先前在建置 staging 模型時,你的重點是為每個 staging 模型撰寫清楚的欄位說明。用來撰寫欄位說明的同一個 yaml 檔,還有另一個用途:加入 dbt 資料測試。
資料測試可作為防護軌,避免粒度與資料品質發生漂移,並充當預警系統。現成可用的 4 種資料測試為:unique、not_null、accepted_values 與 relationships。
unique
not_null
accepted_values
relationships
在這個練習中,你會實作其中 3 種測試。
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
從零開始實作建立一個 dbt 專案。把你載入不同型態資料進入 dbt 專案的技能用起來,並設定多種 staging 類型的 dbt 模型。本章聚焦於 ELT 流程中的 E 與 L。
深入探討 dbt 的資料建模。從前期的 staging 模型一路建立到最終的 data mart 模型,用來回應關鍵的商業需求。過程中,你也會實作資料測試,作為防護欄以避免資料品質漂移。
當前練習
學習用 Jinja 精簡你的 dbt 專案,降低重複並提升可維護性。你將練習使用變數、迴圈與巨集(macro),打造更高效的轉換流程。