Looker Kontrol Paneli Özetleme Uzantısı Codelab'i

1. Başlamadan önce

Bu codelab'de (1) Looker kontrol paneli özetleme uzantısını yerel olarak ayarlayarak yerel olarak denemenizi ve geliştirmenizi sağlayacaksınız. Ardından (2) uzantıyı üretime dağıtarak Looker örneğinizdeki diğer Looker kullanıcılarının uzantıyı kullanabilmesini sağlayacaksınız. Son olarak (3), uzantının işlevselliğini daha iyi hale getirmek ve geliştirmek için ek adımlar uygulayabilirsiniz. İsteğe bağlı olmayan tüm bölümler sırayla tamamlanmalıdır.

Looker kontrol paneli özetleme uzantısına genel bakış

İşlevsel olarak, Looker Kontrol Paneli Özetleme Uzantısı, Looker kontrol panelinizin verilerini Vertex AI'ın Gemini modeline gönderir. Ardından Gemini modeli, kontrol panelinizin verilerinin özetini ve sonraki adımların reçetesini döndürür. Uzantı, özeti ve sonraki adımları kontrol panelinizde bir kutucuk olarak göstererek kontrol paneli deneyiminize entegre olur. Ayrıca, uzantı özeti ve sonraki adımları Slack'e veya Google Chat'e aktarabilir. Uzantı, Vertex AI'ın Gemini modeline veri göndermek ve bu modelden veri almak için bir WebSocket arka uç hizmetiyle birlikte bir React ön uç uygulamasından yararlanır.

Ön koşullar

  • Node geliştirme, Docker ve Terraform hakkında temel düzeyde bilgi
  • Looker LookML projesi oluşturma konusunda bilgi sahibi olma

Neler öğreneceksiniz?

  • Uzantıyı yerel olarak ayarlama ve geliştirme
  • Uzantıyı üretime dağıtma ve Looker örneğinizdeki diğer Looker kullanıcılarının uzantıyı kullanmasını sağlama
  • Uzantının performansını isteğe bağlı olarak nasıl ayarlayacağınız ve işlevselliğini nasıl genişleteceğiniz.
  • Dağıtılan uzantınızı üretimde yönetme

Gerekenler

  • Looker Original License, etkin Looker Core denemesi veya etkin Looker Core lisansı aracılığıyla bir Looker örneği.
  • Looker örneğinizde develop ve deploy izinleri
  • Uzantıyla denemek istediğiniz kontrol paneli düzenleme izinleri.
  • Looker örneğinizden alınan bir Looker API anahtarı.
  • Faturalandırmanın etkin olduğu bir Google Cloud projesi.
  • Cloud Run API, Vertex AI API ve Artifact Registry API projede etkinleştirilmiş olmalıdır.
  • gcloud CLI'nin yüklü olduğu yerel bir ortama erişim. Codelab adımlarında Linux tarzı bir ortam olduğu varsayılır.

2. Yerel geliştirme için arka ucu ayarlama

Bu bölümde, denemeniz ve yerel olarak geliştirmeniz için WebSocket arka uç hizmetini ayarlayacaksınız. Hizmet, Vertex AI'a erişebilir.

  1. Yerel ortamınıza Node 18 veya daha yeni bir sürüm yükleyin. Node'u yüklemek için bu talimatları uygulayın.
  2. Uzantının depoyu yerel ana dizininize klonlayın ve deponun kök dizinine gidin. Bu codelab'de tüm kod örnekleri, klonlanmış deponuzun yerel ana dizininizde olduğunu varsayar.
cd ~
git clone git@github.com:looker-open-source/dashboard-summarization.git
  1. Klonlanan deponun kök dizinine gidin ve bu codelab'in sonraki bölümlerinde ortam değişkenlerini ayarlayabilmek için .env.example dosyasını .env olarak yeniden adlandırın.
cd ~/dashboard-summarization
mv .env.example .env
  1. Klonlanan deponun web soketi arka ucunun src dizinine gidin. Bu dizin, sunucunun kaynak kodunu içerir.
cd ~/dashboard-summarization/websocket-service/src
  1. Hizmetin bağımlılıklarını NPM ile yükleyin.
npm install
  1. looker-example.ini dosyasını looker.ini olarak yeniden adlandırın.
mv looker-example.ini looker.ini
  1. looker.ini dosyasında şu güncellemeyi yapın:
  2. client_id ve client_secret kısımlarını Looker API anahtarınızdaki değerlerle değiştirin.
  3. Looker örneğinizin URL'siyle birlikte base_url. URL, https://<YOUR_LOOKER_URL_MINUS_PROTOCOL>:19999 biçiminde olmalıdır.
  4. Ayraçlar arasındaki metin (bölüm başlığı), Looker örneğinizin URL'sinin ana makinesiyle birlikte.

Örneğin, istemci kimliğiniz ABC123, istemci gizli anahtarınız XYZ789 ve Looker örneğinizin URL'si https://mycompany.cloud.looker.com ise looker.ini dosyanız tam olarak şu şekilde görünür:

[mycompany]
base_url=https://mycompany.cloud.looker.com:19999
client_id=ABC123
client_secret=XYZ789
verify_ssl=true
  1. Google Cloud proje kimliğinizi belirleyin ve PROJECT ortam değişkeninizde ayarlayın. YOUR_PROJECT_ID yerine proje kimliğinizi yazın.
export PROJECT="YOUR_PROJECT_ID"
  1. Vertex AI, Gemini modelini burada listelenen birden fazla bölgede sunar. Yerel arka uçunuzun Vertex AI'ın Gemini modelinden veri göndereceği ve alacağı bölgeyi belirleyin. REGION ortam değişkeninizde bölgeyi ayarlayın. YOUR_VERTEX_REGION yerine bölgenizi (ör. us-central1) yazın.
export REGION="YOUR_VERTEX_REGION"
  1. Şimdi yerel hizmetinizi başlatın.
npm start
  1. Yerel WebSocket arka uç hizmetiniz http://localhost:5000 üzerinde çalışacak.

Yerel ortamınızda WebSocket arka uç hizmetini ayarlamayı tamamladınız.

Bu hizmet, ön uç uzantınız ile Vertex AI'ın Gemini modeli arasında bir arayüz görevi görür. Hizmet, Looker'dan sorgulanan verilerle ön uç uzantınızdaki kontrol paneli ve LookML verilerini alır ve Vertex AI'ın Gemini modeline istem gönderir. Ardından hizmet, Gemini'ın yanıtını kontrol panelinizde görüntülenmek üzere ön uç uzantısına aktarır.

Arka uç hizmetinin kaynak kodunda da değişiklik yapabilirsiniz. Önce hizmet sürecini durdurmanız, kod değişikliklerini yapmanız ve ardından npm start komutunu tekrar çalıştırmanız gerekir.

3. Yerel geliştirme için ön ucu ayarlama

Bu bölümde, yerel olarak denemeniz ve geliştirmeniz için ön uç uzantısını ayarlayacaksınız.

  1. Önceki adımlardaki aynı yerel ortamda, klonlanmış deponuzun kök dizinine gidin ve ön uç için ön uç sunucusunun bağımlılıklarını yükleyin.
cd ~/dashboard-summarization
npm install
  1. Yerel ön uç geliştirme sunucunuzu başlatın
npm run develop
  1. Yerel ön uç sunucunuz artık http://localhost:8080/bundle.js adresinde uzantının JavaScript'ini sunuyor.
  2. Bir web tarayıcısı açın ve Looker örneğinize giriş yapın.
  3. Boş bir LookML projesi oluşturmak için bu talimatları uygulayın. Proje kontrol paneli özetine ad verin. Boş LookML projesi, mevcut tarayıcı sekmenizde Looker IDE'de otomatik olarak açılır.
  4. LookML projesinin kök dizininde bir proje manifest dosyası oluşturun. Dosya, manifest.lkml olarak adlandırılır. Nasıl yapacağınızı bilmiyorsanız LookML projesine dosya ekleme ile ilgili talimatları uygulayın.
  5. Yeni manifest.lkml dosyasının içeriğini, kapalı deponuzun kök dizinindeki manifest.lkml dosyasının içeriğiyle değiştirin. Dosyadaki değişiklikleri kaydetmek için sağ üst köşedeki "Değişiklikleri Kaydet" düğmesini seçin.
  6. Ayrı bir tarayıcı sekmesinde, Looker örneğinizdeki veritabanı bağlantılarının listesine gidin. Nasıl yapacağınızı bilmiyorsanız bu talimatları uygulayın.
  7. Bir Looker veritabanı bağlantısının adını seçin. Hangi bağlantıyı seçtiğiniz önemli değildir. Veritabanı bağlantılarını görme izniniz yoksa Looker yöneticinizle iletişime geçerek bir Looker veritabanı bağlantısının adını isteyin.
  8. LookML projenizin Looker IDE'de açık olduğu tarayıcı sekmesine geri dönün. LookML projenizde bir model dosyası oluşturun ve dosyayı dashboard-summarization olarak adlandırın.
  9. dashboard-summarization.model.lkml dosyanızın içeriğini aşağıdaki kod örneğiyle değiştirin. Çift tırnak içindeki dizeyi 9. adımda seçtiğiniz veritabanı bağlantı adıyla değiştirdiğinizden emin olun. Dosyadaki değişiklikleri kaydedin.
connection: "<YOUR_CONNECTION_NAME>"
  1. Projenizi kaydedeceğiniz bir depo oluşturun. Sağ üstteki "Git'i yapılandır" düğmesini seçin. "Bunun yerine boş bir depo oluştur"u seçin. "Create Repository" (Depo Oluştur) seçeneğini belirleyin.
  2. Artık LookML proje dosyalarınızı depolayabileceğiniz temel bir boş deponuz var. "Projeye geri dön"ü seçerek veya manuel olarak geri giderek Looker IDE'de projeye geri dönün.
  3. Sağ üst köşedeki "LookML'yi Doğrula" düğmesini seçin. Düğme "Değişiklikleri işle ve gönder" olarak değişir.
  4. Değişiklikleri işle ve gönder" düğmesini seçin. İstediğiniz mesajı ekleyin ve "Commit"i (Kaydet) seçin.
  5. Looker IDE'nin sağ üst köşesindeki "Üretime dağıt"ı seçin. Uzantıyı Looker örneğinize eklediniz.
  6. Uzantıyı eklemek istediğiniz bir Looker kontrol paneline gidin.
  7. Kontrol panelinize uzantı kutusu eklemek için talimatları uygulayın. Yeni uzantınızı kontrol panelinize kutu olarak ekleyin.
  8. Daha önce ayarladığınız yerel WebSocket arka uç hizmetinizin çalıştığından emin olun.

Tebrikler! Artık Looker kontrol paneli özetleme uzantısını kontrol panelinizde deneyebilirsiniz. Uzantınız, kontrol panelinizin meta verilerini yerel WebSocket arka uç hizmetinize gönderir ve arka uç hizmetinizden gelen Gemini çıkışını doğrudan kontrol paneli uzantı kutunuzda gösterir.

Yerel ön uç sunucunuz çalışırken uzantının JavaScript kaynak kodunda değişiklik yapabilirsiniz. Sunucu, değişiklikleri otomatik olarak oluşturup yayınlar. Değişiklikleri görmek için uzantınızı veya kontrol paneli sayfanızı yeniden yüklemeniz gerekir.

4. Arka ucu üretime dağıtma

Bu bölümde, Looker örneğinizdeki herhangi bir kontrol panelinde kontrol paneli özetleme uzantınızın tüm örneklerine hizmet vermek için WebSocket arka uç hizmetini ayarlayacaksınız. Bu sayede diğer Looker kullanıcıları, kendi arka uç hizmetlerini ayarlamalarına gerek kalmadan uzantıyı kendi kontrol panellerinde deneyebilir. Bu adımlarda, yerel geliştirme için arka ucu daha önce aynı yerel ortamda başarıyla dağıttığınız varsayılır.

  1. Sonraki adımlar için yerel ortamınızda proje kimliğinizle bir Uygulama Varsayılan Kimlik Bilgisi ayarlamak üzere bu talimatları uygulayın.
  2. Arka uç hizmetinizin Docker görüntüleri için bir Artifact Registry deposu oluşturun. YOUR_REGION kısmını, deponuzun bulunmasını istediğiniz bölgeyle değiştirin.
gcloud artifacts repositories create dashboard-summarization-repo \
    --repository-format=docker \
    --location=YOUR_REGION \
  1. Klonlanmış deponuzun web soketi arka ucunun src dizinine gidin.
cd ~/dashboard-summarization/websocket-service/src
  1. cloudbuild.yaml dosyasını düzenleyin ve YOUR_REGION ile YOUR_PROJECT_ID öğelerinin tüm örneklerini bölgeniz ve proje kimliğinizle değiştirin. Dosyadaki değişiklikleri kaydedin.
  2. Arka uç hizmeti Docker görüntüsünü oluşturacak ve yeni oluşturduğunuz Artifact Registry deposuna aktaracak bir derlemeyi Cloud Build kullanarak gönderin. YOUR_REGION kısmını Cloud Build hizmetini kullanmak istediğiniz bölgeyle değiştirin.
gcloud builds submit --region=YOUR_REGION --config cloudbuild.yaml
  1. Yeni oluşturduğunuz Docker görüntüsünün URL'sinin YOUR_REGION-docker.pkg.dev/YOUR_PROJECT_ID/dashboard-summarization-repo/websocketserviceimage:latest olduğunu unutmayın. YOUR_PROJECT_ID yerine proje kimliğinizi yazın. YOUR_REGION yerine, Artifact Registry deponuzu oluşturmak için 2. adımda kullandığınız bölgeyi yazın.
  2. Klonlanan deponuzda websocket-service/terraform dizinine gidin.
cd ~/dashboard-summarization/websocket-service/terraform
  1. Web soketi arka uç hizmetinizi Google Cloud Run'ın hangi konumunda çalıştırmak istediğinizi belirleyin. Bu konumlar arasından seçim yapın.
  2. variables.tf dosyasını düzenleyin ve YOUR_PROJECT_ID ile YOUR_DOCKER_IMAGE_URL değerlerini uygun değerlerle değiştirin. Docker görüntünüzün URL'si için 6. adımı kontrol edin. YOUR_REGION kısmını önceki 8. adımda seçtiğiniz bölgeyle değiştirin. Dosyadaki değişiklikleri kaydedin.
  3. Arka uç hizmetinizin kullanacağı kaynakları Terraform kullanarak dağıtın.
terraform init
terraform plan
terraform apply
  1. Dağıtılan Cloud Run URL uç noktasını bir sonraki bölüm için kaydedin.

Tebrikler! Web soketi arka uç hizmetinizi dağıttınız ve hizmetiniz artık Google Cloud Run'da çalışıyor. Artık Looker Dashboard Summarization uzantınızın tüm örnekleri arka uç hizmetinizle iletişim kurabilir. Web soketi arka uç hizmetinizin Cloud Run'da her zaman en az bir örneğinin çalışır durumda olmasını öneririz. Arka uç hizmetinizin kalıcılığı, WebSocket arka uç hizmetiniz ile uzantı ön ucunuz arasında akan verilerin bütünlüğünü korur ve her kullanıcının uzantınızı kullanırken oturumunu sürdürmesine yardımcı olur.

5. Ön ucu üretime dağıtma

Bu son bölümde, uzantı ön ucunu Looker örneğinizdeki tüm Looker kullanıcılarının kullanımına sunmak için son adımları uygulayacaksınız.

  1. Klonlanmış deponuzun kök dizinine gidin.
cd ~/dashboard-summarization
  1. .env dosyası. YOUR_CLOUD_RUN_URL kısmını önceki bölümdeki Cloud Run URL uç noktasıyla değiştirin. Dosya değişikliklerinizi kaydedin. Bu işlem, üretim uzantısı ön ucunu Cloud Run'da çalışan WebSocket arka uç hizmetinize yönlendirir.
  2. Uzantının JavaScript'ini oluşturun. bundle.js dosyası ve diğer dosyaların bulunduğu bir dist dizini otomatik olarak oluşturulur.
npm run build
  1. Bir web tarayıcısı açın ve Looker örneğinize giriş yapın. Sol taraftaki gezinme menüsünü açın ve alt kısımdaki "Geliştirme Modu" açma/kapatma düğmesini etkinleştirin.
  2. Soldaki yan gezinme panelini açın, "Geliştir"i seçin, ardından aşağı kaydırıp uzantınızın LookML projesi olan "dashboard-summarization"ı seçin. Artık LookML projesi için Looker IDE'de olmalısınız.
  3. Daha önce oluşturulan dist dizinindeki tüm dosyaları "Dosya Tarayıcı"da projenin kök dizinine sürükleyip bırakın. Daha fazla yardıma ihtiyacınız olursa bu talimatları uygulayın.
  4. Looker IDE'de manifest.lkml dosyasını açın. Dosyanın içinde şu satırı değiştirin:
url: "http://localhost:8080/bundle.js"

ile

file: "bundle.js"

YOUR_CLOUD_RUN_URL yerine son bölümün sonundaki Cloud Run URL uç noktasını girin. Dosyada yapılan değişiklikleri kaydedin.

  1. Sağ üst köşedeki "LookML'yi Doğrula" düğmesini seçin. Düğme "Değişiklikleri işle ve gönder" olarak değişir.
  2. Değişiklikleri işle ve gönder" düğmesini seçin. İstediğiniz mesajı ekleyin ve "Commit"i (Kaydet) seçin.
  3. Looker IDE'nin sağ üst köşesindeki "Üretime dağıt"ı seçin.

Tebrikler! Artık Looker örneğinizdeki tüm Looker kullanıcılarının, Looker kontrol paneli özetleme uzantısını kontrol panellerine eklemesini etkinleştirdiniz. Diğer Looker kullanıcıları uzantıyı kullandıkça uzantının tüm örnekleri, Google Cloud Run'da çalışan dağıtılmış WebSocket arka uç hizmetinize çağrı yapar.

Kaynak kodda herhangi bir değişiklik yaparsanız şunları yapmanız gerektiğini unutmayın:

  1. Uzantınızın JavaScript'ini yeniden oluşturun.
  2. LookML projesine eklediğiniz oluşturulmuş dosyaları, dist dizinindeki yeni oluşturulmuş dosyalarla değiştirin.
  3. LookML projesi değişikliklerini doğrulama, kaydetme ve canlı sürüme dağıtma

Looker kontrol paneli özetleme uzantısını deneyin. Uzantıya katkıda bulunarak Looker topluluğunun ihtiyaçlarına daha iyi hizmet etmesine yardımcı olmanızı öneririz. Lütfen depoda pull isteği oluşturmaktan çekinmeyin.

Slack/Google Chat dışa aktarma özelliğini etkinleştirmek, Gemini'ın özetlerini ve sonraki adımlarını hassaslaştırmak ve Gemini günlük kaydını ayarlamak için aşağıdaki isteğe bağlı bölümleri inceleyin.

6. [İsteğe bağlı] Dışa aktarma özelliklerini ayarlama

Looker kullanıcılarınızla birlikte Looker Dashboard Summarization uzantısını denediğinize göre, uzantının analizlerini daha geniş bir kitleyle paylaşalım. Uzantınızın Google Chat veya Slack'e özet ve sonraki adımlar göndermesini sağlamak için bu bölümdeki adımları uygulayın. Bu codelab bölümüne devam etmek için OAuth kurulumu hakkında bilgi sahibi olmanız gerekir.

Google Chat dışa aktarma özelliğini etkinleştirme

  1. Google Cloud projenizde Chat API'yi etkinleştirin.
  2. Google Workspace OAuth kurulum talimatlarının 1. adımını uygulayın. Kapsamlar için spaces.messages.create eklemeniz gerekir.
  3. Google Workspace OAuth kurulum talimatlarının 2. adımını uygulayın. Looker örneğinizin URL'sini "Yetkilendirilmiş JavaScript kaynakları" bölümüne URI olarak ekleyin (örneğin, https://mycompany.cloud.looker.com). Oluşturulan istemci kimliğini not edin.
  4. Özetleri dışa aktarmak istediğiniz Google Chat alanının kimliğini belirleyin. Nasıl yapacağınızdan emin değilseniz bu talimatları uygulayın.
  5. .env dosyası. YOUR_GOOGLE_CLIENT_ID yerine istemci kimliğini girin. YOUR_GOOGLE_SPACE_ID kısmını Google Chat alanı kimliğiyle değiştirin. Dosya değişikliklerinizi kaydedin. Bu işlem, uzantınızın ön ucunu, analizlerini istediğiniz Google Chat alanına gönderebilecek şekilde yapılandırır.
  6. Uzantınızın ön ucunu yerel olarak çalıştırıyorsanız uzantınızı yeniden oluşturun. Aksi takdirde, uzantınızın ön ucunu dağıtıyorsanız uzantınızın ön ucunu yeniden dağıtın.

Slack dışa aktarımını etkinleştirme

  1. OAuth uygulaması oluşturmak için resmi Slack geliştirici dokümanlarındaki 1. ve 2. adımları uygulayın. Kapsamlar için chat:write ve channels:read öğelerini eklemeniz gerekir. Oluşturulan istemci kimliğini ve istemci gizli anahtarını not edin.
  2. Özetleri dışa aktarmak istediğiniz Slack kanalının kimliğini belirleyin.
  3. .env dosyası. YOUR_SLACK_CLIENT_ID yerine istemci kimliğini girin. YOUR_SLACK_CLIENT_SECRET kısmını istemci gizli anahtarıyla değiştirin. YOUR_SLACK_CHANNEL_ID kısmını kanal kimliğiyle değiştirin. Dosya değişikliklerinizi kaydedin. Bu işlem, uzantınızın ön ucunu, analizlerini istediğiniz Slack kanalına gönderebilecek şekilde yapılandırır.
  4. Uzantınızın ön ucunu yerel olarak çalıştırıyorsanız uzantınızı yeniden oluşturun. Aksi takdirde, uzantınızın ön ucunu dağıtıyorsanız uzantınızın ön ucunu yeniden dağıtın.

Artık uzantınız özetlerini doğrudan Slack'e veya Google Chat'e aktarabilir. Uzantının yalnızca belirli bir sabit kodlu Google Chat alanına veya Slack kanalına özet gönderebileceğini unutmayın. Ek OAuth kapsamları ekleyebilir ve özetlerin gönderileceği alanların ve kanalların listesini getirip görüntülemek için kodu değiştirebilirsiniz.

7. [İsteğe bağlı] Özeti ve sonraki adımları ince ayar yapma

Uzantı, Gemini modelini kontrol panelinin tüm meta verileriyle ister ve verileri sorgular. Kontrol paneline mümkün olduğunca fazla meta veri ve bağlam ekleyerek özetlerin ve yönlendirici adımların doğruluğunu, ayrıntısını ve derinliğini artırabilirsiniz. Uzantınızın parçası olduğu her kontrol paneli için aşağıdaki adımları deneyin:

  • Kontrol paneline kontrol paneli ayrıntıları eklemek için bu talimatları uygulayın. Bu, LLM'yi kontrol panelinin genel bağlamı hakkında bilgilendirmeye yardımcı olur.
  • Her kontrol paneli kutusuna not eklemek için bu talimatları uygulayın. Bu, LLM'yi kontrol panelindeki her bir sorgunun bağlamı hakkında bilgilendirmeye yardımcı olur. Küçük bağlamsal notlar, oluşturulan özetlere dahil edilir.

Kontrol panellerinize ne kadar çok bilgi eklerseniz uzantının özetleri ve sonraki adımları o kadar iyi olur. Kodu, Gemini modeline gönderilen isteme ek gösterge tablosu meta verileri içerecek şekilde değiştirebilirsiniz.

8. [İsteğe bağlı] Gemini modeli günlük kaydını ayarlama

Bir kullanıcı, uzantıdan bir kontrol paneli için özet oluşturmasını her istediğinde uzantı, kontrol panelindeki her sorgu için Vertex AI'a bir çağrı yapar ve tüm özetleri biçimlendirmek için son bir çağrı daha yapar. Uzantınızın yaptığı Vertex AI çağrılarını günlüğe kaydetmek için bu bölümdeki adımları uygulayın. Böylece Vertex AI maliyetlerini ve trafiğini tahmin edip izleyebilirsiniz. Bu talimatları yalnızca WebSocket arka uç hizmetini dağıttıysanız uygulamanız gerekir.

  1. Dağıtılan WebSocket arka uç hizmetinizin Cloud Run konumunu belirleyin.
  2. Günlükleri BigQuery'ye yönlendirecek bir günlük havuzu oluşturmak için bu talimatları uygulayın. Havuz hedefi BigQuery olmalıdır. Aşağıdaki kod örneğiyle dahil etme filtresini ayarlayın. YOUR_CLOUD_RUN_LOCATION, önceki adımın Cloud Run konumuyla değiştirilir.
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. Tebrikler!

Looker kontrol paneli özetleme uzantısını denemeniz için yerel olarak ayarladınız. Ayrıca, uzantıyı Google Cloud'a dağıttığınız için diğer kullanıcılar da uzantıyı deneyebilir. Artık siz ve diğer kullanıcılar, kontrol panellerinizden doğrudan Gemini destekli özetlere ve sonraki adımlara erişebilirsiniz.

10. Sırada ne var?