Looker에서 맞춤 캘린더 사용

지원되는 언어의 경우 Looker의 맞춤 캘린더 기능을 사용하면 데이터베이스에서 특정 회계 또는 소매 캘린더와 같은 맞춤 캘린더를 정의한 다음 LookML 모델의 날짜 기반 측정기준 그룹에 캘린더를 적용할 수 있습니다. 그러면 사용자가 custom_week, custom_period과 같은 맞춤 기간을 표준 기간처럼 사용하여 Explore 쿼리를 만들 수 있습니다.

기본 요건

맞춤 캘린더를 사용하기 전에 다음 기본 요건을 충족하는지 확인하세요.

맞춤 캘린더 만들기

맞춤 캘린더를 구현하려면 다음 섹션에 설명된 일반적인 단계를 수행해야 합니다.

  1. 데이터베이스에 캘린더 테이블 만들기
  2. LookML에서 맞춤 캘린더 뷰 정의하기
  3. 맞춤 캘린더 측정기준 그룹 만들기

데이터베이스에 캘린더 테이블 만들기

맞춤 캘린더의 날짜를 계산하려면 Looker에 데이터베이스의 전용 캘린더 테이블이 필요합니다. 이 테이블은 맞춤 기간을 정의합니다. 표에 표준 캘린더 날짜를 사용하는 참조 날짜 열이 있어야 합니다. Looker는 참조 날짜 열을 기반으로 캘린더 테이블을 데이터 테이블 (예: orders 테이블)에 조인합니다.

캘린더 테이블의 열 이름은 유연합니다. LookML에서 맞춤 캘린더 뷰를 정의할 때 calendar_definition 블록을 사용하여 데이터베이스의 열을 표준 맞춤 기간 이름에 매핑합니다.

다음은 fiscal_calendar_table이라는 캘린더 테이블의 예시 테이블 스키마입니다.

열 이름 데이터 유형 설명
reference_date DATE 표준 캘린더 날짜 (예: '2023-01-01')입니다. 참여해 주셔서 감사합니다. 고유 키 또는 기본 키여야 합니다.
fiscal_year VARCHAR 회계 연도 (예: 'FY2023')입니다.
fiscal_year_num INTEGER 숫자 형식의 회계연도 (예: 2023)입니다.
fiscal_quarter_of_year VARCHAR 회계 분기 (예: 'FQ1')입니다.
fiscal_quarter_of_year_num INTEGER 숫자 형식의 회계 분기 (예: 1)입니다.
fiscal_week_of_year VARCHAR 회계 연도의 주 (예: 'Week01', 'FW01')입니다.
fiscal_week_of_year_num INTEGER 한 해의 숫자 형식 회계 주입니다 (예: 1).
fiscal_period_of_year VARCHAR 맞춤 기간 이름 (예: 'P01')입니다.
fiscal_period_of_year_num INTEGER 숫자 맞춤 기간 (예: 1)입니다.
season VARCHAR 맞춤 시즌 이름입니다 (예: '겨울').
season_num INTEGER 숫자 맞춤 시즌 (예: 1)입니다.
prev_week_num INTEGER 이전 주의 서수 값입니다 (예: 52 또는 53). Looker는 현재 주가 1이고 캘린더의 이전 주가 52가 아닌 경우 기간별 측정항목을 계산하기 위해 이 값이 필요합니다. prev_week_num는 맞춤 캘린더로 기간별 측정항목을 사용하려는 경우에만 필요하며, 맞춤 캘린더에 52주가 없는 경우에만 필요합니다.
prev_day_num INTEGER 전날의 서수 값 (예: 364 또는 371)입니다. Looker는 현재 날짜가 1이고 캘린더의 이전 날짜가 364가 아닌 경우 기간별 측정치를 계산하기 위해 이 값이 필요합니다. prev_day_num는 맞춤 캘린더로 기간별 측정치를 사용하려는 경우에만 필요하며, 맞춤 캘린더에 364일이 없는 경우에만 필요합니다.

예를 들어 fiscal_calendar_table 테이블의 샘플 행은 다음과 같습니다.

reference_date fiscal_year fiscal_year_num fiscal_period fiscal_period_num prev_week_num prev_day_num
2023-12-25 FY2024 2024 P01 1 51 358
2023-12-26 FY2024 2024 P01 1 51 359
2024-01-01 FY2024 2024 P02 2 52 364
2024-01-02 FY2024 2024 P02 2 52 1

LookML에서 맞춤 캘린더 뷰 정의

데이터베이스에 캘린더 테이블을 만든 후 데이터베이스 캘린더 테이블을 모델링하는 LookML 뷰를 만들어야 합니다.

맞춤 캘린더 뷰 파일에는 다음이 포함되어야 합니다.

  • 데이터베이스의 맞춤 캘린더 테이블을 가리키는 sql_table_name 매개변수
  • 표의 열을 Looker 맞춤 기간 유형에 매핑하는 calendar_definition 블록
  • dimension 매개변수를 사용하여 데이터베이스의 맞춤 캘린더 테이블 열을 모델링합니다.

다음은 예시 fiscal_calendar_table을 모델링하는 fiscal_calendar.view.lkml이라는 뷰 파일의 예입니다.

view: fiscal_calendar {
  sql_table_name: fiscal_calendar_table ;;
  calendar_definition: {
    reference_date: reference_date
    timeframe_mapping: {
      custom_year: fiscal_year
      custom_quarter: fiscal_quarter_of_year
      custom_date: fiscal_date
      custom_week: fiscal_week_of_year
      custom_period: fiscal_period_of_year
      custom_season: season
    }
    timeframe_ordinal_mapping: {
      custom_year: fiscal_year_num
      custom_quarter: fiscal_quarter_of_year_num
      custom_date: fiscal_date_num
      custom_week: fiscal_week_of_year_num
      custom_period: fiscal_period_of_year_num
      custom_season: season_num
    }
    previous_ordinal_mapping: {
      custom_week: prev_week_num
      custom_date: prev_day_num
    }
  }

  dimension: reference_date {
    type: date
    primary_key: yes
    sql: ${TABLE}.reference_date ;; # Assuming column name is reference_date
  }

  dimension: fiscal_date {
  type: string
  sql: FORMAT_TIMESTAMP('%Y-%m-%d', ${TABLE}.reference_date) ;;
}

  dimension: fiscal_year {
    type: string
    sql: ${TABLE}.fiscal_year ;;
  }

  dimension: fiscal_year_num {
    type: number
    sql: ${TABLE}.fiscal_year_num ;;
  }

  # ... other dimensions for quarters, weeks, periods, seasons, etc. ...

  # Example placeholder dimensions for unused timeframes
  dimension: season {
    type: string
    sql: 'N/A' ;;
    hidden: yes
  }
  dimension: season_num {
    type: number
    sql: 0 ;;
    hidden: yes
  }
}

calendar_definition 파라미터에 관한 자세한 내용은 calendar_definition 파라미터 페이지를 참고하세요.

맞춤 캘린더 측정기준 그룹 만들기

데이터베이스에 캘린더 테이블을 만들고 LookML에서 데이터베이스 캘린더 테이블을 모델링한 후에는 맞춤 캘린더 뷰를 기반으로 하는 type: custom_calendar 측정기준 그룹을 만들 수 있습니다.

예를 들어 맞춤 캘린더 측정기준 그룹을 정의하는 orders.view.lkml이라는 뷰 파일은 다음과 같습니다.

include: "/views/fiscal_calendar.view"

view: orders {
  sql_table_name: public.orders ;;

  dimension_group: created {
    type: custom_calendar

    # Optional list of allowed timeframes
    custom_timeframes: [
      custom_date,
      custom_week,
      custom_year
    ]
    sql: ${TABLE}.created_at ;;
    based_on_calendar: fiscal_calendar  # This links to your calendar view
  }
}

이 LookML을 사용하면 Looker가 created 측정기준 그룹에 대한 새로운 맞춤 기간 세트('회계연도', '회계주' 등)를 자동으로 만듭니다. 그러면 사용자가 탐색, 보고, 필터링에 이러한 필드를 사용할 수 있습니다.

맞춤 캘린더의 측정기준 그룹 만들기에 대한 자세한 내용은 dimension_group 문서 페이지를 참고하세요.

고려사항

맞춤 일정에는 다음과 같은 제한사항이 있습니다.

  • 필터링된 측정값: 필터링된 측정값에는 맞춤 캘린더가 지원되지 않습니다. 측정값의 filters 매개변수에서 맞춤 캘린더 측정기준을 참조할 수 없습니다.
  • 고급 필터: 고급 필터에서는 맞춤 캘린더가 지원되지 않습니다. Looker 필터 표현식에서 맞춤 캘린더 측정기준을 참조할 수 없습니다.
  • 대칭 집계: 일부 복잡한 조인 시나리오에서는 맞춤 캘린더 측정기준이 포함된 쿼리에 대칭 집계가 완전히 지원되지 않을 수 있습니다.
  • 측정기준 채우기: Looker는 맞춤 캘린더 측정기준의 누락된 날짜를 측정기준 채우기할 수 없습니다.
  • 캘린더 범위를 벗어난 필터링: 캘린더에 없는 날짜가 포함된 맞춤 기간에 필터를 적용하면 예기치 않은 결과가 반환될 수 있습니다. 이는 기간의 시작을 계산하는 데 사용되는 서수 산술과 관련이 있습니다.
  • OR 필터: 맞춤 캘린더를 사용하는 쿼리에는 OR 필터가 지원되지 않습니다.
  • 시간대 변환 동작: Looker는 기존 시간대 변환 시맨틱스를 따릅니다. 즉, 데이터베이스와 쿼리 시간대가 일치하면 시간대 변환이 적용되지 않습니다. 동의하지 않으면 Looker에서 시간대 변환을 적용합니다. 맞춤 캘린더 측정기준 그룹에 convert_tz: no을 지정하여 이 동작을 재정의할 수 있습니다.
  • 기본 정렬: 맞춤 캘린더 필드를 선택하면 Looker에서 첫 번째 날짜 필드에 기본 정렬을 적용합니다. 그러면 사용자가 다른 데이터 정렬을 지정할 수 있습니다.
  • 맞춤 캘린더 필터: 맞춤 캘린더 측정기준은 지난 3년간의 맞춤 연도에 속함 또는 이 맞춤 기간에 속함과 같은 특정 필터 옵션을 지원합니다. 자세한 내용은 데이터 필터링 및 제한 문서 페이지의 맞춤 캘린더 필터 섹션을 참고하세요.

맞춤 캘린더에 지원되는 데이터베이스 언어

다음 표에서는 최신 버전의 Looker에서 맞춤 캘린더를 지원하는 언어를 보여줍니다.

언어 지원 여부
Actian Avalanche
Amazon Athena
Amazon Aurora MySQL
Amazon Redshift
Amazon Redshift 2.1+
Amazon Redshift Serverless 2.1+
Apache Druid
Apache Druid 0.13.x - 0.17.x
Apache Druid 0.18+
Apache Hive 2.3+
Apache Hive 3.1.2+
Apache Spark 3+
ClickHouse
ClickHouse 26+
Cloudera Impala 3.1+
Cloudera Impala 3.1+ with Native Driver
Cloudera Impala with Native Driver
DataVirtuality
Databricks
Denodo 7
Denodo 8 & 9
Dremio
Dremio 11+
Dremio 26+ with Arrow Flight SQL
Exasol
Google BigQuery Legacy SQL
Google BigQuery Standard SQL
Google Cloud AlloyDB for PostgreSQL
Google Cloud PostgreSQL
Google Cloud SQL
Google Spanner
Greenplum
HyperSQL
IBM Netezza
MariaDB
Microsoft Azure PostgreSQL
Microsoft Azure SQL Database
Microsoft Azure Synapse Analytics
Microsoft SQL Server 2008+
Microsoft SQL Server 2012+
Microsoft SQL Server 2016
Microsoft SQL Server 2017+
MongoBI
MongoSQL
MySQL
MySQL 8.0.12+
Oracle
Oracle ADWC
PostgreSQL 9.5+
PostgreSQL pre-9.5
PrestoDB
PrestoSQL
SAP HANA
SAP HANA 2+
SingleStore
SingleStore 7+
Snowflake
Teradata
Trino
Vector
Vertica