの例です。この例では、sql_create パラメータは、分析モデルを 1 つのステップで作成するために実行する完全な CREATE OR REPLACE ステートメントを定義します。

view: MyWarehouseOrdersView {
  derived_analytic_model: {
    sql_create:
      CREATE OR REPLACE PROPERTY GRAPH ${SQL_TABLE_NAME}
        NODE TABLES(
          accounting.Loan AS Loan
            KEY(loanId)
            LABEL Loan PROPERTIES(
              loanId,
              loanAmount,
              balance,
              createTime,
              interestRate,
              accountId,
              balance + 100 AS derived_balance,
              CASE WHEN balance > 1000 THEN "High" ELSE "Low" END AS risk_level,
              CONCAT("ID-", CAST(loanId AS STRING)) AS full_id,
              DATE(2024, 1, 1) AS fixed_date,
              MEASURE(AVG(interestRate)) AS avg_interest_rate
            ),
          accounting.AccountView AS Account
            KEY(accountId)
            LABEL Account PROPERTIES(
              accountId,
              createTime,
              isBlocked,
              accountType,
              amount,
              ownerId,
              MEASURE(MIN(createTime)) AS oldest_account_create_time,
              MEASURE(MAX(createTime)) AS newest_account_create_time,
              MEASURE(AVG(amount)) AS avg_account_amount,
              MEASURE(SUM(amount)) AS total_account_amount,
              MEASURE(COUNT(DISTINCT accountType)) AS account_type_count
            ),
          accounting.PersonMV AS Person
            KEY(personId)
            LABEL Person PROPERTIES(
              personId,
              personName,
              age,
              age_tier,
              MEASURE(AVG(age)) AS avg_age,
              MEASURE(COUNT(DISTINCT age_tier)) AS age_tier_count
            )
        )
        EDGE TABLES(
          accounting.Loan AS Account_Repay_Loan
            KEY(loanId)
            SOURCE KEY(loanId) REFERENCES Loan(loanId)
            DESTINATION KEY(accountId) REFERENCES Account(accountId)
            LABEL Repay NO PROPERTIES,
          accounting.Account AS Person_Own_Account
            KEY(accountId)
            SOURCE KEY(accountId) REFERENCES Account(accountId)
            DESTINATION KEY(ownerId) REFERENCES Person(personId)
            LABEL Own NO PROPERTIES
        );;
  }

  # Mapping dimensions/measures to the dimensions/measures
  # provided by the analytic model

  dimension: loan_id {
    type: number
    sql: Loan_loanId ;;
  }

  dimension: account_ID {
    type: number
    sql: Account_accountID ;;
  }

  ...

}

安定した分析モデルにアクセスする

sql サブパラメータを使用して派生分析モデルを作成し、publish_as_db_analytic_model: yes ステートメントを derived_analytic_model パラメータに含めた場合、Looker は、派生分析モデルの LookML が publish_as_db_analytic_model: yes で本番環境にデプロイされた後、Looker 再生成ツールの次のサイクルで安定した分析モデルを公開（作成）します。

安定した分析モデルが公開されたら、安定した名前を使用して直接クエリできます。安定した名前は、分析モデルの Explore クエリの [データ] セクションの [SQL] タブに表示される情報から確認できます。分析モデルの安定した名前を取得する手順は次のとおりです。

分析モデルのビューの Explore を開きます。

ヒント: Looker IDE を使用している場合は、[ファイル操作を表示] プルダウンメニューを使用して、分析モデルのビューファイルから直接 Explore を開くか、分析モデルのビューの Explore を定義するモデルファイルから開くことができます。
Explore で、フィールドピッカーからディメンションまたはメジャーを選択します。
[データ] セクションの [SQL] タブをクリックします。
[SQL] タブで、次のいずれかの SQL ステートメントを見つけます。
- BigQuery グラフの場合:
  - CREATE PROPERTY GRAPH
  - SELECT ... FROM GRAPH_EXPAND('PROPERTY_GRAPH_NAME')
- Snowflake セマンティックビューの場合:
  - CREATE SEMANTIC VIEW
  - SELECT ... FROM SEMANTIC_VIEW_NAME
安定した名前は、Looker がスクラッチスキーマに作成するビューで、[SQL] タブに表示される実際の難読化されたテーブルを指します。分析ビューの安定した名前を取得するには、SQL ステートメントから次の情報を入力します。
```
SCRATCH_SCHEMA_NAME.CONNECTION_REGISTRATION_KEY_MODEL_NAME_VIEW_NAME
```
- SCRATCH_SCHEMA_NAME: スクラッチスキーマ名は、CREATE ステートメントまたは SELECT ステートメントの後の文字列の先頭で、「.」の前にあります。
- CONNECTION_REGISTRATION_KEY: 接続登録キーは 2 文字です。データベース言語に応じて、CREATE ステートメントまたは SELECT ステートメントのテーブル名のドル記号または最初のアンダースコアの後に続きます。
- MODEL_NAME: LookML モデルの名前。
- VIEW_NAME: 分析モデルが定義されているビューの名前。

たとえば、BigQuery 接続の Explore クエリの [SQL] タブのテキストは次のようになります。分析モデルは sales_analytic_model という名前のビューで定義され、LookML モデルの名前は thelook です。この場合、Looker はすでに分析モデルを作成しているため、CREATE ステートメントはありません。ただし、SELECT ... FROM GRAPH_EXPAND ステートメントにはテーブル名情報が含まれています。

-- use existing sales_analytic_model in `looker-test-db.looker_scratch.LG_J7LSZ1778710001008_sales_analytic_model`
SELECT
    sales_analytic_model.orders_id  AS sales_analytic_model_orders_id,
    AGG(sales_analytic_model.orders_count_orders ) AS sales_analytic_model_count_orders
FROM GRAPH_EXPAND("looker-test-db.looker_scratch.LG_J7LSZ1778710001008_sales_analytic_model") AS sales_analytic_model
GROUP BY
    1
ORDER BY
    2 DESC
LIMIT 500

分析モデルの安定した名前を導出するために必要な値は次のとおりです。

SCRATCH_SCHEMA_NAME は looker-test-db.looker_scratch
CONNECTION_REGISTRATION_KEY は J7
MODEL_NAME は thelook
VIEW_NAME は sales_analytic_model

したがって、分析モデルの安定した名前は次のようになります。

looker-test-db.looker_scratch.J7_thelook_sales_analytic_model

分析モデルの安定した名前を取得したら、分析モデルを直接クエリできます。

注意点

データベース内分析モデルを使用する場合は、次の考慮事項と制限事項に注意してください。

データ型: 分析モデルでは、ディメンションとメジャーに次のデータ型のみがサポートされています。
- ディメンションとメジャーでサポートされているもの:
  - string
  - number
  - date
  - yesno
- ディメンションでのみサポートされているもの:
  - time
  - date_time
メジャー:
- ベースメジャーは事前定義されている必要があります: ベースメジャーは、基盤となるデータベース分析モデルで事前定義されている必要があります。Looker は、分析モデルのディメンションで集計（type: sum や type: count など）を実行して、新しいベースメジャーを定義することはできません。
- 他のメジャーに基づくメジャーがサポートされています: LookML メジャーの sql パラメータを使用して、分析モデルの事前定義されたベースメジャーを使用する非集計計算を実行できます。他のメジャーに基づくメジャーを作成する場合、新しいメジャーを sum や count などの集計メジャータイプとして定義することはできません。新しいメジャーは、string、number、date、または yesno などの非集計メジャータイプとして定義する必要があります。次の例をご覧ください。
```
measure: average_order_amount {
  type: number
  sql: ROUND(${total_order_amount} / NULLIF(${count_orders}, 0), 2) ;;
}
```
結合: ベースビューが分析モデルに基づく Explore には、結合を含めることはできません。同様に、分析モデルに基づくビューを、標準の LookML ベースビューを持つ Explore に結合することはできません。
暗黙的な結合: 暗黙的な結合に依存する機能は、分析モデルではサポートされていません。暗黙的な結合に依存する機能の例としては、カスタムカレンダーや、type: location、type: distance、またはtype: zipcodeで定義されたフィールドなどがあります。
分析モデルでは、次の機能はサポートされていません。

derived_analytic_model コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

用途

定義

sql

sql_create

create_process

publish_as_db_analytic_model