שאילתה

בדף הזה מוסבר על הפרמטר query שהוא חלק מכלי הניתוחים.

אפשר להשתמש בפרמטר query גם כחלק מטבלת צבירה, כמו שמתואר בדף התיעוד של הפרמטר aggregate_table.

Usage

explore: explore_name {
  query: query_name {
    dimensions: [dimension1, dimension2, ... ]
    measures: [measure1, measure2, ... ]
    label: "Display Name in Field Picker"
    description: "Information about this query"
    pivots: [dimension1, dimension2, ... ]
    sorts: [field1: asc, field2: desc, ... ]
    filters: [field1: "value1", field2: "value2", ... ]
    limit: 100
  }
  ...
}

היררכיה קובץ מודל explore query

ערך ברירת המחדל ללא מקבל השם של השאילתה ושל פרמטרים משניים להגדרת השאילתה

הגדרה

אפשר להשתמש בפרמטר query כדי ליצור ניתוחים מבוססי-מודלים עבור ניתוח באמצעות כלי הניתוחים. הניתוחים המבוססים על מודלים מופיעים בקטע התחלה מהירה של ניתוח ריק, או בחלון הקופץ 'התחלה מהירה' אחרי שמריצים ניתוח. הסבר על אופן הפעולה מופיע בקטע דוגמה בדף הזה.

ניתוחים מבוססי-מודל מועילים למשתמשי Looker מתחילים, כי אפשר לציין בהם רכיבים כמו מאפיינים, מדדים, מסננים וצירים שעשויים להיות הכי רלוונטיים ומעוררי תובנות.

הגדרת שאילתה ב-LookML

במקום ליצור את ה-LookML של השאילתה מאפס, אפשר להשתמש ב'ניתוח נתונים' כדי ליצור את ה-LookML הבסיסי של השאילתה. פרטים נוספים זמינים בסעיף הבא, קבלת שאילתת LookML מ-Explore.

הפרמטר query כולל את הפרמטרים המשניים הבאים:

שם הפרמטר	תיאור	דוגמה
label	אפשר גם להוסיף תווית ל-query. התווית היא מה שמוצג בכלי לבחירת שדות ב-Explore עבור השאילתה.	label: "Weekly Sales Totals"
description	אפשר גם להוסיף תיאור של השאילתה כדי ליידע את המשתמשים. בכרטיסייה 'מה חדש', לכל שאילתה עם תיאור יופיע סמל מידע. טקסט התיאור מוצג כשמשתמש מעביר את העכבר מעל סמל המידע.	description: "Total value of all sales per day"
dimensions	רשימה מופרדת בפסיקים של המאפיינים מ'כלי הניתוחים' שרוצים לכלול בשאילתה. התחביר שמשמש בשדה dimensions הוא: dimensions: [dimension1, dimension2, ...]	dimensions:   [orders.created_month, orders.country]
measures	רשימה מופרדת בפסיקים של המדדים מתוך הכלי 'ניתוח נתונים' שרוצים לכלול בשאילתה. התחביר שמשמש בשדה measures הוא: measures: [measure1, measure2, ...]	measures:   [orders.count]
filters	אפשר להוסיף מסננים לquery. המסננים מתווספים לסעיף WHERE של ה-SQL שיוצר את השאילתה. התחביר שמשמש בשדה filters הוא: filters: [field_name_1: "value1", field_name_2: "value2", ...]	filters: [orders.country: "United States", orders.state: "California"]
limit	אופציונלי. מציין את מגבלת השורות של השאילתה.	limit: 10
sorts	אופציונלי: מציין את שדות המיון ואת כיוון המיון (עולה או יורד) של query. התחביר שמשמש בשדה sorts הוא: sorts: [field1: asc|desc, field2: asc|desc, ...]	sorts: [order_items.total_sales: asc]
pivots	אופציונלי: הפונקציה מבצעת ציר של התוצאות לפי המאפיינים שצוינו בשאילתה. התחביר שמשמש בשדה pivots הוא: pivots: [dimension1, dimension2, ...] NOTE: השדות שצוינו בפרמטר pivots צריכים להיות זהים לשדות שצוינו בפרמטר dimensions של השאילתה.	pivots: [created_quarter]
timezone	לא נתמך הפרמטר timezone לא נתמך בפרמטר query שהוא פרמטר משנה של explore. query מתחת ל-explore משתמש באותו אזור זמן שבו משתמש explore.

איך מקבלים LookML של שאילתה מניתוח

כקיצור דרך, מפתחי Looker יכולים להשתמש בפונקציונליות שמשמשת ליצירת aggregate_table LookML מתוך כלי הניתוח, ואז להעתיק את שאילתת טבלת הצבירה LookML ולהשתמש בה כנקודת התחלה לניתוח LookML מודל.

כשמעתיקים את קוד ה-LookML של טבלת צבירה, מעתיקים גם כמה פרמטרים שלא רוצים להשתמש בהם ב-LookML של שאילתת המודל. באופן ספציפי, אחרי שמעתיקים את LookML של הטבלה המסכמת, צריך למחוק את הפרמטרים aggregate_table ו-materialization, כי הם רלוונטיים רק לטבלאות מסכמות. (מידע נוסף על הפרמטרים האלה זמין בדף התיעוד של הפרמטר aggregate_table).

בנוסף, הפרמטר query של טבלה מסכמת תומך רק בקבוצת משנה של הפרמטרים שנתמכים בשאילתות של ניתוח נתונים מבוסס-מודלים. המשמעות היא שאחרי שמעתיקים את טבלת הצבירה query LookML, אפשר להשתמש בפרמטרים נוספים בשאילתה המעוצבת. הרשימה המלאה של הפרמטרים שנתמכים בשאילתות מבוססות-מודל מופיעה בקטע הגדרת שאילתה ב-LookML בדף הזה.

כדי להשתמש ב-Explore כדי לקבל בסיס לשאילתת LookML שעברה מודלים:

1. בכרטיסייה 'ניתוח', בוחרים את כל השדות והמסננים שרוצים לכלול בשאילתה המבוססת על המודל.
2. לוחצים על Run כדי לקבל את התוצאות.

3. בתפריט פעולות של ניתוח נתונים, בוחרים באפשרות קבלת LookML. האפשרות הזו זמינה רק למפתחים ב-Looker.

4. בוחרים בכרטיסייה טבלת צבירה.

5. ‫Looker מספק את LookML לשיפור של Explore עבור טבלה מסכמת. אנחנו יכולים להשתמש ב-LookML של טבלת הצבירה query ולשנות אותו בשביל שאילתת ניתוח נתונים מבוססת-מודל. מעתיקים את קוד ה-LookML ומדביקים אותו בקובץ המודל המשויך, שמצוין בתגובה שלפני שיפור הניתוח. אם ה-Explore מוגדר בקובץ Explore נפרד ולא בקובץ מודל, אפשר להוסיף את השיפור לקובץ ה-Explore במקום לקובץ המודל.

   מכאן אפשר לשנות את קוד ה-LookML של טבלה מסכמת כדי להשתמש בו בשאילתה שעברה מודלים:

6. משאירים רק את הפרמטר query ואת פרמטרי המשנה שלו. מוחקים את הפרמטרים aggregate_table ו-materialization, כי הם רלוונטיים רק לטבלאות מצטברות.

7. מוסיפים שם לשאילתה. כפי שמוצג בקטע דוגמה בדף הזה, התחביר הוא:

   query: query_name

8. אפשר למלא פרמטרים נוספים לשאילתה המבוססת על מודל. הרשימה המלאה של הפרמטרים שנתמכים בשאילתות מבוססות-מודל מופיעה בקטע הגדרת שאילתה ב-LookML בדף הזה.

דוגמה

בדוגמה הזו נוצרת order_count_by_month שאילתה מבוססת-מודל עבור order_items Explore:

explore: +order_items {
  query: order_count_by_month {
     description: "Number of orders placed by month in 2019"
     dimensions: [orders.created_month]
      measures: [orders.count]
     filters: [orders.created_date: "2019"]
    }
  }

המשתמשים יכולים להריץ את ניתוח ההתחלה המהירה מהקטע התחלה מהירה בכלי פריטי הזמנה.