Learn about the reasons behind dbt's existence and how it's used to create data transformation projects.

Dasar-dasar dbt

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

Run the following command in the terminal area:
  
dbt

Menjalankan perintah dbt

Pengenalan dbt

Versi dbt

Mendapatkan bantuan

Opsi

Kemungkinan menggunakan dbt

Kemungkinan tidak menggunakan dbt

Pengguna dbt

Membuat proyek dbt

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


Menginisialisasi proyek dbt

# 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


Membuat profil proyek

Welcome to dbt

Get into the true substance of dbt by working with data models and creating SQL based models within dbt. Learn about basic SQL models, define dependencies, update, and troubleshoot various model issues. 

Working with a first project

dbt project workflow

Running a project

What is a dbt model?

Features of a data model

Creating a dbt model

Updating dbt models

Config files

Updating a dbt model

dbt projects and models

Learn how to use Jinja templates to simplify dbt models and define hierarchical dependencies with the `ref` function to ensure correct model execution.

Creating and generating dbt documentation

dbt docs Command Options

dbt documentation flow

Creating dbt documentation

Jinja templates

What can Jinja do?

Process a Jinja template

Hierarchical models in dbt

Hierarchical model creation

Updating model hierarchies

More on dbt models

Kursus ini memperkenalkan Anda pada dbt (data build tool), sebuah alat populer yang memunculkan analytics engineering untuk pembuatan dan pemeliharaan pipeline extract, transform, and load (ELT). Anda akan mempelajari cara membangun gudang data, melakukan pemodelan dan transformasi data, serta merancang pengujian untuk melakukan validasi data. Anda akan menggunakan SQL dan perintah shell untuk menjalankan berbagai tugas dengan dbt, sekaligus mempelajari cara menghasilkan dokumentasi bagi pengguna gudang data Anda!

dbt, atau alat pembangunan data, telah mengguncang dunia data. Kursus ini memperkenalkan Anda pada konsep, istilah, dan metode penggunaan dbt untuk mengimplementasikan contoh data warehouse. Anda akan memahami apa itu dbt, kapan sebaiknya digunakan, dan praktik terbaik dalam implementasi data warehousing. Anda akan bekerja dengan dataset nyata dan melakukan operasi ekstraksi, pemuatan, dan transformasi yang diterapkan dalam peran analis data, insinyur data, dan insinyur analitik.

Peserta didik akan mengembangkan keterampilan untuk merancang data warehouse dari awal, memodelkan dan mentransformasi data, serta membangun tes! Kursus ini akan memberikan Anda dasar yang kokoh untuk dikembangkan dalam perjalanan DBT Anda, terlepas dari jenis data warehouse yang Anda rencanakan untuk diimplementasikan. Dapatkan kepercayaan diri dalam memahami cara dan waktu yang tepat untuk menggunakan dbt dengan mengerjakan latihan menggunakan SQL dan perintah shell.

Data Warehousing Concepts

Introduction to Shell

Joining Data in SQL

Kursus ini memperkenalkan dbt untuk pemodelan data, transformasi, pengujian, dan pembuatan dokumentasi.

Pengguna dbt

Pengantar dbt

Latihan interaktif praktis