Ingénierie analytique avec SQL et dbt

Chapitre 5. Thèmes avancés de dbt

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

dbt est un outil qui se concentre sur la partie transformation du processus ELT. Avec seulement une expérience en SQL, nous pouvons développer tout notre code analytique avec cet outil. En parallèle, nous pouvons toujours l'encapsuler sous un ensemble de bonnes pratiques et de normes que l'on retrouve généralement dans le génie logiciel, comme le développement de tests, le déploiement automatique, ou même la documentation construite côte à côte pendant que nous développons.

Dans ce chapitre, notre voyage à travers dbt prend une tournure plus avancée et plus subtile. Nous allons nous plonger dans la collection variée de matérialisations de modèles de dbt. Au-delà des vues et des tables traditionnelles, nous explorerons le potentiel des modèles éphémères, tirerons parti des vues matérialisées, capturerons des instantanés de données à des moments précis, et utiliserons même des modèles incrémentaux, qui te libèrent des chargements de données complets récurrents et gourmands en ressources.

Mais ce n'est pas tout. Nous élèverons ton code analytique au niveau supérieur grâce à Jinja, aux macros et aux paquets. Nous avons pour mission de transformer ta base de code, de la rendre plus efficace et de la faire évoluer. À la fin de ce chapitre, tu auras acquis les connaissances et les outils nécessaires pour améliorer ton flux ...