Datentypen und semantische Typen

Wenn Sie einen Community-Connector erstellen, kann jedes Feld, das Sie im Schema erfordert einen Datentyp. Der Datentyp definiert den primitiven Typ des Felds, z. B. BOOLEAN, STRING, NUMBER usw.

Neben Datentypen werden in Looker Studio auch semantische Typen verwendet. Semantische Typen beschreiben die Art von Informationen, die die Daten darstellen. Für So kann ein Feld mit dem Datentyp NUMBER semantisch eine Währung darstellen Betrag oder Prozentsatz und ein Feld mit dem Datentyp STRING kann semantisch für eine Stadt stehen. Welche semantischen Typen verfügbar sind, erfahren Sie in der Dokumentation zu semantischen Typen

Community-Connector-Schema und Looker Studio-Felder

Wenn Sie das Schema für den Community-Connector definieren, Eigenschaften für jedes Feld, die bestimmen, wie das Feld dargestellt wird, die in Looker Studio verwendet werden. Beispiel:

  • Der conceptType ist die in Ihrem Connector-Schema mit der Eigenschaft conceptType definiert sind. Dieses wird festgelegt, ob das Feld als Dimension oder als Messwert behandelt wird. Eine Erklärung zu den Unterschieden zwischen Messwerten und Dimensionen finden Sie bei Dimensionen und Messwerte:
  • Der semantische Typ kann entweder im Connector-Schema definiert oder automatisch erkannt von Looker Studio basierend auf den Datentyp-Attribut definiert in und die vom Connector zurückgegebenen Datenwerte. Weitere Informationen finden Sie unter Automatische Erkennung des semantischen Typs. wie das funktioniert.
  • Mit dem Aggregationstyp wird bestimmt, ob die Messwerte (Dimensionen) ignoriert werden), können neu aggregiert werden. semantics.isReaggregatable festlegen auf true gesetzt ist, wird standardmäßig die Aggregation SUM verwendet. Andernfalls ist sie auf Auto festgelegt. Sie können den Standardaggregationstyp für aggregierbare Felder mithilfe der Methode defaultAggregationType Property.

Wenn Sie einen Connector in Looker Studio konfigurieren und eine Verbindung dazu herstellen, werden die Felder wird das vollständige Schema für den Connector angezeigt, die oben genannten Eigenschaften. Wenn Sie die semantischen Typen eingefügt haben, wie Sie sie definiert haben. Wenn Sie automatische Erkennung semantischer Typen aktiviert haben, wie sie erkannt wurden. Feldbildschirm

Semantische Informationen festlegen

Es gibt zwei Möglichkeiten, semantische Informationen festzulegen. Sie können entweder oder die automatische Erkennung durch Looker Studio.

Wenn Sie beispielsweise eine Zahl haben, die US-Dollar semantisch darstellt, Dieser semantische Typ wird in Looker Studio nicht automatisch erkannt. Außerdem ist es für die automatische semantische Erkennung erforderlich, dass in Looker Studio Daten ruft Aufrufe für jedes Feld Ihres Schemas ab. Wenn Sie das Schema manuell angeben werden keine Datenabrufaufrufe durchgeführt. Falls Sie wissen, semantischen Typ (z.B. Währung, Prozentsatz, Datum usw.) für Ihre Daten verwenden, empfehlen, dies im Schema für Genauigkeit und Leistung explizit festzulegen Gründe.

Semantische Typen manuell festlegen (empfohlen)

Wenn Sie die semantischen Typen kennen, können Sie semantics für jeden Typ manuell definieren Schema-Feld. Ausführliche Informationen zu den verfügbaren Unterkünften findest du auf der Feldreferenzseite. Wenn Sie manuell semantische Typen zu definieren, wird empfohlen, semanticType und semanticGroup für jedes Feld. Durch die manuelle Bereitstellung dieser wird die automatische Erkennung des semantischen Typs nicht ausgeführt. Wenn Sie aber nicht alle Felder manuell festgelegt werden, Geben Sie den Standardwert Text, Number oder Boolean an, je nach dataType. die für das Feld angegeben sind.

Im Folgenden finden Sie ein Beispiel für ein einfaches Schema, mit dem semantische Typen. Income ist als Währung und Filing Year als Datum festgelegt.

data-studio/semantics.gs
var schema = [
  {
    'name': 'Income',
    'label': 'Income (in USD)',
    'dataType': 'NUMBER',
    'semantics': {
      'conceptType': 'METRIC',
      'semanticGroup': 'CURRENCY',
      'semanticType': 'CURRENCY_USD'
    }
  }, {
    'name': 'Filing Year',
    'label': 'Year in which you filed the taxes.',
    'dataType': 'STRING',
    'semantics': {
      'conceptType': 'METRIC',
      'semanticGroup': 'DATE_OR_TIME',
      'semanticType': 'YEAR'
    }
  }
];

Fehlerbehebung bei manuell semantischen Typen

Wenn Sie die semantischen Typen für die zugrunde liegenden Daten falsch festlegen, nicht richtig funktioniert. Dies kann schwierig zu testen sein, aber Sie sollten die bei der Problemerkennung helfen können.

  1. Ausgabe von 2 oder 3 Zeilen aus Ihren Daten statt aller und dann manuell prüfen.
  2. Tabelle in Looker Studio erstellen, in der nur das gewünschte Feld verwendet wird überprüfen.
  3. Achten Sie genau auf die Felder Geo und Date, da diese die meisten im strengen Format.

Automatische Erkennung des semantischen Typs

Wenn Sie in Ihrem Schema keine semantischen Typen definiert haben, automatisch anhand des data type-Attribut und das Format der vom Connector zurückgegebenen Datenwerte.

Für die automatische Erkennung sind folgende Schritte erforderlich:

  1. Fordern Sie das Schema an, indem Sie den getSchema-Funktion Ihres Community-Connector.
  2. Durch Batches von Feldern iterieren, die im Connector-Schema und im Problem definiert sind getData fordert die Felder an. getData-Anfragen werden mit dem Parameter sampleExtraction ausgeführt. auf true gesetzt, um anzugeben, dass die Datenanfragen semantisch sind -Erkennung.
  3. Basierend auf dem Felddatentyp und dem Format des Werts, der vom getData-Anfrage den semantischen Typ des Felds an.

Optionen für die automatische Erkennung des semantischen Typs

Wenn in Looker Studio die Funktion getData eines Community-Connectors für zur Semantikerkennung verwendet, enthält die eingehende Anfrage sampleExtraction-Eigenschaft, die auf true festgelegt wird. Die von der wird der Connector nur in Looker Studio verwendet, um den semantischen Typ des auf dem Feld. Da der Wert zu keinem anderen Zweck verwendet wird, Daten aus Ihrer externen Quelle erforderlich sind.

Es gibt mehrere Möglichkeiten, die Erkennung semantischer Typen in Ihrem Code zu verbessern:

  • Empfohlen: Vordefinierte Werte übergeben
    Vordefinierten Wert für jedes Feld zurückgeben, das die Semantik am besten darstellt -Typ für das Feld aus und wird von Looker Studio bekanntermaßen korrekt erkannt. Lautet der semantische Typ für ein Feld beispielsweise Land, wird ein z. B. IT für Italien. Ein weiterer Vorteil dieses Ansatzes ist, geht viel schneller, da ihr keine HTTP-Anfragen an den Drittanbieterdienst für Daten.

  • Nur n Anzahl von Datensätzen zurückgeben
    Wenn der Drittanbieterdienst, von dem Sie Daten abrufen, Zeilenlimits unterstützt wenn Daten angefordert werden, wird eine kleine Teilmenge von Zeilen an Looker Studio zurückgegeben. des gesamten Datasets. Dadurch wird die Datenmenge begrenzt, die Sie an Looker Studio für jede Anfrage zur semantischen Erkennung

  • Alle Spalten anfordern und Antwort im Cache speichern
    Wenn es möglich ist, alle Spalten für den Drittanbieterdienst von aus dem Sie Daten abrufen, dann bei der ersten Anfrage zur semantischen Erkennung die von Looker Studio empfangen werden, alle Spalten abrufen und die Ergebnisse im Cache speichern. Für nachfolgende Anfragen für semantische Erkennung rufen Spaltenwerte aus dem Cache ab anstatt zusätzliche HTTP-Anfragen an den Drittanbieterdienst zu senden.

  • Nichts ändern
    Sie können für Anfragen, bei denen dies erforderlich ist, keine Anpassung vornehmen. sampleExtraction ist auf true eingestellt. Dies führt zur semantischen Erkennung. langsamer, da in Looker Studio alle Daten Semantische Erkennung. Außerdem wirkt sich dies auf die Anforderungsrate Datenquelle verwenden, da viele Anfragen zur semantischen Erkennung parallel ausgeführt werden.

Erkannte Formate für die automatische semantische Typerkennung

Datum und Uhrzeit
  • YYYY/MM/DD-HH:MM:SS
  • YYYY-MM-DD [HH:MM:SS[.uuuuuu]]
  • YYYY/MM/DD [HH:MM:SS[.uuuuuu]]
  • YYYYMMDD [HH:MM:SS[.uuuuuu]]
  • Sat, 24 May 2008 20:09:47 GMT
  • 2008-05-24T20:09:47Z
  • Zeit: Epoche für Sekunde, Mikro, Milli und Nano.
Geo