Introdução ao LookML

LookML, abreviação de Looker Modeling Language, é a linguagem usada no Looker para criar modelos de dados semânticos. É possível usar o LookML para descrever dimensões, agregações, cálculos e relações de dados no banco de dados SQL. O Looker usa um modelo escrito em LookML para criar consultas SQL em um determinado banco de dados.

O LookML é uma linguagem de dependência, como make, em vez de uma linguagem imperativa, como C ou Ruby. O LookML fornece tipos de dados e sintaxe predefinidos para modelagem de dados. Não é necessário ter experiência anterior com linguagens de programação para entender o LookML. O LookML é independente de dialetos SQL específicos e encapsula expressões SQL para oferecer suporte a qualquer implementação de SQL.

Para analistas de dados, o LookML promove o estilo DRY ("don't repeat yourself"), o que significa que você escreve expressões SQL uma vez, em um só lugar,e o Looker usa o código repetidamente para gerar consultas SQL ad hoc. Os usuários corporativos podem usar os resultados para criar consultas complexas no Looker, concentrando-se apenas no conteúdo de que precisam, e não nas complexidades da estrutura SQL.

Projetos do LookML

O LookML é definido em projetos. Um projeto do LookML é uma coleção de arquivos, incluindo pelo menos arquivos de modelo e de visualização, e, opcionalmente, outros tipos de arquivos, que normalmente são controlados por versão juntos em um repositório Git. Os arquivos de modelo contêm informações sobre quais tabelas o projeto vai usar e como elas devem ser unidas. Os arquivos de visualização descrevem como as informações são calculadas sobre cada tabela (ou em várias tabelas, se as junções permitirem isso).

O LookML separa a estrutura do conteúdo. Assim, a estrutura da consulta (como as tabelas são unidas) é independente do conteúdo da consulta (as colunas a serem acessadas, os campos derivados, as funções de agregação a serem calculadas e as expressões de filtragem a serem aplicadas).

As consultas do Looker são baseadas em arquivos de projeto do LookML. Os analistas de dados usam o LookML para criar e manter modelos de dados que definem a estrutura de dados e as regras de negócios para os dados que estão sendo analisados. O gerador de SQL do Looker traduz o LookML em SQL, o que permite que os usuários corporativos consultem sem escrever LookML ou SQL.

Os usuários corporativos usam o criador de consultas do Looker ou a interface de análise para criar consultas com base no modelo de dados definido pelos analistas do Looker. Os usuários podem selecionar dimensões, medições e filtros para criar consultas personalizadas com base nas próprias perguntas e gerar insights.

Quando um usuário cria uma consulta, ela é enviada ao gerador de SQL do Looker, que a traduz para SQL. A consulta SQL é executada no banco de dados, e o Looker retorna os resultados formatados para o usuário na interface de análise. O usuário pode visualizar os resultados e gerar insights.

Para mais detalhes sobre os elementos fundamentais do LookML em um projeto e como eles se relacionam, consulte Termos e conceitos do LookML.

O que os usuários veem

A forma como o projeto é configurado e o conteúdo específico dos arquivos determinam o que os usuários veem e como eles podem interagir com o Looker.

  1. O painel "Análise" no painel de navegação à esquerda é organizado por nomes de modelos. Abaixo de cada nome de modelo, há uma lista de análises disponíveis Explores definidas nesse modelo.
  2. Os usuários podem pesquisar uma análise específica.

  3. Os desenvolvedores podem definir descrições para análises, que os usuários podem visualizar passando o cursor sobre o nome da análise no menu Análise.

  4. O painel do seletor de campos é organizado por nomes de visualização. Abaixo de cada nome de visualização, há uma lista de campos disponíveis das tabelas incluídas nessa visualização. A maioria das visualizações mostra dimensões e medições. Este exemplo seleciona uma dimensão Mês em um grupo de dimensões Data de devolução, que foi definido no arquivo de visualização.

  5. Os usuários podem selecionar várias medições em que a consulta será baseada.

  6. Os usuários podem aplicar opções como filtros e tabelas dinâmicas no painel do seletor de campos.

  7. Os usuários podem refinar os termos da consulta.

  8. Os usuários podem escolher um tipo de visualização para aplicar aos resultados da consulta.

  9. A execução dessa Análise gera uma consulta SQL que retorna uma tabela de dados e uma visualização do preço promocional total e da margem bruta total dos pedidos devolvidos do ano anterior.

Exemplo de código

O exemplo de código a seguir mostra um projeto mínimo do LookML para uma loja de e-commerce, que tem um arquivo modelo (ecommercestore.model.lkml) e dois arquivos de visualização (orders.view.lkml e customers.view.lkml):

######################################
# FILE: ecommercestore.model.lkml    #
# Define the explores and join logic #
######################################
connection: order_database
include: "*.view.lkml"
explore: orders {
  join: customers {
    sql_on: ${orders.customer_id} = ${customers.id} ;;
  }
}

##########################################################
# FILE: orders.view.lkml                                 #
# Define the dimensions and measures for the ORDERS view #
##########################################################
view: orders {
  dimension: id {
    primary_key: yes
    type: number
    sql: ${TABLE}.id ;;
  }
  dimension: customer_id {      # field: orders.customer_id
    sql: ${TABLE}.customer_id ;;
  }
  dimension: amount {           # field: orders.amount
    type: number
    value_format: "0.00"
    sql: ${TABLE}.amount ;;
  }
  dimension_group: created {                # generates fields:
    type: time                              # orders.created_time, orders.created_date
    timeframes: [time, date, week, month]   # orders.created_week, orders.created_month
    sql: ${TABLE}.created_at ;;
  }
  measure: count {             # field: orders.count
    type: count                # creates a sql COUNT(*)
    drill_fields: [drill_set*] # list of fields to show when someone clicks 'ORDERS Count'
  }
  measure: total_amount {
    type: sum
    sql: ${amount} ;;
  }
  set: drill_set {
    fields: [id, created_time, customers.name, amount]
  }
}

#############################################################
# FILE: customers.view.lkml                                 #
# Define the dimensions and measures for the CUSTOMERS view #
#############################################################
view: customers {
  dimension: id {
    primary_key: yes
    type: number
    sql: ${TABLE}.id ;;
  }
  dimension: city {                    # field: customers.city
    sql: ${TABLE}.city ;;
  }
  dimension: state {                   # field: customers.state
    sql: ${TABLE}.state ;;
  }
  dimension: name {
    sql: CONCAT(${TABLE}.firstname, " ", ${TABLE}.lastname) ;;
  }
  measure: count {             # field: customers.count
    type: count                # creates a sql COUNT(*)
    drill_fields: [drill_set*] # fields to show when someone clicks 'CUSTOMERS Count'
  }
  set: drill_set {                     # set: customers.drill_set
    fields: [id, state, orders.count]  # list of fields to show when someone clicks 'CUSTOMERS Count'
  }
}

Outros recursos

Se você é novo no desenvolvimento do LookML, use os recursos descritos nas seções a seguir para acelerar o aprendizado:

Acessar o ambiente de aprendizado do Looker

Confira os cursos no Google Cloud Skills Boost.

Aprender a usar o Looker para consultar e explorar dados

Saber como explorar dados no Looker vai ajudar muito ao modelar seus dados no LookML. Se você não estiver familiarizado com o uso do Looker para consultar, filtrar e detalhar dados, sugerimos os seguintes recursos:

Analisar os princípios básicos do SQL antes de usar o LookML

A escrita do LookML exige a compreensão das consultas SQL. Não é necessário ser um especialista em SQL, e até mesmo iniciantes podem criar modelos avançados do Looker. No entanto, em geral, quanto mais você se aprofunda no LookML, mais se beneficia de um conhecimento mais profundo de SQL.

Se você precisar de uma atualização do SQL, confira alguns dos nossos recursos favoritos:

Aprender os fundamentos do LookML

Esses recursos vão impulsionar seu conhecimento do LookML. Use sua conta de aprendizado para testar diferentes padrões de design.

Depois de aprender os princípios básicos do LookML, consulte as páginas a seguir para conferir visões gerais dos diferentes tipos de parâmetros do LookML: