Învață cum să asiguri calitatea datelor folosind tehnici avansate de testare în dbt. Explorează teste integrate, singulare și reutilizabile pentru a valida modele, surse și seturi de date inițiale. Înțelege cum să definești teste personalizate cu Jinja, cum să depanezi erorile și cum să îți optimizezi fluxul de validare, astfel încât să identifici inconsistențele înainte ca acestea să afecteze analizele din aval.

Introducere în testarea în dbt

Opțiuni

Built-in

Nu este built-in

Teste built-in

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
  columns:
    - name: fare_amount
      tests:
        - not_null
    # Enter the name of the column
    - name: ____
    # Define the two tests
      tests:
        - ____
        - ____
            ____: [1, 2, 3, ____]


Run the following commands in the terminal:
  
dbt run
dbt test

version: 2

models:
- name: taxi_rides_raw
  columns:
    - name: fare_amount
      tests:
        - not_null
    # Enter the name of the column
    - name: payment_type
    # Define the two tests
      tests:
        - not_null
        - accepted_values:
            values: [1, 2, 3, 4, 5, 6] 


Definirea testelor pe un model

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


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

-- Add a filter / WHERE clause to the line below
select * from source_data ____


version: 2

models:
- name: taxi_rides_raw
  columns:
    - name: fare_amount
      tests:
        - not_null
    - name: payment_type
      tests:
        - not_null
        - accepted_values:
            values: [1, 2, 3, 4, 5, 6]


Run the following commands in the terminal:
  
dbt run

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


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

-- Add a filter / WHERE clause to the line below
select * from source_data where payment_type != 0


Run the following command in the terminal:
  
dbt run

Găsirea datelor incorecte

Crearea testelor singulare

Procesul de dezvoltare a unui test singular

Pașii pentru a dezvolta un test singular

select * 
from taxi_rides_raw
-- Complete the test on the following line


Run the following command in the terminal:
  
dbt test --select assert_trip_duration_gt_0.sql

select * 
from taxi_rides_raw
-- Complete the test on the following line
where tpep_pickup_datetime = tpep_dropoff_datetime


The appropriate filter has been added to assert_trip_duration_gt_0.sql

Run the following command in the terminal:
  
dbt test --select assert_trip_duration_gt_0.sql

Verificarea duratei călătoriei

Interogare de test validă

Interogare de test invalidă

Verificarea interogărilor de test

Crearea testelor personalizate reutilizabile

Reutilizabil

Singular

Testare, testare, testare

version: 2

# Replace any entry of ____ with the appropriate content
models:
- name: taxi_rides_raw
  columns:
    - name: fare_amount
      tests:
        - ____
    - name: ____
      tests:
        - check_gt_0
        


{% test ____(model, column_name) %}
select * 
from {{ model }}
where {{ column_name }} <= 0
{% endtest %}



version: 2

models:
- name: taxi_rides_raw
  columns:
    - name: fare_amount
      tests:
        - check_gt_0
    - name: total_amount
      tests:
        - check_gt_0


{% test check_gt_0(model, column_name) %}
select * 
from {{ model }}
where {{ column_name }} <= 0
{% endtest %}


- Update the check_gt_0.sql file as shown in the solution. (Note, the last character is a zero)
- Update the model_properties.yml file as shown.
- Run dbt run in the terminal window
- Run dbt test --select taxi_rides_raw or dbt test --select taxi_rides_raw.sql in the terminal window

Implementarea unui test reutilizabil

version: 2

models:
- name: taxi_rides_raw
  columns:
    - name: tpep_pickup_datetime
      tests:
        - ____:
            ____: ____


select * 
from taxi_rides_raw
where tpep_pickup_datetime = tpep_dropoff_datetime


{% test ____(model, column_name, column_name2) %}
select *
from {{ model }}
____
{% endtest %}


version: 2

models:
- name: taxi_rides_raw
  columns:
    - name: tpep_pickup_datetime
      tests:
        - columns_equal:
            column_name2: tpep_dropoff_datetime


{% test columns_equal(model, column_name, column_name2) %}
select *
from {{ model }}
where {{ column_name }} = {{ column_name2 }}
{% endtest %}


- Edit the columns_equal.sql file as shown.
- Edit the model_properties.yml file as shown.
- Run dbt run in the terminal.
- Run dbt test --select taxi_rides_raw.sql or dbt test --select taxi_rides_raw in the terminal.

Trecerea de la un test singular la un test reutilizabil

Testare și documentație

Du-ți abilitățile dbt la nivelul următor implementând fluxuri de lucru scalabile, pregătite pentru producție. Vei învăța cum să folosești sursele și seturile de date inițiale din dbt pentru a îmbunătăți trasabilitatea datelor, cum să implementezi snapshot-uri pentru urmărirea modificărilor istorice și cum să automatizezi transformările cu dbt build. La finalul cursului, vei fi pregătit să gestionezi pipeline-uri de date la scară largă cu deplină încredere.

Surse dbt

Modele, surse sau ambele?

Adăugarea unei surse

dbt seeds

Adevăruri esențiale

ZIP-ul e codul

SCD2 cu snapshot-uri dbt (varianta veche)

Procesul de snapshot

Problemă cu snapshot-ul

Adăugarea unui snapshot

Automatizare cu dbt build

Ce nu poate face dbt build?

Ajută-l pe intern!

Pune totul laolaltă

Implementarea dbt în producție

Du-ți abilitățile dbt la nivelul următor cu acest curs practic, conceput pentru ingineri de date și profesioniști în analiză. Vei explora funcționalități avansate ale dbt, inclusiv strategii personalizate de testare, teste reutilizabile, surse, seturi de date inițiale și snapshot-uri pentru urmărirea modificărilor istorice. Vei învăța cum să automatizezi pipeline-urile dbt folosind dbt build, asigurând transformări fiabile și eficiente în mediile de producție. Prin exerciții interactive și scenarii din lumea reală, vei câștiga încrederea necesară pentru a implementa dbt în fluxuri de lucru cu date la scară largă.

<h2>Stăpânește fluxurile de lucru dbt</h2>
<p>Du-ți abilitățile dbt la nivelul următor și învață cum să implementezi fluxuri de lucru robuste și scalabile de transformare a datelor într-un mediu de producție. Acest curs este conceput pentru ingineri de date, analiști și ingineri de analytics care vor să treacă dincolo de noțiunile de bază și să dobândească experiență practică cu funcționalități avansate dbt.</p>

<h2>Asigură calitatea datelor cu testare avansată</h2>
<p>Construirea unor fluxuri de date fiabile începe cu validarea. Vei explora tehnici avansate de testare pentru a depista inconsistențele datelor, vei crea teste personalizate reutilizabile pentru a standardiza validarea în toate modelele și vei aplica teste surselor și seed-urilor pentru o guvernanță mai bună și o urmărire mai eficientă a liniei de date.</p>

<h2>Valorifică dbt Sources, Seeds și Snapshots</h2>
<p>Descoperă cum sursele dbt pot îmbunătăți documentația și lineage-ul, asigurând în același timp trasabilitatea datelor brute. Învață să folosești dbt seeds pentru a gestiona eficient seturi de date mici și statice. Apoi, stăpânește dimensiunile care se schimbă lent (SCD2) cu dbt snapshots, permițându-ți să urmărești modificările istorice din data warehouse-ul tău cu efort minim.</p>

<h2>Automatizează și optimizează cu dbt Build</h2>
<p>Eficiența este esențială în mediile de producție. Vei învăța cum să eficientizezi fluxurile de lucru cu dbt build, automatizând execuția modelelor, testele și snapshot-urile pentru a asigura transformări fiabile. Prin optimizarea pipeline-ului, vei îmbunătăți performanța, mentenabilitatea și scalabilitatea proiectelor tale dbt.</p>

<h2>Aplică-ți abilitățile în scenarii din lumea reală</h2>
<p>Prin exerciții interactive și practică aplicată, îți vei consolida cunoștințele și vei căpăta încrederea de a folosi dbt în contexte reale. La finalul cursului, vei fi pregătit să proiectezi, testezi și automatizezi fluxuri de lucru dbt pregătite pentru producție, asigurând transformări de înaltă calitate și bine documentate, la scară.</p>


Introduction to dbt

Îmbunătățește-ți abilitățile dbt cu acest curs practic pentru ingineri de date și profesioniști în analiză.

dbt intermediar

Du-ți abilitățile dbt la nivelul următor cu acest curs practic, conceput pentru ingineri de date și profesioniști în analytics.

Fundamentele dbt

`SELECT * FROM taxi_rides_raw WHERE tpep_pickup_datetime = tpep_dropoff_datetime`

`SELECT * FROM taxi_rides_raw WHERE tpep_dropoff_datetime - tpep_pickup_datetime = 0`

`SELECT * FROM taxi_rides_raw WHERE tpep_dropoff_datetime - tpep_pickup_datetime >= 0`

`SELECT * FROM taxi_rides_raw WHERE tpep_dropoff_datetime > tpep_pickup_datetime`

Verificarea interogărilor de test

dbt intermediar

Exercițiu interactiv practic