lookml-explore

说明

1. 核心标准

1. 命名约定：Explore 名称使用 snake_case。
2. 必需参数：
   • description：覆盖率 100%。每个 Explore 都必须有描述。
   • label：在 UI 中显示的、便于用户理解的 Explore 名称。
   • view_name：默认与 Explore 名称相同，但显式定义更稳妥。
3. 联接：
   • relationship：必需（one_to_one、many_to_one）。
   • sql_on：必需。使用 ${left.id} = ${right.id} 语法。
   • type：默认为 left_outer。如有需要，显式使用 inner 或 full_outer。
4. 格式：
   • 不要仅为美观而使用 from 重命名视图。请改用 view_label。
   • 例外：多态联接、自联接、重设作用域的扩展。

2. 高级配置

• always_filter：用户可以更改但无法移除的特定筛选条件。
• sql_always_where：用户无法更改的特定限制条件。
• persist_with：将 Explore 缓存关联到数据组（例如 default_datagroup）。
• fields：必要时使用包含式列表严格控制内容（ALL_FIELDS*、-view.field）。

3. 性能优化（聚合表）

聚合表（聚合感知）让 Looker 能查询更小的预聚合表，而不是原始的细粒度数据，从而大幅提升查询性能。

聚合表的结构

explore: orders {
  aggregate_table: rollup_name {
    query: {
      dimensions: [created_date, status]
      measures: [total_revenue, count]
      filters: [orders.created_date: "6 months"]
    }
    materialization: {
      datagroup_trigger: ecommerce_etl
      # partition_keys: ["created_date"] # BigQuery/Presto optimization
      # increment_key: "created_date"    # Incremental builds
      # increment_offset: 3              # Rebuild last 3 periods
    }
  }
}

关键参数

1. 查询：定义汇总数据的“形状”。

   • 维度：包含仪表板中常用的所有维度（包括筛选条件）。
   • 度量：包含基础度量（sum、count）。Looker 可以根据 sum 和 count 计算平均值。
   • 筛选条件：可选。将汇总数据限制在数据子集内（例如“最近 6 个月”）。

2. 物化：

   • datagroup_trigger：（推荐）在 ETL 作业完成时重新构建。
   • sql_trigger_value：在 SQL 查询返回新值时重新构建。
   • increment_key：（高级）追加新数据，而非完整重建。最适用于超大型表。
   • indexes / partition_keys / cluster_keys：特定方言的优化选项。

3. 最佳实践：

   • 时间粒度：包含所需的最细粒度（例如 date）。Looker 可以自动将 date 汇总到 month 或 year。
   • 精确匹配：要满足感知逻辑，用户的查询字段必须是聚合表字段的严格子集。
   • 筛选感知：如果用户按聚合表中不存在的字段筛选，Looker 就无法使用该表（“精确匹配”这一特殊情况除外）。将常用筛选字段添加到 dimensions 列表中。

4. 扩展 Explore

• 继承：使用 extends: [base_explore]，从另一个 Explore 继承联接、字段和描述。
  • 使用场景：创建包含常用联接的“基础”Explore，然后创建用于特定分析的“扩展”Explore（例如，orders -> marketing_orders）。

示例

基本 Explore

explore: orders {
  label: "Orders"
  description: "Analyze order data, including user and product details."
  view_name: orders
  
  join: users {
    relationship: many_to_one
    sql_on: ${orders.user_id} = ${users.id} ;;
  }
}

带筛选条件和缓存的 Explore

explore: events {
  label: "Web Events"
  description: "User interaction events."
  persist_with: default_datagroup

  # Users can change this filter, but it defaults to '7 days'
  always_filter: {
    filters: [events.created_date: "7 days"]
  }

  # Users CANNOT change this filter.
  sql_always_where: ${events.is_test_data} = false ;;
  
  join: sessions {
    relationship: many_to_one
    sql_on: ${events.session_id} = ${sessions.session_id} ;;
  }
}

## Aggregate Table (Advanced)

```lookml
explore: orders {
  aggregate_table: monthly_sales_summary {
    query: {
      dimensions: [created_month, status, products.category]
      measures: [total_revenue, count]
      filters: [orders.created_date: "2 years"]
    }
    materialization: {
      datagroup_trigger: ecommerce_etl
      partition_keys: ["created_month"]
      increment_key: "created_month"
      increment_offset: 1 # Rebuild current and previous month
    }
  }
}

扩展的 Explore

explore: orders_extended {
  extends: [orders]
  label: "Orders (Marketing View)"
  view_name: orders
  
  # Add new joins specific to this view
  join: marketing_channels {
    sql_on: ${orders.channel_id} = ${marketing_channels.id} ;;
    relationship: many_to_one
  }
}

## Reference Skills

For more complex scenarios, refer to these specialized skills:
- [Advanced Explore Configuration](references/advanced.md): UNNESTing, lateral flattens, and row-level security.
- [Joins Deep Dive](references/joins.md): Detailed join types, relationships, and aliasing.