Data Build Tool (DBT) - اولین پروژه خود را بسازید

قبل از بارگیری داده ها در یک انبار داده متمرکز ، باید در صورت لزوم تمیز ، سازگار و ترکیب شود. به عبارت دیگر ، داده ها باید تبدیل شوند - "T" در ETL (عصاره ، تبدیل ، بار) و ELT. این به یک سازمان اجازه می دهد تا از طریق تجزیه و تحلیل و گزارش دهی ، بینش های ارزشمند و ارزشمندی را توسعه دهد. این امر به ویژه مفید است زیرا بسیاری از شرکت ها به طور فزاینده ای منطق تجاری پیچیده ای در پشت داده های گزارشگری خود دارند. ابزار DBT سابقه ای از کلیه تغییرات ایجاد شده در منطق اساسی را نگه می دارد و ردیابی داده ها و به روزرسانی یا رفع خط لوله از طریق کنترل نسخه را آسان می کند.

عنوان اصلی : Data Build Tool (DBT) - Build Your First Project

سرفصل های دوره :

01 مقدمه - اولین پروژه خود را ایجاد کنید
02 منابع خام را به پروژه DBT خود اضافه کنید
03 چگونه DBT نمایش داده شد
04 مستقر در طرحواره های سفارشی و نادیده گرفتن پیش فرض های DBT
05 نحوه آزمایش و اشکال زدایی مدل های DBT خود
06 تحقق را تغییر دهید
07 مدیریت بسته و مرکز DBT - Packages.yml
08 مستندات DBT خود را به عنوان یک وب سایت مشاهده کنید
09 از دانه های DBT برای کار با داده های استاتیک CSV استفاده کنید
10 تست های سفارشی ایجاد کنید یا پیش فرض را نادیده بگیرید
11 متغیرهای پروژه DBT را اضافه کرده و از آنها در مدل ها استفاده کنید
12 از قلاب برای ساده کردن فعالیتهای تکراری DBT استفاده کنید
13 مستندات DBT را با بلوک های Docs ساده کنید
14 نظارت بر تازه بودن منبع در DBT
15 نحوه استفاده از برچسب های پرس و جو Snowflake در DBT
16 از روش حالت DBT استفاده کنید تا فقط مدل های اصلاح شده را اجرا کنید
17 رویکرد چندپه نحوه ساختار پروژه های DBT
18 حسابرسی DBT شما با استفاده از {{invocation_id} اجرا می شود
19 DBT را در یک محیط مجازی بهترین روش نصب کنید
20 نحوه تمیز کردن پرونده های پروژه DBT خود
21 راهی آسان برای مدل های Runtest در گروه ها
22 مدل های DBT زودرس چگونه کار می کنند