En el caso de los dialectos que lo admiten, la función de calendario personalizado de Looker te permite definir un calendario personalizado en tu base de datos, como un calendario fiscal o comercial específico, y, luego, aplicar el calendario a un grupo de dimensiones basado en la fecha en tu modelo de LookML. Luego, los usuarios pueden crear consultas de Explorar con tus períodos personalizados, como custom_week y custom_period, como si fueran períodos estándares.
Requisitos previos
Antes de usar calendarios personalizados, asegúrate de que se cumplan los siguientes requisitos:
- Debes tener una conexión de Looker a un dialecto que admita calendarios personalizados.
- Debes crear una tabla de calendario en tu base de datos que luego puedas modelar como una vista en Looker. Looker usa la tabla de calendario en tu base de datos para calcular períodos personalizados. Consulta la sección Crea una tabla de calendario en tu base de datos para obtener más información.
- Tu proyecto de LookML debe usar el nuevo entorno de ejecución de LookML. Si la función heredada Usar el entorno de ejecución de LookML heredado está habilitada en tu instancia, debes agregar la instrucción
new_lookml_runtime: yesal archivo de manifiesto de tu proyecto.
Crea un calendario personalizado
Para implementar un calendario personalizado, debes realizar estos pasos generales que se describen en las siguientes secciones:
- Crea tu tabla de calendario en tu base de datos.
- Define tu vista de calendario personalizado en LookML.
- Crea un grupo de dimensiones de calendario personalizado.
Crea una tabla de calendario en tu base de datos
Para calcular las fechas de los calendarios personalizados, Looker necesita una tabla de calendario dedicada en tu base de datos que defina tus períodos personalizados. Tu tabla debe tener una columna de fecha de referencia que use la fecha del calendario estándar. Looker une tu tabla de calendario a tus tablas de datos (como una tabla orders) según la columna de fecha de referencia.
Los nombres de las columnas de la tabla de calendario son flexibles. Cuando definas la vista de calendario personalizado en LookML, usarás el bloque calendar_definition para asignar las columnas de tu base de datos a nombres de períodos personalizados estándares.
El siguiente es un esquema de tabla de ejemplo para una tabla de calendario llamada fiscal_calendar_table.
| Nombre de la columna | Tipo de datos | Descripción |
|---|---|---|
reference_date |
DATE |
La fecha del calendario estándar (como "2023-01-01"). Se usa para la unión. Debe ser una clave única o principal. |
fiscal_year |
VARCHAR |
El año fiscal (como "FY2023"). |
fiscal_year_num |
INTEGER |
El año fiscal numérico (como 2023). |
fiscal_quarter_of_year |
VARCHAR |
El trimestre fiscal (como "FQ1"). |
fiscal_quarter_of_year_num |
INTEGER |
El trimestre fiscal numérico (como 1). |
fiscal_week_of_year |
VARCHAR |
La semana fiscal del año (como "Week01" o "FW01"). |
fiscal_week_of_year_num |
INTEGER |
La semana fiscal numérica del año (como 1). |
fiscal_period_of_year |
VARCHAR |
Un nombre de período personalizado (como "P01"). |
fiscal_period_of_year_num |
INTEGER |
El período personalizado numérico (como 1). |
season |
VARCHAR |
Un nombre de temporada personalizado (como "Winter"). |
season_num |
INTEGER |
La temporada personalizada numérica (como 1). |
Para ilustrar, estas son algunas filas de muestra de la tabla fiscal_calendar_table:
reference_date |
fiscal_year |
fiscal_year_num |
fiscal_period |
fiscal_period_num |
|---|---|---|---|---|
2023-12-25 |
FY2024 |
2024 |
P01 |
1 |
2023-12-26 |
FY2024 |
2024 |
P01 |
1 |
2024-01-01 |
FY2024 |
2024 |
P02 |
2 |
2024-01-02 |
FY2024 |
2024 |
P02 |
2 |
Define tu vista de calendario personalizado en LookML
Después de crear una tabla de calendario en tu base de datos, debes crear una vista de LookML para modelar la tabla de calendario de la base de datos.
El archivo de vista de calendario personalizado debe incluir lo siguiente:
- El
sql_table_nameparámetro que apunta a la tabla de calendario personalizado en tu base de datos. - El bloque
calendar_definitionpara asignar las columnas de tu tabla a los tipos de períodos personalizados de Looker. dimensionparámetros para modelar las columnas de la tabla de calendario personalizado en tu base de datos.
Este es un archivo de vista de ejemplo llamado fiscal_calendar.view.lkml que modela el ejemplo fiscal_calendar_table:
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
}
}
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
}
}
Consulta la página del parámetro calendar_definition para obtener detalles sobre los parámetros calendar_definition.
Crea un grupo de dimensiones de calendario personalizado
Después de crear una tabla de calendario en tu base de datos y modelar la tabla de calendario de la base de datos en LookML, puedes crear un grupo de dimensiones de type: custom_calendar que se base en la vista de calendario personalizado.
Por ejemplo, aquí hay un archivo de vista llamado orders.view.lkml que define un grupo de dimensiones de calendario personalizado.
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
}
}
Con este LookML, Looker creará automáticamente un nuevo conjunto de períodos personalizados para el grupo de dimensiones created (como "Año personalizado creado" y "Semana personalizada creada"). Luego, los usuarios pueden usar estos campos para explorar, generar informes y filtrar.
Consulta la página de documentación de dimension_group para obtener detalles sobre la creación de un grupo de dimensiones para calendarios personalizados.
Aspectos para tener en cuenta
Ten en cuenta las siguientes limitaciones con los calendarios personalizados:
- Medidas filtradas: Los calendarios personalizados no son compatibles con las medidas filtradas: No puedes hacer referencia a una dimensión de calendario personalizado en el parámetro
filtersde una medida. - Filtros avanzados: Los calendarios personalizados no son compatibles con los filtros avanzados: No puedes hacer referencia a una dimensión de calendario personalizado en las expresiones de filtro de Looker.
- Agregaciones simétricas: En algunas situaciones de unión complejas, es posible que las agregaciones simétricas no sean totalmente compatibles con las consultas que involucran dimensiones de calendario personalizado.
- Completar dimensiones: Looker no puede completar las dimensiones de las fechas faltantes para las dimensiones de calendario personalizado.
- Filtrar más allá de los límites del calendario: Si se aplica un filtro a un período personalizado que da como resultado una fecha que no está en el calendario, es posible que se muestren resultados inesperados. Esto se relaciona con la aritmética ordinal que se usa para calcular el comienzo de un período.
- Filtros
OR: Los filtrosORno son compatibles con las consultas con calendarios personalizados. - Comportamiento de conversión de zona horaria: Looker respeta la semántica de conversión de zona horaria existente. Es decir, si la base de datos y la zona horaria de la consulta coinciden, no se aplica ninguna conversión de zona horaria. Si no coinciden, Looker aplica la conversión de zona horaria. Puedes anular este comportamiento si especificas
convert_tz: noen tu grupo de dimensiones de calendario personalizado. - Ordenamiento predeterminado: Looker aplica un ordenamiento predeterminado al primer campo de fecha cuando se seleccionan campos de calendario personalizado. Luego, el usuario puede especificar un ordenamiento de datos diferente.
- Filtros de calendario personalizado: Las dimensiones de calendario personalizado admiten opciones de filtro específicas, como está en los últimos 3 años personalizados o es este período personalizado. Para obtener más información, consulta la sección Filtros de calendario personalizado de la página de documentación Filtrar y limitar datos.
Dialectos de base de datos compatibles con calendarios personalizados
En la siguiente tabla, se muestran los dialectos que admiten calendarios personalizados en la versión más reciente de Looker:
| Dialecto | ¿Es compatible? |
|---|---|
| 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 | |
| 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+ | |
| 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 | |
| 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 |