Codelab ב-Looker Dashboard לסיכום לוח הבקרה

1. לפני שמתחילים

בשיעור ה-Codelab הזה (1) תגדירו באופן מקומי את תוסף Looker Dashboard Summarization כדי שתוכלו להתנסות ולפתח באופן מקומי. לאחר מכן (2) תפרסו את התוסף בסביבת הייצור כדי שמשתמשי Looker אחרים במכונה של Looker יוכלו להשתמש בו. לבסוף, (3) ניתן לבצע שלבים נוספים כדי לשפר ולשפר את הפונקציונליות של התוסף. יש להשלים את כל הקטעים שאינם אופציונליים לפי הסדר.

סקירה כללית של התוסף Looker Dashboard Summarization

מבחינה פונקציונלית, התוסף לסיכום לוח הבקרה של Looker שולח את הנתונים של מרכז הבקרה מ-Looker למודל Gemini של Vertex AI. לאחר מכן, מודל Gemini מחזיר סיכום של נתוני מרכז הבקרה ומרשם לשלבים הבאים. התוסף מציג את הסיכום ואת השלבים הבאים כלחצן במרכז השליטה, שמשולב בחוויית מרכז השליטה. בנוסף, התוסף יכול לייצא את הסיכום ואת השלבים הבאים ל-Slack או ל-Google Chat. התוסף מתבסס על אפליקציית React Frontend יחד עם שירות לקצה העורפי של Websocket, כדי לשלוח ולקבל נתונים ממודל Gemini של Vertex AI וממנו.

דרישות מוקדמות

  • היכרות בסיסית עם פיתוח Node , Docker ו-Terraform
  • היכרות עם ההגדרה של פרויקט Looker LookML

מה תלמדו

  • איך להגדיר ולפתח את התוסף באופן מקומי
  • איך לפרוס את התוסף בסביבת הייצור כדי שמשתמשי Looker אחרים במכונה של Looker יוכלו להשתמש בו
  • איך אפשר לשפר את ביצועי התוסף ולהרחיב את הפונקציונליות שלו.
  • איך מנהלים את התוסף שנפרס בסביבת הייצור

מה צריך להכין

  • מכונה של Looker באמצעות רישיון מקורי של Looker, תקופת ניסיון פעילה ב-Looker Core או רישיון Looker Core פעיל.
  • ההרשאות develop ו-deploy במכונה של Looker.
  • הרשאות לעריכת מרכז בקרה שרוצים לנסות עם התוסף.
  • מפתח API של Looker ממכונה ב-Looker.
  • פרויקט ב-Google Cloud שמופעל בו חיוב.
  • ממשקי ה-API של Cloud Run, Vertex AI API ו-Artifact Registry API מופעלים בפרויקט.
  • גישה לסביבה מקומית שבה מותקן ה-CLI של gcloud. שלבי ה-Codelab מבוססים על סביבה בסגנון Linux.

2. הגדרת הקצה העורפי לפיתוח מקומי

בקטע הזה תגדירו את השירות לקצה העורפי Websocket שתוכלו לנסות ולפתח באופן מקומי. לשירות תהיה גישה ל-Vertex AI.

  1. התקנת צומת בגרסה 18 ומעלה שמותקנת בסביבה המקומית. יש לבצע את ההוראות האלה כדי להתקין את הצומת.
  2. משכפלים את המאגר של התוסף לספריית הבית המקומית, ועוברים לספריית השורש של המאגר. לצורך ה-Codelab הזה, כל דוגמאות הקוד יתבססו על המאגר המשוכפל נמצא בספריית הבית המקומית שלך.
cd ~
git clone git@github.com:looker-open-source/dashboard-summarization.git
  1. עוברים לספריית הבסיס של המאגר המשוכפל ומשנים את השם של הקובץ .env.example ל-.env כדי שתוכלו להגדיר משתני סביבה בקטעים מאוחרים יותר של ה-Codelab הזה.
cd ~/dashboard-summarization
mv .env.example .env
  1. עוברים לספריית src של המאגר העורפי של המאגר המשוכפל. הספרייה הזו מכילה את קוד המקור של השרת.
cd ~/dashboard-summarization/websocket-service/src
  1. מתקינים את יחסי התלות של השירות באמצעות NPM.
npm install
  1. משנים את שם הקובץ looker-example.ini ל-looker.ini.
mv looker-example.ini looker.ini
  1. בתוך עדכון הקובץ looker.ini:
  2. client_id ו-client_secret עם הערכים ממפתח ה-API של Looker.
  3. השדה base_url עם כתובת ה-URL של המכונה של Looker בפורמט: https://<YOUR_LOOKER_URL_MINUS_PROTOCOL>:19999
  4. הטקסט שבין הסוגריים המרובעים (כותרת הקטע) עם המארח של כתובת ה-URL של המכונה של Looker.

לדוגמה, אם מזהה הלקוח הוא ABC123, סוד הלקוח הוא XYZ789 וכתובת ה-URL של המכונה של Looker היא https://mycompany.cloud.looker.com, הקובץ looker.ini ייראה בדיוק כך:

[mycompany]
base_url=https://mycompany.cloud.looker.com:19999
client_id=ABC123
client_secret=XYZ789
verify_ssl=true
  1. בוחרים את מזהה הפרויקט ב-Google Cloud ומגדירים אותו במשתנה הסביבה PROJECT. מחליפים את YOUR_PROJECT_ID במזהה הפרויקט.
export PROJECT="YOUR_PROJECT_ID"
  1. Vertex AI מספק את מודל Gemini בכמה אזורים שמפורטים כאן. קובעים איזה אזור הקצה העורפי המקומי שלכם ישלח ויקבל נתונים ממודל Gemini של Vertex AI. מגדירים את האזור במשתנה הסביבה REGION. מחליפים את YOUR_VERTEX_REGION באזור שלכם, למשל us-central1.
export REGION="YOUR_VERTEX_REGION"
  1. עכשיו אפשר להפעיל את השירות המקומי.
npm start
  1. שירות הקצה העורפי המקומי Websocket יפעל ב-http://localhost:5000.

סיימת להגדיר את שירות Websocket לקצה העורפי בסביבה המקומית שלך!

השירות משמש כממשק בין תוסף הקצה הקדמי לבין מודל Gemini של Vertex AI. השירות תיקח נתוני מרכז בקרה ו-LookML מתוסף הקצה הקדמי יחד עם שאילתות מ-Looker ויבקשו מ-Vertex AI את מודל Gemini של Vertex AI. לאחר מכן, השירות יעביר את התשובה של Gemini לתוסף הקצה הקדמי שיוצג במרכז הבקרה.

אפשר גם לבצע שינויים בקוד המקור של השירות לקצה העורפי. קודם צריך להפסיק את תהליך השירות, לבצע שינויים בקוד ואז להריץ שוב את npm start.

3. הגדרת ממשק קצה לפיתוח מקומי

בקטע הזה תגדירו את תוסף הקצה הקדמי כדי שתוכלו לנסות ולפתח אותו באופן מקומי.

  1. באותה סביבה מקומית מהשלבים הקודמים, עוברים לספריית השורש של המאגר המשוכפל ומתקינים את יחסי התלות של שרת הקצה הקדמי.
cd ~/dashboard-summarization
npm install
  1. הפעלת שרת פיתוח הקצה המקומי
npm run develop
  1. השרת הקדמי המקומי שלך מציג עכשיו את ה-JavaScript של התוסף בכתובת http://localhost:8080/bundle.js.
  2. פותחים דפדפן אינטרנט ומתחברים למכונה של Looker.
  3. מבצעים את ההוראות האלה כדי להגדיר פרויקט LookML ריק. מעניקים שם לסיכום לוח הבקרה של הפרויקט. עכשיו פרויקט LookML הריק אמור להיפתח באופן אוטומטי בסביבת הפיתוח המשולבת של Looker בכרטיסייה הנוכחית בדפדפן.
  4. יוצרים קובץ מניפסט של פרויקט ברמה הבסיסית (root) של פרויקט LookML. הקובץ ייקרא example.lKML. אם אתם לא יודעים איך לעשות את זה, תוכלו להיעזר בהוראות האלה להוספת קובץ לפרויקט LookML.
  5. צריך להחליף את התוכן של קובץ Manas.lKML החדש בתוכן של Mana.list.lKML בתיקיית השורש של המאגר הסגור. לוחצים על "שמירת השינויים". בפינה הימנית העליונה כדי לשמור את השינויים בקובץ.
  6. בכרטיסייה נפרדת בדפדפן, עוברים לרשימת החיבורים למסדי נתונים במכונה של Looker. יש לפעול לפי ההוראות האלה אם לא יודעים איך לעשות זאת.
  7. צריך לבחור את השם של חיבור אחד למסד הנתונים של Looker. לא משנה באיזה חיבור תבחרו. אם אין לכם הרשאה לראות את החיבורים למסד הנתונים, עליכם לפנות לאדמין ב-Looker ולבקש את השם של חיבור אחד למסד הנתונים ב-Looker.
  8. חוזרים לכרטיסייה בדפדפן שבה פרויקט LookML פתוח בסביבת פיתוח משולבת (IDE) של Looker. יוצרים קובץ מודל בפרויקט LookML ונותנים שם לסיכום לוח הבקרה של הקובץ.
  9. צריך להחליף את התוכן של הקובץ Dashboard-summarization.model.lKML בדוגמת הקוד הבאה. מקפידים להחליף את המחרוזת שבתוך המירכאות הכפולות בשם החיבור של מסד הנתונים שבחרתם בשלב 9. שומרים את השינויים שבוצעו בקובץ.
connection: "<YOUR_CONNECTION_NAME>"
  1. מגדירים מאגר שבו שומרים את הפרויקט. בוחרים באפשרות 'הגדרת Git'. בפינה הימנית העליונה. בוחרים באפשרות Set up a bare repository במקום. בוחרים באפשרות 'יצירת מאגר'.
  2. עכשיו יש לכם מאגר בסיסי לאחסון קובצי פרויקט של LookML. חזרה לפרויקט בסביבת הפיתוח המשולבת של Looker באמצעות בחירה באפשרות 'חזרה לפרויקט' או לנווט ידנית חזרה.
  3. בוחרים באפשרות 'אימות LookML' בפינה הימנית העליונה. הלחצן ישתנה ל-'Commit changes and push'.
  4. בוחרים באפשרות 'Commit changes and push' לחצן. מוסיפים כל הודעה שרוצים ולוחצים על 'Commit' (שמירה).
  5. בוחרים באפשרות 'Deploy to Production' (פריסה לסביבת ייצור) בפינה הימנית העליונה של סביבת הפיתוח המשולבת (IDE) של Looker. עכשיו התוסף מופיע במכונה ב-Looker!
  6. עוברים למרכז הבקרה של Looker שאליו רוצים להוסיף את התוסף.
  7. פועלים לפי ההוראות כדי להוסיף משבצת של תוסף למרכז הבקרה. מוסיפים את התוסף החדש למרכז הבקרה כמשבצת.
  8. מוודאים ששירות Websocket המקומי שהגדרתם קודם פועל.

מעולה! עכשיו אפשר לנסות את התוסף של Looker Dashboard Summarization במרכז הבקרה. התוסף ישלח את המטא-נתונים של מרכז הבקרה לשירות הקצה העורפי המקומי של Websocket, ויציג את הפלט של Gemini מהשירות לקצה העורפי ממש בתוך משבצת התוסף במרכז הבקרה.

בזמן שהשרת הקדמי המקומי פועל, אפשר לבצע שינויים בקוד המקור ב-JavaScript של התוסף, והשרת יבנה ויציג את השינויים באופן אוטומטי. כדי לראות את השינויים, צריך לטעון מחדש את התוסף או את דף מרכז הבקרה.

4. פריסת הקצה העורפי בסביבת הייצור

בקטע הזה, תגדירו עכשיו את השירות לקצה העורפי Websocket כך שיציג מופעים של תוסף הסיכום של מרכז הבקרה בכל מרכז בקרה במכונה של Looker. כך משתמשי Looker אחרים יוכלו לנסות את התוסף במרכזי הבקרה שלהם בלי להגדיר שירות לקצה העורפי משלהם. במסגרת השלבים האלה, ההנחה היא שכבר פרסתם בהצלחה את הקצה העורפי לפיתוח מקומי באותה סביבה מקומית בעבר.

  1. צריך לפעול לפי ההוראות האלה כדי להגדיר Application Default Credentials בסביבה המקומית יחד עם מזהה הפרויקט, ולפעול לפי השלבים הבאים.
  2. יצירת מאגר של Artifact Registry לאחסון קובצי אימג' של Docker בשירות הקצה העורפי. מחליפים את YOUR_REGION באזור שבו רוצים שהמאגר יהיה.
gcloud artifacts repositories create dashboard-summarization-repo \
    --repository-format=docker \
    --location=YOUR_REGION \
  1. עוברים לספריית src של המאגר העורפי של המאגר המשוכפל.
cd ~/dashboard-summarization/websocket-service/src
  1. צריך לערוך את הקובץ cloudbuild.yaml ולהחליף את כל המופעים של YOUR_REGION ושל YOUR_PROJECT_ID באזור ובמזהה הפרויקט. שומרים את השינויים שבוצעו בקובץ.
  2. שולחים גרסת build באמצעות Cloud Build שתבנה את קובץ האימג' של Docker לשירות הקצה העורפי ותעביר אותה כלפי מעלה למאגר של Artifact Registry שיצרתם. מחליפים את YOUR_REGION באזור שבו רוצים להשתמש בשירות Cloud Build.
gcloud builds submit --region=YOUR_REGION --config cloudbuild.yaml
  1. חשוב לזכור, כתובת ה-URL החדשה של תמונת Docker היא ב-YOUR_REGION-docker.pkg.dev/YOUR_PROJECT_ID/dashboard-summarization-repo/websocketserviceimage:latest. מחליפים את YOUR_PROJECT_ID במזהה הפרויקט. מחליפים את YOUR_REGION באזור משלב 2 שבו השתמשתם כדי ליצור את המאגר של Artifact Registry.
  2. עוברים לספרייה websocket-service/terraform במאגר המשוכפל.
cd ~/dashboard-summarization/websocket-service/terraform
  1. קובעים באיזה מיקום של Google Cloud Run רוצים להריץ את השירות לקצה העורפי Websocket. אפשר לבחור מבין המיקומים האלה.
  2. עורכים את הקובץ variable.tf ומחליפים את YOUR_PROJECT_ID ואת YOUR_DOCKER_IMAGE_URL בערכים המתאימים. בודקים בשלב 6 את כתובת ה-URL של תמונת ה-Docker. מחליפים את YOUR_REGION באזור שבחרתם בשלב 8 הקודם. שומרים את השינויים בקובץ.
  3. פריסת המשאבים שבהם ישתמש השירות לקצה העורפי באמצעות terraform.
terraform init
terraform plan
terraform apply
  1. שומרים את נקודת הקצה (endpoint) Deployed של כתובת ה-URL של Cloud Run בקטע הבא.

מזל טוב! פרסת את השירות לקצה העורפי Websocket והוא פועל עכשיו ב-Google Cloud Run. מעכשיו כל המופעים של תוסף Looker Dashboard Summarization יכולים לתקשר עם השירות לקצה העורפי. מומלץ תמיד להפעיל ב-Cloud Run מופע אחד לפחות של שירות לקצה העורפי Websocket. השימוש בשירות לקצה העורפי שומר על תקינות הסטרימינג של הנתונים בין שירות הקצה העורפי של Websocket לבין הקצה הקדמי של התוסף. בנוסף, השירות עוזר לשמור על הסשן של כל משתמש בזמן שהוא משתמש בתוסף.

5. פריסת הקצה הקדמי בסביבת הייצור

בחלק האחרון מבצעים את השלבים האחרונים של פריסת הקצה הקדמי של התוסף כך שיהיה זמין לכל משתמשי Looker במכונה של Looker.

  1. עוברים לספריית הבסיס של המאגר המשוכפל.
cd ~/dashboard-summarization
  1. עורכים אתקובץ env. מחליפים את YOUR_CLOUD_RUN_URL בנקודת הקצה של כתובת ה-URL של Cloud Run מהקטע הקודם. שומרים את השינויים בקובץ. הפעולה הזו תפנה את הקצה הקדמי של תוסף הייצור לשירות לקצה העורפי של Websocket שפועל ב-Cloud Run.
  2. יוצרים את קובץ ה-JavaScript של התוסף. המערכת תיצור באופן אוטומטי ספריית dist ותכיל את הקובץ bundle.js וקבצים אחרים.
npm run build
  1. פותחים דפדפן אינטרנט ומתחברים למכונה של Looker. פותחים את תפריט הניווט השמאלי ומפעילים את 'מצב פיתוח'. להחליף מצב למטה.
  2. כשתפריט הניווט הימני פתוח, בוחרים באפשרות Develop (פיתוח), גוללים למטה ובוחרים באפשרות Dashboard-summarization (לוח הבקרה-סיכום) – פרויקט LookML של התוסף. עכשיו אתם אמורים להיות בסביבת הפיתוח המשולבת של Looker בפרויקט LookML.
  3. גוררים את כל הקבצים מספריית Dist שנוצרה קודם ומשחררים אותם בספריית השורש של הפרויקט ב-File Browser (דפדפן הקבצים). לקבלת עזרה נוספת, אפשר לפעול לפי ההוראות האלה.
  4. פותחים את הקובץ manifest.lkml בסביבת הפיתוח המשולבת של Looker. בתוך הקובץ, מחליפים את השורה
url: "http://localhost:8080/bundle.js"

עם

file: "bundle.js"

מחליפים את YOUR_CLOUD_RUN_URL בנקודת הקצה של כתובת ה-URL של Cloud Run בסוף הקטע האחרון. שומרים את השינויים שבוצעו בקובץ.

  1. בוחרים באפשרות 'אימות LookML' בפינה הימנית העליונה. הלחצן ישתנה ל-'Commit changes and push'.
  2. בוחרים באפשרות 'Commit changes and push' לחצן. מוסיפים כל הודעה שרוצים ולוחצים על 'Commit' (שמירה).
  3. בוחרים באפשרות 'Deploy to Production' (פריסה לסביבת ייצור) בפינה הימנית העליונה של סביבת הפיתוח המשולבת (IDE) של Looker.

מזל טוב! עכשיו הפעלתם את כל משתמשי Looker במכונה של Looker להוסיף את התוסף של Looker Dashboard Summarization למרכזי הבקרה שלהם. כשמשתמשים אחרים של Looker ישתמשו בתוסף, כל המופעים של התוסף יבצעו קריאות לשירות הקצה העורפי של Websocket שנפרס ב-Google Cloud Run.

חשוב לזכור שאם מבצעים שינויים בקוד המקור, צריך:

  1. יצירה מחדש של קובץ ה-JavaScript של התוסף
  2. מחליפים את הקבצים שנוצרו שהוספתם לפרויקט LookML בקבצים החדשים שנוצרו מהספרייה dist.
  3. אימות, שמירה ופריסה של השינויים בפרויקט LookML בסביבת הייצור

כדאי לנסות את התוסף Looker Dashboard Summarization אנחנו ממליצים לכם לתרום תוכן לתוסף כדי לשרת טוב יותר את הצרכים של קהילת Looker. אתם יכולים ליצור בקשת משיכה במאגר.

בקטעים האופציונליים הבאים מוסבר איך להפעיל את הייצוא מ-Slack או מ-Google Chat, לשפר את הסיכומים ואת השלבים הבאים של Gemini ולהגדיר רישום ביומן של Gemini.

6. [אופציונלי] הגדרת יכולות ייצוא

עכשיו, אחרי שאתם והמשתמשים שלכם ב-Looker תנסו את התוסף Looker Dashboard Summarization, תוכלו לשתף את התובנות של התוסף עם קהל גדול יותר. פועלים לפי ההוראות בקטע הזה כדי לאפשר לתוסף לשלוח סיכומים ואת השלבים הבאים ל-Google Chat או ל-Slack. כדי להמשיך בחלק הזה של ה-Codelab, עליך להכיר את ההגדרה של OAuth.

הפעלת ייצוא מ-Google Chat

  1. מפעילים את Chat API בפרויקט ב-Google Cloud.
  2. מבצעים את שלב 1 בהוראות להגדרת OAuth ב-Google Workspace. להיקפים צריך לכלול את spaces.messages.create.
  3. מבצעים את שלב 2 של ההוראות להגדרת OAuth ב-Google Workspace. צריך להוסיף את כתובת ה-URL של המופע של ה-looker בתור URI בקטע Authorized JavaScript Sources (מקורות JavaScript מורשים), לדוגמה https://mycompany.cloud.looker.com. שימו לב למזהה הלקוח שנוצר.
  4. קובעים מה המזהה של המרחב ב-Google Chat שאליו רוצים לייצא את הסיכומים. אם אתם לא בטוחים איך, פעלו לפי ההוראות האלה.
  5. עורכים אתקובץ env. מחליפים את YOUR_GOOGLE_CLIENT_ID במזהה הלקוח. מחליפים את YOUR_GOOGLE_SPACE_ID במזהה המרחב ב-Google Chat. שומרים את השינויים בקובץ. הפעולה הזו תגדיר את ממשק הקצה של התוסף כך שיוכל לשלוח את התובנות שלו למרחב המשותף ב-Google Chat.
  6. אם מפעילים את החזית של התוסף באופן מקומי, צריך לבנות מחדש את התוסף. אם אתם פורסים את החזית של התוסף, עליכם לפרוס מחדש את החזית של התוסף.

הפעלת הייצוא של Slack

  1. פועלים לפי שלבים 1 ו-2 במסמכים הרשמיים למפתחים ב-Slack כדי להגדיר אפליקציית OAuth. להיקפים צריך לכלול את השדות chat:write ו-channels:read. שימו לב למזהה הלקוח ולסוד הלקוח שנוצרו.
  2. קובעים את המזהה של ערוץ Slack שאליו רוצים לייצא את הסיכומים.
  3. עורכים אתקובץ env. מחליפים את YOUR_SLACK_CLIENT_ID במזהה הלקוח. מחליפים את YOUR_SLACK_CLIENT_SECRET ב-Client Secret. מחליפים את YOUR_SLACK_CHANNEL_ID במזהה הערוץ. שומרים את השינויים בקובץ. הפעולה הזו תגדיר את הקצה הקדמי של התוסף כך שיוכל לשלוח את התובנות שלו לערוץ Slack הרצוי.
  4. אם מפעילים את החזית של התוסף באופן מקומי, צריך לבנות מחדש את התוסף. אם אתם פורסים את החזית של התוסף, עליכם לפרוס מחדש את החזית של התוסף.

עכשיו התוסף יכול לייצא את הסיכומים ישירות ל-Slack או ל-Google Chat. חשוב לזכור שהתוסף יכול לשלוח סיכומים רק למרחב צ'אט ספציפי של Google או לערוץ Slack. אפשר להוסיף עוד היקפי הרשאות של OAuth ולשנות את הקוד כדי לאחזר ולהציג רשימה של מרחבים וערוצים שאליהם צריך לשלוח סיכומים.

7. [אופציונלי] שיפור הסיכום והשלבים הבאים

התוסף מספק למודל של Gemini את כל נתוני השאילתות והמטא-נתונים של מרכז הבקרה. אתם יכולים להוסיף למרכז הבקרה עצמו כמה שיותר מטא-נתונים והקשר, כדי לשפר את הדיוק, הפרטים והעומק של הסיכומים והשלבים המקיפים. כדאי לנסות את השלבים הבאים בכל מרכז בקרה שהתוסף שלכם משויך אליו:

  • פועלים לפי ההוראות האלה כדי להוסיף פרטים למרכז הבקרה. כך אפשר לתת ל-LLM מידע כללי לגבי ההקשר הכללי של מרכז הבקרה.
  • כדי להוסיף הערות למשבצת של כל מרכז בקרה, צריך לפעול לפי ההוראות האלה. כך אפשר לעדכן את ה-LLM לגבי ההקשר של כל שאילתה במרכז הבקרה. הערות קטנות תלויות הקשר ייכללו בסיכומים שנוצרו.

ככל שמוסיפים יותר מידע למרכזי הבקרה, כך הסיכומים של התוספים והשלבים הבאים יהיו טובים יותר. אפשר לשנות את הקוד כך שיכלול מטא-נתונים נוספים של מרכז הבקרה בהנחיה למודל Gemini.

8. [אופציונלי] הגדרת רישום ביומן של מודל Gemini

בכל פעם שמשתמש מורה לתוסף ליצור סיכומים למרכז בקרה, התוסף שולח קריאה ל-Vertex AI עבור כל שאילתה במרכז הבקרה, וגם קריאה אחת אחרונה לעיצוב כל הסיכומים. אתם יכולים להיעזר בסעיף הזה כדי לתעד את השיחות מ-Vertex AI שהתוסף שלכם מבצע, כדי שתוכלו להעריך את העלויות ותעבורת הנתונים של Vertex AI ולעקוב אחריהם. יש לפעול לפי ההוראות האלה רק אם פרסת את השירות לקצה העורפי Websocket.

  1. קביעת המיקום של Cloud Run של השירות לקצה העורפי שנפרס.
  2. כדי להגדיר sink ביומן שינתב יומנים אל BigQuery, צריך לבצע את ההוראות האלה. יעד ה-sink צריך להיות BigQuery. צריך להגדיר את מסנן ההכללה עם דוגמת הקוד הבאה באמצעות YOUR_CLOUD_RUN_LOCATION שהוחלף במיקום של Cloud Run מהשלב הקודם.
resource.type = "cloud_run_revision"
resource.labels.service_name = "websocket-service"
resource.labels.location = "YOUR_CLOUD_RUN_LOCATION"
 severity>=DEFAULT
jsonPayload.component="dashboard-summarization-logs"

9. מעולה!

הגדרת את התוסף Looker Dashboard Summarization באופן מקומי לצורך התנסות. בנוסף, פרסתם את התוסף ב-Google Cloud כדי שגם משתמשים אחרים יוכלו לנסות אותו! עכשיו לך ולמשתמשים אחרים יש גישה לסיכומים שמבוססים על Gemini ולצעדים הבאים ישירות מתוך מרכזי הבקרה.

10. המאמרים הבאים