常见的 LookML 模式

本页介绍了 LookML 中的以下常见模式：

• 为字段（以及界面中的名称）添加标签
• 按维度过滤计数
• 百分比
• 使用集来查看下钻详情
• 过滤结果集

为字段（以及界面中的名称）添加标签

Looker 会将 LookML 字段名称转换为界面显示的字符串，方法是将常规字重的视图名称与字段的粗体简称相结合。例如，订单 视图中名为 金额 的字段在界面中会显示为“订单 金额 ”。在本页中，为了使讨论更清晰，两个字段名称都以粗体显示，并且视图名称以大写形式显示（ORDERS Amount ）。

如果您希望字段在表格中的名称与列名称不同，请更改字段名称，并使用 sql 参数将该字段链接到表格中的相应列。在以下示例中，airports 表格有一个 cntrl_twr 列。Looker 会生成以下声明：

view: airports {
  dimension: cntrl_twr {        # full name: airports.cntrl_twr
    type: yesno                 # default name: AIRPORT Cntrl Twr (Yes/No)
    sql: ${TABLE}.cntrl_twr ;;  # the sql expression for this field
  }
}

您可以将 cntrl_twr 维度重命名为易于理解的名称：

view: airports {
  dimension: has_control_tower {  # full name: airports.has_control_tower
    type: yesno                   # aliased name: AIRPORTS Has Control Tower (Yes/No)
    sql: ${TABLE}.cntrl_twr ;;    # the sql expression for this field
  }
}

按维度过滤计数

您可以按维度进行分组并对实体进行计数 - 按 USERS Country 分组，ORDERS Count 将按国家/地区告知您订单的来源。不过，构建按某些维度值过滤的计数通常很有用。例如，您可以创建一个新衡量指标并将其命名为 ORDERS France Count：

view: users {
  dimension: country {}
}
view: orders {
  dimension: id {
    primary_key: yes
    sql: ${TABLE}.id ;;
  }
  measure: count {
    type: count
    drill_fields: [detail]
  }
  measure: france_count {
    type: count   # COUNT(CASE WHEN users.country = 'France' THEN 1 ELSE NULL END)
    filters: [users.country: "France"]
  }
}

过滤条件可以使用任何表达式。如果您想要一个字段来统计来自欧盟的用户，可以使用类似如下的内容：

measure: eu_count {
  type: count   # COUNT(CASE WHEN users.countrycode IN 'UK','FR','ES' THEN 1 ELSE NULL END)
  drill_fields: [detail]
  filters: [users.countrycode: "UK,FR,ES"]
}

如果您想使用数学表达式进行过滤，请务必将其用双引号括起来：

measure: total_orders_above_100_dollars {
  type: sum   # SUM(CASE WHEN order.value > 100 THEN order.value ELSE NULL END)
  sql: ${order.value} ;;
  drill_fields: [detail]
  filters: [order.value: ">100"]
}

百分比

许多关键绩效指标都以百分比的形式表示，例如“退货商品的百分比”“促成销售的电子邮件的百分比”或其他“Y 占 X 的百分比”的实例。在 LookML 中，设计模式是为这两个条件创建计数，并创建第三个字段来计算这两个条件之间的百分比。

dimension: returned {
  type: yesno
}
measure: count {   # total count of items
  type: count_distinct
  sql: ${TABLE}.id ;;
  drill_fields: [detail]
}
measure: returned_count {   # count of returned items
  type: count_distinct
  sql: ${TABLE}.id ;;
  drill_fields: [detail]
  filters: [returned: "Yes"]
}
measure: percent_returned {
  type: number
  sql: 100.0 * ${returned_count} / NULLIF(${count}, 0) ;;
  value_format: "0.00"
}

使用以下格式计算百分比。在 Postgres 中，计数是整数，整数之间的除法运算结果也是整数。乘以 100.0 会将第一个计数转换为浮点数，从而将表达式的其余部分转换为浮点数。为避免除以零错误，NULLIF(value, 0) 会将零值转换为 null，这会使结果为 null 并避免错误。

100.0 * ${returned_count} / NULLIF(${count}, 0)

使用集来查看下钻详情

Looker 最强大的功能之一是能够下钻到数据中，以查看构成计数或其他衡量指标的基础实体。

当您在界面中点击衡量指标时，Looker 会创建一个新 查询，以本地化构成该衡量指标的数据集。表格中该行上每个维度的每个值 都会添加到

为了显示详情，Looker 需要一个指定的下钻字段列表，以便在点击衡量指标的值时显示。生成模型时，生成器通常会为您创建一些初始下钻字段。此外，您还可以自行添加下钻字段。例如，假设您要衡量上周按 USERS State 划分的 ORDERS Count 。在 Looker 中，查询将类似于以下内容：

USERS State	ORDERS Count
加利福尼亚州	24
得克萨斯	5
科罗拉多	4
佛罗里达	4
伊利诺伊	4

如果您点击加利福尼亚州 行中的 24 ，您可能会看到来自加利福尼亚州的 24 个订单。虽然 Looker 确实添加了过滤条件 USERS State: California，但 Looker 不知道您想在订单中显示哪些字段。您首先需要使用集在模型中声明这些字段。

在 LookML 中，集是字段（维度、衡量指标和过滤条件）名称的列表。您可以使用集为 Looker 提供以下信息：

• 您希望在下钻到计数或其他衡量指标时显示的字段
• 您希望在联接视图时导入的字段
• 您希望在探索中编入索引的字段

由于同一集可以在模型的许多位置使用，因此 Looker 提供了多种创建集的方法。

字面量集

字面量集是在 LookML 中定义集的一种简单方法，尤其是在集仅使用一次时。字面量集是通过将集声明为数组来创建的。您可以使用 [] 声明字面量集。

请参考以下示例：

view: customers {
  dimension: id {
    primary_key: yes
  }
  measure: count {
    type: count
  }
  dimension: city {}
  dimension: state {}
  dimension: name {}
}

在此示例中，您希望显示的字段是 id、name 和 city。

在衡量指标中，您可以按如下方式声明字面量数组：

measure: count {
  type: count
  drill_fields: [id, name, city]
}

命名集

假设在 customers 视图中定义了两个计数：count 和 in_california_count。当用户在探索中下钻到计数 字段或加利福尼亚州计数 字段时，您希望显示字段 id、name 和 city。

最初，以字面量形式声明这些字段似乎就足够了：

view: customers {
  measure: count {
    type: count
    drill_fields: [id, name, city]
  }
  measure: in_california_count {
    type: count
    filters: [state: "California"]
    drill_fields: [id, name, city]
  }
}

但是，如果您想添加新字段（例如 customers.state），则必须同时修改这两个列表，除非您使用 set 参数 创建命名集，以便在一个位置维护并在多个位置使用。

以下代码会创建一个集 customers.detail，并将两个计数都指向同一组字段。

view: customers {
  set: detail {
    fields: [id, name, city]      # creates named set customers.detail
  }

  measure: count {
    type: count
    drill_fields: [detail*]       # show fields in the set "customers.detail"
  }
  measure: in_california_count {
    type: count
    filters: [state: "California"]
    drill_fields: [detail*]      # show fields in the set "customers.detail"
  }
}

LookML 集在以下方面非常强大：

• 集的重新声明是累加的。如果您在多个位置声明一个集，则 Looker 会包含在所有位置为该集声明的所有字段。
• 您可以通过输入其他集的名称，后跟星号（例如 setname*），将集嵌入到其他集中。
• 您可以通过在字段名称前放置连字符（例如 -fieldname）从集中移除元素。

自定义下钻可视化图表

如果 Looker 管理员启用了 可视化下钻 功能，Look 和探索下钻可视化图表将不会始终默认为数据表。在这种情况下，您可以使用 link 参数中的 Liquid 变量自定义显示的可视化图表，如 link 参数文档页面和 更强大的数据下钻 最佳实践页面所示。

信息中心支持使用 link 参数进行可视化下钻，而无需启用 可视化下钻 功能。

过滤结果集

LookML 提供了一组过滤运算，这些运算可以应用于字段和探索，以便在结果集返回给用户之前对其进行过滤。

探索中的 always_filter

使用 always_filter 始终将一组过滤条件应用于在探索中运行的任何查询。过滤条件将显示在 Looker 界面中，虽然用户可以更改您提供的默认过滤条件值，但无法移除过滤条件。通常，这些过滤条件用于移除您通常不希望包含的数据。例如，假设在订单 探索中，您只想查看已完成或待处理的订单。您可以添加以下 LookML 代码：

explore: orders {
  view_name: order
    filters: [status: "complete,pending"]
  }
}

如果用户想查看具有其他状态值的订单，可以在界面中将 ORDERS Status 设置为 % 。

探索中的 sql_always_where

如果您想应用用户无法更改的查询限制，可以使用 sql_always_where。除了人工用户运行的查询之外，此限制还将应用于依赖于该探索的信息中心、预定的 Look 和嵌入的信息。除非用户查看他们创建的任何查询的基础 SQL，否则不会向用户显示 sql_always_where 条件。

以下示例可防止用户查看 2012 年 1 月 1 日之前的订单：

# Using Looker references
explore: order {
  sql_always_where: ${created_date} >= '2012-01-01' ;;
}

# Using raw SQL
explore: order {
  sql_always_where: DATE(created_time) >= '2012-01-01' ;;
}

探索中的 conditionally_filter

查询非常大的表格时需要考虑一些问题，因为不受限制的查询很快就会给数据库带来过大的负担。LookML 提供了一种以 conditionally_filter 形式解决此问题的方法。

您可以使用 conditionally_filter 参数将过滤条件应用于查询，除非用户已为 unless 部分中列出的某个字段添加了过滤条件。

如果用户对以下一个或多个字段应用了过滤条件，则以下示例不会对用户的查询进行任何更改：created_date、shipped_time、shipped_date、orders.id 或 customer.name。如果用户未对任何这些字段进行过滤，Looker 将自动在 orders.created_time 上添加 1 天的过滤条件。

  filters: [orders.created_time: "1 day"]
  unless: [created_date, shipped_time, shipped_date, orders.id, customer.name]
}