Hallo alle zusammen

Kurze Review

DBT-Projektstruktur

• Modell (.sql) - Transformationseinheit, ausgedrückt durch eine SELECT-Abfrage
• Konfigurationsdatei (.yml) - Parameter, Einstellungen, Tests, Dokumentation

• Der Benutzer bereitet den Modellcode in einer beliebigen IDE vor
• Über die CLI werden Modelle gestartet, DBT kompiliert den Modellcode in SQL
• Kompilierter SQL-Code wird im Warehouse in der angegebenen Reihenfolge ausgeführt (Grafik)

Alles ist AUSGEWÄHLT

{% set payment_methods = ['credit_card', 'coupon', 'bank_transfer', 'gift_card'] %}
 
with orders as (
 
   select * from {{ ref('stg_orders') }}
 
),
 
order_payments as (
 
   select * from {{ ref('order_payments') }}
 
),
 
final as (
 
   select
       orders.order_id,
       orders.customer_id,
       orders.order_date,
       orders.status,
       {% for payment_method in payment_methods -%}
       order_payments.{{payment_method}}_amount,
       {% endfor -%}
       order_payments.total_amount as amount
   from orders
       left join order_payments using (order_id)
 
)
 
select * from final

• Zur Kompilierungszeit wird ref in einen Zielzeiger auf eine Tabelle oder Ansicht im Repository konvertiert
• Mit ref können Sie ein Diagramm der Modellabhängigkeiten erstellen

• If / else-Anweisungen - Verzweigungsanweisungen
• Für Schleifen - Schleifen
• Variablen - Variablen
• Makro - Makros erstellen

Materialisierung: Tabelle, Ansicht, Inkrementell

• Tabelle - physische Tabelle im Speicher
• Ansicht - Ansicht, virtuelle Tabelle im Repository

• Inkrementelles - inkrementelles Laden (große Faktentabellen); Neue Zeilen werden hinzugefügt, geänderte aktualisiert, gelöschte gelöscht 
• Vergänglich - das Modell materialisiert sich nicht direkt, sondern nimmt als CTE an anderen Modellen teil
• Alle anderen Strategien können Sie selbst hinzufügen

• Schneeflocke : Transiente Tabellen, Zusammenführungsverhalten, Tabellenclustering, Kopieren von Zuschüssen, Sichere Ansichten
• Rotverschiebung : Distkey, Sortkey (verschachtelt, zusammengesetzt), Late Binding Views
• BigQuery : Tabellenpartitionierung und Clustering, Zusammenführungsverhalten, KMS-Verschlüsselung, Beschriftungen und Tags
• Spark : Dateiformat (Parkett, CSV, JSON, ORC, Delta), partition_by, clustered_by, Buckets, inkrementelle_Strategie

• Postgres
• Rotverschiebung
• Bigquery
• Schneeflocke
• Presto (teilweise)
• Funke (teilweise)
• Microsoft SQL Server (Community-Adapter)

• Machen Sie die Füllung inkrementell (inkrementell)
• Fügen Sie Segmentierungs- und Sortierschlüssel für Redshift hinzu

--  : 
--  ,      (unique_key)
--   (dist),   (sort)
{{
  config(
       materialized='incremental',
       unique_key='order_id',
       dist="customer_id",
       sort="order_date"
   )
}}
 
{% set payment_methods = ['credit_card', 'coupon', 'bank_transfer', 'gift_card'] %}
 
with orders as (
 
   select * from {{ ref('stg_orders') }}
   where 1=1
   {% if is_incremental() -%}
       --        
       and order_date >= (select max(order_date) from {{ this }})
   {%- endif %} 
 
),
 
order_payments as (
 
   select * from {{ ref('order_payments') }}
 
),
 
final as (
 
   select
       orders.order_id,
       orders.customer_id,
       orders.order_date,
       orders.status,
       {% for payment_method in payment_methods -%}
       order_payments.{{payment_method}}_amount,
       {% endfor -%}
       order_payments.total_amount as amount
   from orders
       left join order_payments using (order_id)
 
)
 
select * from final

Modellabhängigkeitsdiagramm

• Modelle in der richtigen Reihenfolge ausführen
• Parallelisierung der Fensterdekoration
• Ausführen eines beliebigen Untergraphen 

Datenqualität und Dokumentation

• Nicht null
• Einzigartig
• Referenzintegrität - Referenzintegrität (z. B. entspricht customer_id in der Auftragstabelle der ID in der Kundentabelle)
• Übereinstimmende gültige Liste

 - name: fct_orders
   description: This table has basic information about orders, as well as some derived facts based on payments
   columns:
     - name: order_id
       tests:
         - unique #    
         - not_null #    null
       description: This is a unique identifier for an order
     - name: customer_id
       description: Foreign key to the customers table
       tests:
         - not_null
         - relationships: #   
             to: ref('dim_customers')
             field: customer_id
     - name: order_date
       description: Date (UTC) that the order was placed
     - name: status
       description: '{{ doc("orders_status") }}'
       tests:
         - accepted_values: #    
             values: ['placed', 'shipped', 'completed', 'return_pending', 'returned']

Makros und Module

{% macro rename_category(column_name) %}
case
 when {{ column_name }} ilike  '%osx%' then 'osx'
 when {{ column_name }} ilike  '%android%' then 'android'
 when {{ column_name }} ilike  '%ios%' then 'ios'
 else 'other'
end as renamed_product
{% endmacro %}

{% set column_name = 'product' %}
select
 product,
 {{ rename_category(column_name) }} --  
from my_table

• dbt_utils : Arbeiten mit Datum / Uhrzeit, Ersatzschlüsseln, Schematests, Pivot / Unpivot und anderen
• Vorgefertigte Schaufenstervorlagen für Dienste wie Schneepflug und Streifen 
• Bibliotheken für bestimmte Data Warehouses wie Redshift 
• Protokollierung - DBT- Protokollierungsmodul

Noch mehr Funktionen

Trennung von Laufzeitumgebungen DEV - TEST - PROD

with source as (
 
   select * from {{ source('salesforce', 'users') }}
   where 1=1
   {%- if target.name in ['dev', 'test', 'ci'] -%}           
       where timestamp >= dateadd(day, -3, current_date)   
   {%- endif -%}
 
)

Alternative Spaltencodierungsmaterialisierung

{{ compress_table(schema, table,
                 drop_backup=False,
                 comprows=none|Integer,
                 sort_style=none|compound|interleaved,
                 sort_keys=none|List<String>,
                 dist_style=none|all|even,
                 dist_key=none|String) }}

Protokollierungsmodell wird gestartet

   pre-hook: "{{ logging.log_model_start_event() }}"
   post-hook: "{{ logging.log_model_end_event() }}"

Speicherautomatisierung

{% macro create_udf() -%}
 
 {% set sql %}
       CREATE OR REPLACE FUNCTION {{ target.schema }}.f_sha256(mes "varchar")
           RETURNS varchar
           LANGUAGE plpythonu
           STABLE
       AS $$  
           import hashlib
           return hashlib.sha256(mes).hexdigest()
       $$
       ;
 {% endset %}
  
 {% set table = run_query(sql) %}
 
{%- endmacro %}

{% macro redshift_maintenance() %}
 
   {% set vacuumable_tables=run_query(vacuumable_tables_sql) %}
 
   {% for row in vacuumable_tables %}
       {% set message_prefix=loop.index ~ " of " ~ loop.length %}
 
       {%- set relation_to_vacuum = adapter.get_relation(
                                               database=row['table_database'],
                                               schema=row['table_schema'],
                                               identifier=row['table_name']
                                   ) -%}
       {% do run_query("commit") %}
 
       {% if relation_to_vacuum %}
           {% set start=modules.datetime.datetime.now() %}
           {{ dbt_utils.log_info(message_prefix ~ " Vacuuming " ~ relation_to_vacuum) }}
           {% do run_query("VACUUM " ~ relation_to_vacuum ~ " BOOST") %}
           {{ dbt_utils.log_info(message_prefix ~ " Analyzing " ~ relation_to_vacuum) }}
           {% do run_query("ANALYZE " ~ relation_to_vacuum) %}
           {% set end=modules.datetime.datetime.now() %}
           {% set total_seconds = (end - start).total_seconds() | round(2)  %}
           {{ dbt_utils.log_info(message_prefix ~ " Finished " ~ relation_to_vacuum ~ " in " ~ total_seconds ~ "s") }}
       {% else %}
           {{ dbt_utils.log_info(message_prefix ~ ' Skipping relation "' ~ row.values() | join ('"."') ~ '" as it does not exist') }}
       {% endif %}
 
   {% endfor %}
 
{% endmacro %}

DBT Cloud

• Web-IDE zur Entwicklung von Projekten und Modellen
• Jobkonfiguration und Zeitplaneinstellung
• Einfacher und bequemer Zugriff auf Protokolle
• Website mit der Dokumentation Ihres Projekts
• CI-Verbindung (Continuous Integration)

Fazit

• Code, nicht GUI, ist die beste Abstraktion, um komplexe analytische Logik auszudrücken
• Die Arbeit mit Daten sollte die Best Practices der Softwareentwicklung (Software Engineering) anpassen.

• Kritische Dateninfrastruktur muss von der Benutzergemeinschaft als Open-Source-Software gesteuert werden
• Nicht nur Analysetools, sondern auch Code werden zunehmend Teil der Open Source-Community.

• Architekturkonzepte für Big Data-Anwendungen
• Übe mit Spark und Spark Streaming
• Lernmethoden und Tools zum Laden von Datenquellen
• Erstellen von analytischen Vitrinen in DWH
• NoSQL: HBase, Cassandra, ElasticSearch
•  
• :

:

1. DBT documentation — Introduction —
2. What, exactly, is dbt? — DBT 
3. Data Build Tool Amazon Redshift — YouTube, OTUS
4. Greenplum — 15 2020
5. Data Engineering — OTUS
6. Building a Mature Analytics Workflow —
7. It’s time for open source analytics — Open Source
8. Continuous Integration and Automated Build Testing with dbtCloud — CI DBT
9. Getting started with DBT tutorial — ,
10. Jaffle shop — Github DBT Tutorial — Github,