dbt seed 命令及应用示例

DBT-core是一个命令行工具，它使数据分析师和工程师能够更有效地转换仓库中的数据。dbt的一个强大特性是seed命令，它可以将CSV文件(称为"seed")加载到数据仓库中。本教程将带你完成使用dbt seed命令的过程。

在dbt中，seed是可以加载到数据仓库中的CSV文件。它们对于处理不经常更改的静态数据特别有用。例如，您可能有一个CSV文件，其中包含国家代码列表及其对应的国家名称。这些数据可以作为seed加载到仓库中，并在dbt模型中引用。

dbt seed 应用场景

代码映射

正如我们在前节描述的，我们可以使用seed将产品代码映射到产品名称。这可以扩展到任何需要将代码映射到更具描述性名称的场景。例如，你可以利用seed将错误代码映射到错误描述，或将缩写映射到它们的完整形式。

排除部分分析数据

假设有一些测试电子邮件地址或用户id列表，您希望将其从分析中排除。首先提供这些电子邮件地址或用户id创建一个seed，然后使用dbt seed命令将此数据加载到仓库中。在dbt模型中，您可以从分析中排除这些测试电子邮件地址或用户id。

载入少量数据集

如果您有不经常更改的小型参考数据集，那么通过seed加载到仓库中，可能比source表方式加载更有效。举例，你可能要在dbt模型中使用的关于汇率小数据集，直接保存在CSV文件中，利用seed命令加载效率更高。

数据验证

您可以使用seed来验证仓库中的数据。例如，您可能有seed数据，其中包含某个计算的预期结果。然后，您可以创建一个dbt测试，将仓库中的实际结果与种子中的预期结果进行比较。

机器学习模型测试

如果你是数据科学家或机器学习工程师，可以使用seed将测试数据加载到仓库中。然后，您可以使用这些测试数据来评估机器学习模型的性能。

dbt seed 示例实战

让我们创建一个用作种子的CSV文件。在本教程中，我们将使用一个简单的CSV文件，其中包含产品代码及其对应的产品名称。将以下数据保存在名为"product_codes.csv"的文件中:

复制代码

product_code,product_name
PRD01,Apple iPhone 13
PRD02,Samsung Galaxy S21
PRD03,Google Pixel 6

将该文件放在dbt项目的seed文件夹中。

载入数据仓库

通过下面命令，加载seed数据到数据仓库：

复制代码

$ dbt seed

该命令将把seeds目录中的所有CSV文件加载到数据仓库中。如果要加载特定的seed文件，可以使用--select标志，后跟seed文件名称(不带.csv扩展名)。例如:

复制代码

$ dbt seed --select product_codes

引用seed数据

一旦将seed数据加载到数据仓库中，就可以使用ref函数在dbt模型中引用它。例如，如果你有一个需要与product_codesseed连接的模型，你可以这样做:

sql 复制代码

select    
  orders.*,    
  product_codes.product_name
from {{ ref('orders') }} as orders
left join {{ ref('product_codes') }} as product_codes
     on orders.product_code = product_codes.product_code

配置测试

您可以在**dbt_project.yml**文件中配置seed。例如，您可以指定应该加载seed数据的目标schema。您还可以通过在YAML中声明属性增加文档描述和测试seed。下面示例是给seed增加描述信息，可以添加测试，在文档职工生成更多描述信息。详细配置可参考官方文档。

seeds/<filename>.yml

yaml 复制代码

version: 2

seeds:
  - name: <string>
    description: <markdown_string>
    docs:
      show: true | false
      node_color: <color_id> # Use name (such as node_color: purple) or hex code with quotes (such as node_color: "#cd7f32")
    config:
      <seed_config>: <config_value>
    tests:
      - <test>
      - ... # declare additional tests
    columns:
      - name: <column name>
        description: <markdown_string>
        meta: {<dictionary>}
        quote: true | false
        tags: [<string>]
        tests:
          - <test>
          - ... # declare additional tests

      - name: ... # declare properties of additional columns

  - name: ... # declare properties of additional seeds

总结

dbt seed命令是将静态数据加载到数据仓库中的强大工具。通过使用seed可以在dbt中保持转换逻辑，确保数据转换是一致的、版本控制的和代码可审查的。期待您的真诚反馈，更多内容请阅读数据分析工程专栏。