GSP361

概览

在实验室挑战赛中，我们会为您提供一个场景和一系列任务。您将使用从课程的各个实验中学到的技能自行确定如何完成这些任务，而不是按照分步说明进行操作。自动评分系统（显示在本页面中）会提供有关您是否已正确完成任务的反馈。

在您参加实验室挑战赛期间，我们不会再教授新的 Google Cloud 概念知识。您需要拓展所学的技能，例如通过更改默认值和查看并研究错误消息来更正您自己所犯的错误。

要想获得满分，您必须在该时间段内成功完成所有任务！

我们建议已报名参加在 Looker 中构建 LookML 对象技能徽章课程的学员参加此实验室挑战赛。准备好接受挑战了吗？

测试的主题：

• 创建维度和度量
• 创建派生表并使其永久化
• 对探索应用不同的过滤条件
• 创建并使用新的数据组

设置和要求

点击“开始实验”按钮前的注意事项

请阅读以下说明。实验是计时的，并且您无法暂停实验。计时器在您点击开始实验后即开始计时，显示 Google Cloud 资源可供您使用多长时间。

此实操实验可让您在真实的云环境中开展实验活动，免受模拟或演示环境的局限。我们会为您提供新的临时凭据，让您可以在实验规定的时间内用来登录和访问 Google Cloud。

为完成此实验，您需要：

• 能够使用标准的互联网浏览器（建议使用 Chrome 浏览器）。

注意：请使用无痕模式或无痕浏览器窗口运行此实验。这可以避免您的个人账号与学生账号之间发生冲突，这种冲突可能导致您的个人账号产生额外费用。

• 完成实验的时间 - 请注意，实验开始后无法暂停。

注意：如果您已有个人 Google Cloud 账号或项目，请不要在此实验中使用，以避免您的账号产生额外的费用。

如何开始实验并登录 Looker

1. 准备就绪时，点击开始实验。

   此时您会看到“实验详细信息”窗格，其中包含您在进行该实验时必须使用的临时凭据。

   如果该实验需要付费，系统会打开一个弹出式窗口供您选择支付方式。

   请注意，“实验详细信息”窗格中会显示实验凭据。您需要使用这些凭据来登录 Looker 实例以进行该实验。

   注意：如果您使用其他凭据，将会收到错误消息或承担相关费用。

2. 点击打开 Looker。

3. 在电子邮件地址和密码字段中输入提供的用户名和密码。

   用户名：

   {{{looker.developer_username | Username}}}

   密码：

   {{{looker.developer_password | Password}}} 重要提示：您必须使用本页面上“实验详细信息”窗格中的凭据。请勿使用您的 Google Cloud Skills Boost 凭据。如果您有自己的个人 Looker 账号，请不要在此实验中使用。

4. 点击登录。

   登录成功后，您会看到用于本实验的 Looker 实例。

挑战场景

您是一家新成立的尖端电子商务公司的 LookML 开发者实习生。该公司的基础设施完全在 Google Cloud 上运行，并使用 Looker 作为数据平台，以分析和整合来自不同数据源的数据洞见。

您的第一个任务是创建 LookML 对象，以满足公司不同团队的特定业务需求，让他们能够进行针对性的市场调研和数据分析。

您应该已经掌握了完成这些任务所需的技能和知识，所以我们不再提供分步指南。

任务 1. 创建维度和度量

您的营销团队要求创建一个新视图，帮助他们计算有多少通过搜索找到其网站的用户完成了订单。此外，他们还想查看每笔订单的销售毛利和退货天数。在本部分中，您将构建维度和度量来回答这些问题。

打开 order_items 视图

1. 点击切换按钮进入开发模式。

2. 前往 qwiklabs-ecommerce 项目，然后打开 order_items 视图文件。

您在此文件中编写新的维度和度量。

创建维度和度量

在 order_items 视图文件中，您可以在 total_revenue_from_completed_orders 度量之后（大约在第 128 行）添加新的维度和度量。

1. 创建一个维度，如果用户流量来源是搜索，则返回布尔值。将此维度命名为 is_search_source。

2. 使用新建的 is_search_source 维度创建一个度量，用于汇总来自搜索用户的订单状态为已完成的销售价格。将此度量命名为 sales_from_complete_search_users。

3. 创建一项新度量，用于计算总毛利（销售价格 - 成本）的总和。将此度量命名为 total_gross_margin。

4. 创建一个新维度，计算订单送达日期与订单退货日期之间的天数。间隔应以天为单位计算。将此维度命名为 return_days。

5. 点击验证 LookML 以验证您的代码。

6. 点击提交更改并推送，然后点击部署到生产环境。

点击检查我的进度，验证已完成以下目标： 创建维度和度量

任务 2. 创建永久性派生表

您的数据分析团队要求创建一个派生表，其中包含有关用户的特定详细信息。该表应包括他们的订单 ID、用户 ID、总收入、年龄、城市和州，以便进行市场调研，确定在哪些地方推出广告系列。由于他们需要在未来几个月内大量使用此表，因此应提前创建该表，以减少查询时间和数据库负载。

在本部分中，您将创建一个原生派生表，并根据模型中预定义的数据组（缓存政策）对其进行持久化。

创建原生派生表

1. 在 Order Items 探索中，创建一个名为 user_details 的原生派生表，其中包含每个用户的以下详细信息（按以下顺序排列）：

• 订单 ID
• 用户 ID
• 总收入
• 年龄
• 城市
• 州

注意：您应从订单项视图中检索“订单 ID”“用户 ID”和“总收入”，并从用户视图中检索“年龄”“城市”和“州”。

2. 创建派生表后，将代码添加到名为 user_details 的新视图文件中。将此文件移到 views 文件夹中。

3. 最后，将新的 user_details 视图联接到订单项探索。请确保将联接字段设置为 order_items 视图中的 user_id，并使用多对一关系。

4. 点击提交更改并推送，然后点击部署到生产环境。

使派生表持久化

1. 根据模型文件中预定义的数据组（缓存政策），使 user_details 派生表持久化。

2. 将持久化派生表设置为在 小时后过期。

3. 点击验证 LookML 以验证您的代码。

4. 点击提交更改并推送，然后点击部署到生产环境。

点击检查我的进度，验证已完成以下目标： 创建永久性派生表

任务 3. 使用探索过滤条件

在本部分中，您将根据不同的业务需求选择要使用的正确过滤条件类型。对于您使用的每个过滤条件，请将其替换为下一部分中的过滤条件，以便评分系统能准确检查您的进度。

注意：创建每个过滤条件后，请点击提交更改并推送，然后点击部署到生产环境，以便准确地对每个练习进行评分。

过滤条件 1

您的营销团队要求您创建一个探索，其中仅显示销售价格超过 美元的订单。此外，他们不希望探索中显示任何可修改的过滤条件。

• 向订单项探索添加过滤条件，以仅包含销售价格大于或等于 的商品。这将用于从探索中省略任何金额低于 美元的订单。

过滤条件 2

您的营销团队要求创建一个探索，其中默认按发货日期进行过滤，如果他们按状态或送达日期进行过滤，则可以覆盖默认过滤条件。他们希望将发货日期默认设置为 2018 年。

1. 移除之前的过滤条件。

2. 接下来，向订单项探索添加过滤条件，以便仅返回 2018 年发货的订单的数据。如果已对订单项状态或订单项送达日期应用过滤条件，则会覆盖默认设置。

3. 为此过滤条件使用 shipped_date 维度。

点击检查我的进度，验证已完成以下目标： 使用“探索”过滤条件 过滤条件 2

过滤条件 3

您的营销团队要求您创建一个探索，其中只显示平均销售价格超过 美元的订单。此外，他们不希望探索中显示任何可以修改的过滤条件。

1. 移除之前的过滤条件。

2. 接下来，向订单项探索添加一个过滤条件，以过滤掉平均销售价格超过 的所有商品。也就是说，使用过滤条件仅显示平均销售价格为 美元或更高的订单。

过滤条件 4

最后，您的营销团队要求您构建一个探索，其中包含一组带有默认值的特定过滤条件，这些过滤条件可以更改，但不能移除。思路是按特定维度进行过滤，而不是一次请求所有可能的数据，这样应该可以节省计算费用。

具体来说，他们希望设置的过滤条件包括订单状态、州和流量来源。默认值应分别设置为 Shipped、California 和 Search。

1. 移除之前的过滤条件。

2. 接下来，使用过滤条件为订单项探索的“订单状态”“州”和“流量来源”定义默认值。确保过滤条件是业务用户必需的，但他们仍然可以为这些维度提供不同的值。

点击检查我的进度，验证已完成以下目标： 使用“探索”过滤条件 过滤条件 4

任务 4. 将数据组应用于探索

最后，您需要更新 LookML 模型的缓存政策。您的团队希望您将缓存结果的保留时间更新为 小时。

1. 移除您在上一部分创建的所有过滤条件。

2. 在模型文件中，创建一个名为 order_items_challenge_datagroup 的新数据组，其最长缓存时间为 小时，并使用以下 SQL 触发器：SELECT MAX(order_item_id) from order_items ;;。

3. 在模型级别应用数据组，将其作为所有探索的默认设置。

4. 点击验证 LookML 以验证您的代码。

5. 点击提交更改并推送，然后点击部署到生产环境。

点击检查我的进度，验证已完成以下目标： 将数据组应用于探索

恭喜！

在本实验中，您通过创建不同的 LookML 对象来满足一系列业务需求，从而测试了自己的 LookML 技能。您首先创建了维度、度量和原生永久性派生表。然后，您使用了正确的过滤条件来过滤探索，并更新了 LookML 模型的缓存政策。

赢得您的下一个技能徽章

本自学实验是在 Looker 中构建 LookML 对象技能徽章课程的组成部分。完成此技能徽章课程可赢得上面的徽章，以表彰您取得的成就。您可以在简历和社交平台中分享自己的徽章，并使用 #GoogleCloudBadge 让大家知道您取得的这一成就。

此技能徽章课程是 Google Cloud 的数据分析师学习路线的组成部分。如果您已完成此学习路线中的其他技能徽章课程，可以在课程目录中搜索并报名参加其他技能徽章课程。

Google Cloud 培训和认证

…可帮助您充分利用 Google Cloud 技术。我们的课程会讲解各项技能与最佳实践，可帮助您迅速上手使用并继续学习更深入的知识。我们提供从基础到高级的全方位培训，并有点播、直播和虚拟三种方式选择，让您可以按照自己的日程安排学习时间。各项认证可以帮助您核实并证明您在 Google Cloud 技术方面的技能与专业知识。

上次更新手册的时间：2026 年 3 月 10 日

上次测试实验的时间：2026 年 3 月 10 日

版权所有 2026 Google LLC 保留所有权利。Google 和 Google 徽标是 Google LLC 的商标。其他所有公司名和产品名可能是其各自相关公司的商标。