Looker Modeler

Información básica

Looker Modeler es un componente especializado dentro del ecosistema de Looker (el núcleo de Google Cloud), diseñado para proporcionar una capa de métricas independiente. Como parte de una plataforma en la nube que se actualiza continuamente, se lanzan nuevas versiones menores aproximadamente cada dos o tres semanas, con un total de alrededor de 11 lanzamientos al año. Looker Modeler se anunció inicialmente en versión preliminar en marzo de 2023. La plataforma Looker, en su conjunto, se fundó en 2012 y fue adquirida por Google en 2019, integrándose así en Google Cloud Platform.

Los requisitos mínimos para el acceso del cliente incluyen un navegador web moderno con conexión a internet. Los sistemas operativos compatibles para el acceso del cliente son independientes del sistema operativo, abarcando cualquier sistema capaz de ejecutar un navegador web moderno. Para instancias de Looker autohospedadas, los sistemas operativos compatibles incluyen las principales distribuciones empresariales de Linux, como Ubuntu Linux (versiones LTS), Red Hat, CentOS y Amazon Linux, todas ellas con arquitectura x64. Windows 10 también es compatible con configuraciones específicas previas a la instalación.

Como software como servicio (SaaS) basado en la nube, los usuarios de Looker Modeler siempre acceden a la última versión estable. El soporte para las versiones más recientes es continuo, y las fechas de fin de vida útil suelen aplicarse a funciones obsoletas o a instancias antiguas alojadas por el cliente que ya no reciben soporte. La caducidad de las actualizaciones automáticas no es un problema para este servicio en la nube en constante desarrollo, ya que las actualizaciones son continuas. El modelo de licencias es por suscripción, con precios estructurados en torno a licencias de plataforma y de usuario, categorizadas como Visor, Estándar y Desarrollador, cada una con diferentes funcionalidades. El modelo de implementación principal es SaaS en la nube alojado en Google Cloud, aunque también se admiten implementaciones alojadas por el cliente para la plataforma Looker.

Requisitos técnicos

• RAM: Mínimo 8 GB de RAM libre; se recomiendan 24 GB para un rendimiento óptimo en instancias de Looker autohospedadas.
• Procesador: CPU de mínimo 1,2 GHz (se recomiendan dos o más núcleos); se requieren conjuntos de instrucciones x64 para instancias de Looker autohospedadas.
• Almacenamiento: Mínimo 10 GB de espacio libre en disco; 2 GB de espacio para archivos de intercambio en instancias de Looker autohospedadas.
• Visualización: No se especifica directamente para el servidor, pero el acceso del lado del cliente se beneficia de las resoluciones de pantalla estándar.
• Puertos: Tráfico entrante a la instancia de Looker a través del puerto TCP 9999; puerto TCP 19999 para acceso a la API.
• Sistema operativo: Distribuciones de Linux con conjuntos de instrucciones x64 (Ubuntu Linux LTS, RedHat, CentOS, Amazon Linux). También se admite Windows con configuraciones específicas previas a la instalación.
• Software adicional: Java OpenJDK 11.0.12 o superior, o HotSpot 1.8 actualización 161 o superior (se recomienda JDK). Git 2.39.1 o posterior para Looker 23.6 o superior. Deben estar presentes las bibliotecas libssl y libcrypt.so. Protocolo de tiempo de red (NTP) o equivalente para la sincronización horaria.

Análisis de los requisitos técnicos

Looker Modeler, como componente de la plataforma Looker, se basa en una sólida infraestructura de nivel empresarial. Para los usuarios en la nube, los requisitos técnicos son mínimos: principalmente un navegador web moderno y acceso a internet. Para implementaciones autohospedadas, los requisitos son moderados, priorizando suficiente RAM y núcleos de CPU para un procesamiento de datos eficiente y la generación dinámica de SQL. Su uso de Linux y Java garantiza un entorno estable y escalable, idóneo para operaciones de datos complejas.

Soporte y compatibilidad

• Última versión: Los usuarios alojados en la nube reciben automáticamente la última versión; las instancias alojadas por el cliente gestionan sus propias actualizaciones.
• Compatibilidad con sistemas operativos: El acceso del cliente es independiente del sistema operativo y admite navegadores web modernos como Chrome, Firefox, Edge y Safari. Las instancias autohospedadas son compatibles con las principales distribuciones empresariales de Linux y Windows 10.
• Fecha de fin de soporte: Se proporciona soporte continuo para el servicio en la nube actual. Para las instancias alojadas por el cliente, es fundamental mantener la última versión compatible.
• Localización: Looker generalmente admite varios idiomas para su interfaz de usuario.
• Controladores disponibles: Looker Modeler ofrece una nueva interfaz SQL que permite conexiones mediante JDBC para herramientas compatibles con SQL. Looker también es compatible con la API REST y JDBC.
• Integraciones: Se integra con herramientas de BI populares como Connected Sheets, Looker Studio, Looker Studio Pro, Microsoft Power BI, Tableau y ThoughtSpot.

Análisis del estado general de soporte y compatibilidad

Looker Modeler ofrece una gran compatibilidad, integrándose con numerosas fuentes de datos y herramientas de BI mediante su interfaz SQL y controlador JDBC. Su arquitectura nativa de la nube garantiza una amplia accesibilidad desde cualquier dispositivo cliente. El soporte es continuo y está integrado en el ecosistema de Google Cloud, con actualizaciones periódicas y un enfoque en mantener la compatibilidad con las pilas de datos modernas.

Estado de seguridad

• Funcionalidades de seguridad: Looker Modeler se beneficia de las completas funcionalidades de seguridad de Looker, que incluyen control de acceso basado en roles, aplicación centralizada de políticas y registros de auditoría detallados. Los datos se cifran tanto en reposo como en tránsito. Las limitaciones de LookML pueden restringir la exposición de datos y se dispone de seguridad a nivel de fila con filtros de acceso.
• Vulnerabilidades conocidas: No se encontraron vulnerabilidades conocidas específicas para Looker Modeler en la información proporcionada.
• Estado en la lista negra: No se encontró información sobre el estado en la lista negra.
• Certificaciones: Looker cumple con la normativa HIPAA y se somete a auditorías anuales de la Regla de Seguridad HIPAA realizadas por un tercero.
• Compatibilidad con cifrado: Los datos se cifran tanto en reposo como en tránsito. Las transmisiones SSL también pueden cifrarse.
• Métodos de autenticación: Admite el nombre de usuario y la contraseña nativos de Looker, la autenticación de dos factores (2FA), LDAP, Google OAuth y SAML.
• Recomendaciones generales: Las mejores prácticas incluyen limitar el acceso de Looker a la base de datos al mínimo necesario, establecer permisos de cuenta de base de datos estrictos, restringir el acceso de los usuarios a las funciones y datos esenciales, utilizar conjuntos de modelos para la seguridad de los conjuntos de datos, asignar roles según la pertenencia a grupos y evitar la divulgación pública de las credenciales de la API. Además, se recomienda excluir la información de identificación personal (IIP) de las consultas.

Análisis de la calificación general de seguridad

Looker Modeler, como parte integral de la plataforma Looker, se beneficia de un sólido marco de seguridad. Este incluye métodos de autenticación robustos, controles de acceso granulares y cifrado completo para los datos en reposo y en tránsito. El compromiso de la plataforma con el cumplimiento normativo, como HIPAA, refuerza aún más su postura de seguridad. El énfasis en la responsabilidad compartida de la seguridad en las instancias alojadas por el cliente subraya la importancia de una configuración adecuada y el cumplimiento de las prácticas de seguridad recomendadas.

Rendimiento y puntos de referencia

• Puntuaciones de referencia: No se encontraron puntuaciones de referencia específicas para Looker Modeler en la información proporcionada.
• Métricas de rendimiento en el mundo real: Looker Modeler consulta de forma eficiente los datos más recientes directamente desde las bases de datos en la nube, eliminando la necesidad de extraer datos y minimizando el riesgo de obtener información obsoleta. La arquitectura de Looker integrada en la base de datos permite la conexión directa a los datos sin procesar, lo que facilita un análisis rápido sin una capa ETL intermedia y, por lo tanto, garantiza un alto rendimiento con conjuntos de datos de diversos tamaños.
• Consumo de energía: Al tratarse de un componente de software, no se aplican métricas directas de consumo de energía. El consumo de energía se atribuiría a la infraestructura subyacente de Google Cloud o a los servidores alojados por el cliente.
• Huella de carbono: No se aplica directamente al software en sí. La huella de carbono estaría asociada a la infraestructura de alojamiento, y Google Cloud proporciona información sobre su impacto ambiental general para las implementaciones en la nube.
• Comparación con recursos similares: Looker Modeler (LookML) se compara frecuentemente con dbt Semantic Layer. Looker Modeler destaca por su experiencia de desarrollo consolidada, expresividad, rendimiento e integraciones, especialmente cuando los datos residen en BigQuery. Se considera que tiene una curva de aprendizaje menos pronunciada que dbt Semantic Layer. Looker Modeler aspira a ser una capa semántica universal, integrándose con una amplia gama de herramientas de BI.

Análisis del estado general del desempeño

Looker Modeler ofrece un sólido rendimiento en entornos reales al permitir la consulta directa de datos actualizados en bases de datos en la nube y aprovechar la eficiente arquitectura de Looker integrada en la base de datos. Su enfoque de capa semántica promueve la coherencia y la eficiencia en la definición y el uso de métricas en toda la organización. Si bien no se dispone de puntuaciones de referencia específicas, las comparaciones con soluciones de la competencia sugieren un perfil de rendimiento sólido y capaz, especialmente dentro del ecosistema de Google Cloud.

Reseñas y comentarios de los usuarios

Los comentarios de los usuarios destacan las importantes ventajas de Looker Modeler para establecer una capa semántica unificada y controlada, fundamental para obtener métricas consistentes y tomar decisiones basadas en datos en toda la organización. Los usuarios valoran su capacidad para definir métricas una sola vez y utilizarlas en cualquier entorno, integrándose a la perfección con las herramientas de BI más populares. Esta funcionalidad contribuye a mejorar la gobernanza y la calidad de los datos, centralizar su gestión y facilitar su validación. LookML es reconocido como un potente lenguaje de modelado semántico que proporciona consistencia, reutilización y una sólida gobernanza.

Una debilidad notable identificada por algunos usuarios se refiere a su disponibilidad o madurez percibida desde su anuncio en marzo de 2023, y algunos expresaron que no se había lanzado completamente a mayo de 2024. Además, para fuentes de datos que no están en BigQuery, la capa semántica dbt podría considerarse una alternativa más sólida.

Entre los casos de uso recomendados para Looker Modeler se incluye la creación de un centro de datos centralizado para el contexto, las definiciones y las relaciones, que sirva de soporte para los flujos de trabajo de Inteligencia de Negocios (BI) e Inteligencia Artificial (IA). También se recomienda ampliamente para crear métricas consistentes y accesibles en diversos casos de uso, mejorar la gobernanza y la calidad de los datos, habilitar flujos de trabajo basados en datos y desarrollar aplicaciones personalizadas.

Resumen

Looker Modeler representa un avance significativo en el modelado semántico, ya que se basa en la plataforma Looker para proporcionar una capa de métricas universal y dedicada. Su principal ventaja radica en permitir a las organizaciones definir métricas de negocio una sola vez mediante LookML y utilizarlas de forma consistente en diversas herramientas y aplicaciones de BI, fomentando así una única fuente de información veraz. Esta capacidad mejora notablemente la gobernanza, la calidad y la seguridad de los datos, a la vez que optimiza los procesos de gestión y validación de datos.

Este recurso cuenta con una sólida base técnica, requisitos moderados para instancias autohospedadas y mínimas exigencias del lado del cliente, lo que garantiza una amplia accesibilidad. Su gran compatibilidad con una amplia gama de sistemas operativos y su perfecta integración con herramientas de BI populares mediante conexiones JDBC y API son ventajas clave. La seguridad es una característica primordial, que incorpora autenticación avanzada, controles de acceso granulares y cifrado integral, respaldado por medidas de cumplimiento como HIPAA.

Su arquitectura integrada en la base de datos optimiza el rendimiento, permitiendo la consulta directa de datos actualizados y eliminando la necesidad de procesos ETL complejos, lo que se traduce en información valiosa y eficiente en tiempo real. Si bien no se han publicado ampliamente pruebas de rendimiento específicas, su diseño arquitectónico y las comparaciones con la competencia sugieren una solución de alto rendimiento, especialmente dentro del ecosistema de Google Cloud.

En general, los comentarios de los usuarios elogian su capacidad para unificar métricas y mejorar la coherencia de los datos, si bien se han planteado algunas dudas sobre el plazo de implementación previsto desde su anuncio inicial. Looker Modeler es altamente recomendable para organizaciones que buscan establecer una capa semántica centralizada y controlada para impulsar las iniciativas de BI e IA, fomentar la toma de decisiones basada en datos y garantizar datos coherentes y fiables en todos los departamentos.

La información proporcionada se basa en datos de dominio público y puede variar según la configuración específica del dispositivo. Para obtener información actualizada, consulte los recursos oficiales del fabricante.