Erfahre mehr über die Gründe für die Existenz von dbt und wie es verwendet wird, um Daten-Transformationsprojekte zu erstellen.

Grundlagen von Git

This is the code editor window. The terminal window is the panel below.

Run the following command in the terminal area:
  
dbt

Ausführen des dbt-Befehls

Einführung in dbt

dbt-Version

Hilfe bekommen

Optionen

Wird dbt wahrscheinlich verwenden

Wird dbt wahrscheinlich nicht verwenden

dbt-Nutzer

Ein dbt-Projekt erstellen

Project Name: nyc_yellow_taxi
Database type: duckdb


Run the following commands in the terminal window:


dbt init


Note: You will need to specify the project name (nyc_yellow_taxi) and
select the database type ([1] duckdb)
  
Once complete run:
  
cd nyc_yellow_taxi

ls


Ein dbt-Projekt initialisieren

# Modify the project name
____:
  outputs:
    dev:
      # Change the database type
      type: ____
      path: dbt.duckdb
  target: dev


nyc_yellow_taxi:
  outputs:
    dev:
      type: duckdb
      path: dbt.duckdb
  target: dev
  



# Name your project! Project names should contain only lowercase characters
# and underscores. A good package name should reflect your organization's
# name or the intended use of these models
name: 'taxi_project'
version: '1.0.0'
config-version: 2

# This setting configures which "profile" dbt uses for this project.
profile: 'nyc_yellow_taxi'

# These configurations specify where dbt should look for different types of files.
# The `model-paths` config, for example, states that models in this project can be
# found in the "models/" directory. You probably won't need to change these!
model-paths: ["models"]
analysis-paths: ["analyses"]
test-paths: ["tests"]
seed-paths: ["seeds"]
macro-paths: ["macros"]
snapshot-paths: ["snapshots"]

target-path: "target"  # directory which will store compiled SQL files
clean-targets:         # directories to be removed by `dbt clean`
  - "target"
  - "dbt_packages"


# Configuring models
# Full documentation: https://docs.getdbt.com/docs/configuring-models

# In this example config, we tell dbt to build all models in the example/
# directory as views. These settings can be overridden in the individual model
# files using the `{{ config(...) }}` macro.
models:
  nyc_yellow_taxi:
  # Config indicated by + and applies to all files under models/example/
    taxi_rides:
    +materialized: view


{{ config(materialized='view')}}


with src_data as (
    select * from read_parquet('yellow_tripdata_2023-01-partial.parquet')
)

select * from source_data


nyc_yellow_taxi:
  outputs:
    dev:
      type: duckdb
      path: dbt.duckdb
  target: dev


Run the following command in the terminal after editing the profiles.yml file:
  
dbt debug


Ein Projektprofil erstellen

Willkommen zu dbt

Lerne die Funktionsweise von dbt kennen, indem du mit Datenmodellen arbeitest und SQL-basierte Modelle innerhalb von dbt erstellst. Lerne grundlegende SQL-Modelle kennen, definiere Abhängigkeiten, aktualisiere und behebe verschiedene Modellprobleme.

Dein erstes Projekt

dbt-Projekt-Workflow

Ein Projekt ausführen

Was ist ein dbt-Modell?

Merkmale eines Datenmodells

Ein dbt-Modell erstellen

Aktualisierung von dbt-Modellen

Konfigurationsdateien

Aktualisierung eines dbt-Modells

dbt-Projekte und Modelle

Lerne, wie du Jinja-Templates verwendest, um dbt-Modelle zu vereinfachen und hierarchische Abhängigkeiten mit der `ref`-Funktion zu definieren, um die korrekte Modellausführung sicherzustellen.

Erstellen und Generieren von dbt-Dokumentation

dbt docs-Befehlsoptionen

dbt-Dokumentationsablauf

Erstellen einer dbt-Dokumentation

Jinja-Vorlagen

Was kann Jinja?

Eine Jinja-Vorlage verarbeiten

Hierarchische Modelle in dbt

Hierarchische Modellerstellung

Modellhierarchien aktualisieren

Mehr zu dbt Modellen

Dieser Kurs führt dich in dbt (data build tool) ein. Es ist ein beliebtes Tool, das zur Entstehung von Analytics Engineering für die Erstellung und Wartung von extract, transform, and load (ELT) Pipelines beigetragen hat. Du lernst, Data Warehouses zu erstellen, Data Modeling und Transformationen durchzuführen und Tests zu entwerfen, um Datenvalidierungen durchzuführen. Du wirst SQL und Shell-Befehle verwenden, um mit dbt eine Vielzahl von Aufgaben auszuführen, und erkunden, wie du eine Dokumentation für die Nutzer deines Warehouses generierst!

dbt, das Data Build Tool, hat die Datenwelt im Sturm erobert. In diesem Kurs lernst du die Konzepte, Begriffe und Methoden von dbt kennen, um ein Beispiel-Data-Warehouse zu erstellen. Du lernst, was DBT ist, wann man es nutzen sollte und welche Best Practices es bei der Implementierung von Data Warehousing gibt. Du arbeitest mit echten Datensätzen und machst Extraktions-, Lade- und Transformationsvorgänge, wie sie in den Bereichen Datenanalyse, Datenengineering und Analytik-Engineering gemacht werden.

Die Lernenden werden die Fähigkeiten entwickeln, ein Data Warehouse von Grund auf zu definieren, Daten zu modellieren und zu transformieren sowie Tests zu erstellen! Dieser Kurs gibt dir eine solide Basis für deine DBT-Reise, egal welche Art von Data Warehouse du einrichten willst. Gewinne Sicherheit im Umgang mit dbt, indem du Übungen mit SQL- und shell-Befehlen machst.

Data Warehousing Concepts

Introduction to Shell

Joining Data in SQL

Dieser Kurs führt in dbt für Datenmodellierung, Transformationen, Tests und Dokumentation ein.

Dieser Kurs zeigt dir, wie du DBT für die Datenmodellierung, Transformationen, Tests und das Erstellen von Dokumentationen nutzt.

Ausführen des dbt-Befehls

Interaktive praktische Übung