Introducción a LookML

LookML, abreviatura de Looker Modeling Language, es el lenguaje que se usa en Looker para crear modelos de datos semánticos. Puedes usar LookML para describir dimensiones, agregaciones, cálculos y relaciones de datos en tu base de datos de SQL. Looker usa un modelo escrito en LookML para crear consultas en SQL en una base de datos específica.

LookML es un lenguaje de dependencia como make, a diferencia de un lenguaje imperativo como C o Ruby. LookML proporciona tipos de datos y sintaxis predefinidos para el modelado de datos. No necesitas experiencia previa con lenguajes de programación para comprender LookML. LookML es independiente de dialectos de SQL particulares y encapsula expresiones de SQL para admitir cualquier implementación de SQL.

Para los analistas de datos, LookML fomenta el estilo DRY (“no te repitas”), lo que significa que escribes expresiones SQL una vez, en un solo lugar, y Looker usa el código repetidamente para generar consultas SQL ad hoc. Luego, los usuarios empresariales pueden usar los resultados para crear consultas complejas en Looker, enfocándose solo en el contenido que necesitan, no en las complejidades de la estructura de SQL.

Proyectos de LookML

LookML se define en proyectos. Un proyecto de LookML es una colección de archivos que incluye, al menos, archivos de modelo y de vista, y, de manera opcional, otros tipos de archivos, que suelen controlarse en conjunto a través de un repositorio de Git. Los archivos de modelo contienen información sobre qué tablas usará el proyecto y cómo se deben unir las tablas. Los archivos de vista describen cómo se calcula la información sobre cada tabla (o en varias tablas si las uniones lo permiten).

LookML separa la estructura del contenido, por lo que la estructura de la consulta (cómo se unen las tablas) es independiente del contenido de la consulta (las columnas a las que se accede, los campos derivados, las funciones agregadas que se deben calcular y las expresiones de filtrado que se deben aplicar).

Las consultas de Looker se basan en archivos de proyectos de LookML. Los analistas de datos usan LookML para crear y mantener modelos de datos que definen la estructura de datos y las reglas de negocio para los datos que se analizan. El generador de SQL de Looker traduce LookML a SQL, lo que permite a los usuarios empresariales realizar consultas sin escribir código en LookML ni SQL.

Los usuarios empresariales usan el compilador de consultas de Looker o la interfaz de Explorar para crear consultas basadas en el modelo de datos que definen los analistas de Looker. Los usuarios pueden seleccionar dimensiones, métricas y filtros para crear consultas personalizadas basadas en sus propias preguntas y generar sus propias estadísticas.

Cuando un usuario crea una consulta, esta se envía al generador de SQL de Looker, que la traduce a SQL. La consulta en SQL se ejecuta en la base de datos y, luego, Looker muestra los resultados con el formato correspondiente al usuario en la interfaz de Explorar. Luego, el usuario puede visualizar los resultados y generar estadísticas.

Para obtener más detalles sobre los elementos fundamentales de LookML en un proyecto y cómo se relacionan entre sí, consulta Términos y conceptos de LookML.

Qué ven los usuarios

La forma en que se configura el proyecto y el contenido específico de sus archivos determinan lo que ven los usuarios y cómo pueden interactuar con Looker.

  1. El panel Explorar del panel de navegación izquierdo se organiza por nombres de modelos. Debajo de cada nombre de modelo, verás una lista de las Exploraciones disponibles que se definen en ese modelo.
  2. Los usuarios pueden buscar un Explorar específico.

  3. Los desarrolladores pueden definir descripciones para las Exploraciones, que los usuarios pueden ver colocando el cursor sobre el nombre de la Exploración en el menú Explorar.

  4. El panel del selector de campos se organiza por nombres de vistas. Debajo de cada nombre de vista, verás una lista de los campos disponibles de las tablas incluidas en esa vista. La mayoría de las vistas muestran tanto dimensiones como mediciones. En este ejemplo, se selecciona una dimensión Month dentro de un grupo de dimensiones Returned Date, que se definió en el archivo de vista.

  5. Los usuarios pueden seleccionar varias métricas en las que basar la consulta.

  6. Los usuarios pueden aplicar opciones como filtros y tablas dinámicas en el panel del selector de campos.

  7. Los usuarios pueden definir mejor los términos de la búsqueda.

  8. Los usuarios pueden elegir un tipo de visualización para aplicar a los resultados de la búsqueda.

  9. Cuando ejecutas este Explorar, se genera una consulta en SQL que muestra una tabla de datos y una visualización del precio de venta total y el margen bruto total de los pedidos devueltos del año anterior.

Muestra de código

En el siguiente ejemplo de código, se muestra un proyecto de LookML mínimo para una tienda de comercio electrónico, que tiene un archivo de modelo (ecommercestore.model.lkml) y dos archivos de vista (orders.view.lkml y 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'
  }
}

Recursos adicionales

Si es la primera vez que desarrollas en LookML, considera usar los recursos que se describen en las siguientes secciones para acelerar tu aprendizaje:

Obtén acceso al entorno de aprendizaje de Looker

Consulta los cursos en Google Cloud Skills Boost.

Aprende a usar Looker para consultar y explorar datos

Saber cómo explorar datos en Looker te ayudará mucho cuando modeles tus datos en LookML. Si no sabes cómo usar Looker para consultar, filtrar y explorar datos en detalle, te sugerimos que consultes los siguientes recursos:

Revisa los conceptos básicos de SQL antes de profundizar en LookML

Para escribir LookML, es necesario comprender las consultas en SQL. No es necesario que seas un experto en SQL, y hasta los principiantes pueden crear modelos de Looker potentes. Sin embargo, en general, cuanto más profundices en LookML, más te beneficiarás de un conocimiento más profundo de SQL.

Si necesitas repasar SQL, estos son algunos de nuestros recursos favoritos:

Aprende los conceptos básicos de LookML

Estos recursos te ayudarán a impulsar tus conocimientos de LookML. Usa tu cuenta de aprendizaje para experimentar con diferentes patrones de diseño.

Después de aprender los conceptos básicos de LookML, consulta las siguientes páginas para obtener descripciones generales de los diferentes tipos de parámetros de LookML: