dbtが生まれた背景と、どのようにデータ変換プロジェクトの構築に使われているかを学びます。

dbtの基礎

dbt コマンドを実行する

dbt の紹介

dbt のバージョン

ヘルプを表示する

dbt のユーザー

dbtプロジェクトを作成する

dbt プロジェクトの初期化

プロジェクトプロファイルを作成する

dbtへようこそ

dbtの本質に踏み込み、データモデルを扱い、dbt内でSQLベースのモデルを作成します。基本的なSQLモデル、依存関係の定義、更新、そしてモデルに関するさまざまな問題のトラブルシューティングについて学びます。

最初のプロジェクトに取り組む

dbt プロジェクトのワークフロー

プロジェクトを実行する

dbtモデルとは何でしょうか？

データモデルの特徴

dbtモデルを作成する

dbtモデルの更新

設定ファイル

dbtモデルを更新する

dbtのプロジェクトとモデル

Jinjaテンプレートを使ってdbtモデルを簡潔にし、`ref` 関数で階層的な依存関係を定義して、正しい順序でモデルが実行されるようにする方法を学びます。

dbtドキュメントの作成と生成

dbt docs のコマンドオプション

dbt ドキュメントのプロセス

dbt のドキュメントフロー

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

select * from source_data


version: 2

models:
  - name: taxi_rides_raw
    description: ____
    access: public


Run the following commands in the terminal:

dbt docs generate
dbt docs serve

version: 2

models:
  - name: taxi_rides_raw
    description: Initial import of the NYC Yellow Taxi trip data from Parquet source
    access: public


dbt ドキュメントの作成

Jinja テンプレート

Jinjaで何ができますか？


# 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: 'nyc_yellow_taxi'
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
    



select * from 'yellow_tripdata_2023-01-partial.parquet'



select
{% for column_name in ['fare_amount', 'tip_amount', 'tolls_amount', 'total_amount'] %}
  {{column_name}}{% if not loop.last %},{% endif %}
{% endfor %}
from taxi_rides_raw
   

Run the following commands in the terminal:
  
  dbt run
  

Jinja テンプレートを処理する

dbt における階層型モデル

モデル作成の順序

階層的なモデル作成


-- Update SQL to use Jinja reference
select 
   date_part('day', tpep_pickup_datetime) as day,
   count(*) as total_riders
-- Update the line below to use a Jinja function
from taxi_rides_raw
where payment_type = 1
group by day


#!/usr/bin/env python3
import duckdb
con = duckdb.connect('dbt.duckdb', read_only=True)
print(con.sql('select * from creditcard_riders_by_day'))
if (con.execute('select * from creditcard_riders_by_day').fetchall()[0][1] == 54743):
  with open('/home/repl/workspace/successful_data_check', 'w') as f:
    f.write('54743')
    


Run the following commands in the terminal:
dbt run
dbt run -f



# 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: 'nyc_yellow_taxi'
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



-- Update SQL to use Jinja reference
select 
   date_part('day', tpep_pickup_datetime) as day,
   count(*) as total_riders
-- Update the line below to use a Jinja function
from {{ ref('taxi_rides_raw') }}
where payment_type = 1
group by day


モデル階層の更新

dbtモデルをさらに深く

このコースでは、ELT（抽出・変換・ロード）パイプラインの構築と運用からアナリティクスエンジニアリングの流れを生んだ人気ツール、dbt（data build tool）を紹介します。データウェアハウスの構築、データモデリングと変換、データ検証のためのテスト設計を学びます。dbtでさまざまな作業を行うためにSQLとシェルコマンドを使い、ウェアハウスの利用者向けドキュメントを生成する方法も身につけます。

dbt（データ構築ツール）は、データ業界に旋風を巻き起こしています。本コースでは、dbtを使用してサンプルデータウェアハウスを実装するための概念、用語、および手法についてご説明いたします。データウェアハウジングを実装する際に、DBT（データブートストラップ・テスト）とは何か、いつ使用すべきか、そしてベストプラクティスについてご理解いただけます。実際のデータセットを扱い、データアナリスト、データエンジニアリング、アナリティクスエンジニアリングの役割において実施される抽出、ロード、変換（ELT）操作を実行していただきます。

学習者は、データウェアハウスを一から定義し、データをモデル化および変換し、テストを構築するスキルを身につけます。このコースでは、導入を予定されているデータウェアハウスの種類に関わらず、DBTの学習において確固たる基礎を築くための基盤を提供いたします。SQLおよびシェルコマンドを用いた演習を通じて、dbtの使用方法や適切なタイミングについて確信を持てるようになります。

Data Warehousing Concepts

Introduction to Shell

Joining Data in SQL

このコースは、データモデリング、変換、テスト、ドキュメント作成のためのdbtを紹介します。

dbt入門

本コースでは、データモデリング、変換、テスト、およびドキュメント作成のためのdbtについてご説明いたします。

プロフェッショナルデータエンジニア Pythonで

モデル、テストなどにドキュメントを追加する

`dbt run` を使ってモデルを生成する

`dbt docs generate` を使ってドキュメントファイルを生成する

コンテンツをホスティングサービスにコピーする

Web ブラウザからドキュメントにアクセスする

dbt のドキュメントフロー

dbt入門

実践的なインタラクティブ演習