dbt表覆盖率指标

问题描述

鉴于我有一个数据仓库，其中的数据表是由dbt从各种来源创建的，因此我想测量一个概念，例如'dbt table coverage'，我将其定义为：

dtc = count(tables and views that exist) / count(non ephemeral models and sources)

这对于保持质量/完整性感非常有用，尤其是在过渡项目期间。是否有像这样的dbt命令：

dbt report table-coverage --schemas=['reporting','example']
>>> 96% coverage,48/50 tables in the schemas provided are captured in dbt.

如果没有，我们如何将其添加到项目中？！

我可以采取哪些替代方法来解决问题

解决方法

为此，我可能会创建一个查询information_schema的模型（视图），并对{sourceTableName}到stg_{sourceTableName}的一对一映射做一些假设（假设这意味着您需要覆盖）。

另外，我将研究使用graph.sources.values() JINJA函数来遍历项目中所有已记录的源代码，然后将其与{target.schema}中的每个模型进行比较

https://docs.getdbt.com/reference/dbt-jinja-functions/graph#accessing-sources

如果您要比较source.schema.yml和source.information_schema的存在。我将改变考虑将图形中的每个项目与源数据库中的information_schema中的项目总数进行映射的方法。

在这里有一些想法，因为这对我目前的情况也很有趣：

dbt不会提供查询输出或将结果返回到命令行。（据我所知！）因此，如果这1个天生不支持此功能。即dbt report或dbt query尚不存在。如果需要的话，建议您在此处构建功能请求： https://github.com/fishtown-analytics/dbt/issues

如果您可以在dbt中创建模型，然后仅通过选择的客户端执行该模型，那么让我们来看看。（我使用的是postgres，因此请相应地进行转换）

WITH schema_map as
   (select schemaname as schema,tablename as name,'Table' as Type,CASE WHEN schemaname like '%dbt%' THEN 1
     ELSE 0 END as dbt_created
    from pg_tables
WHERE NOT schemaname = ANY('{information_schema,pg_catalog}')
UNION
select schemaname as schema,viewname as name,'View' as Type,CASE WHEN schemaname like '%dbt%' THEN 1
         ELSE 0 END as dbt_created
    from pg_views
 WHERE NOT schemaname = ANY('{information_schema,pg_catalog}') )
 SELECT count(name) as total_tables_and_views,sum(dbt_created) as dbt_created,to_char((sum(dbt_created)::dec/count(name)::dec)*100,'999D99%') as dbt_coverage
 FROM schema_map

给出结果：

total_tables_and_views | dbt_created | dbt_coverage
391                    |292          |  74.68%

只需回馈社区，并感谢Jordan和Gscott的启发。我为SQL Server / Synapse执行的解决方案是：

每天执行一次INFORMATION_SCHEMA.TABLES和dbt图中的模型计数作为一个表。
建立在1上的增量表，用于选择感兴趣的模式并进行聚合。在下面的例子中，我过滤了阶段和测试。

DbtModelCounts：


{% set models = [] -%}

{% if execute %}
  {% for node in graph.nodes.values()
    | selectattr("resource_type","equalto","model")
    %}
        {%- do models.append(node.name) -%}

  {% endfor %}
{% endif %}

with tables AS
(
SELECT table_catalog [db],table_schema [schema_name],table_name [name],table_type [type]
FROM INFORMATION_SCHEMA.TABLES
),dbt_tables AS
(
SELECT *
FROM tables
WHERE name in (
    {%- for model in models %}
    ('{{ model}}') 
    {% if not loop.last %},{% endif %}
    {% endfor %}
    )
)
SELECT
    tables.db,tables.schema_name,tables.type,COUNT(tables.name) ModelCount,COUNT(dbt_tables.name) DbtModelCount
FROM tables
LEFT JOIN dbt_tables ON
    tables.name=dbt_tables.name AND
    tables.schema_name = dbt_tables.schema_name AND
    tables.db = dbt_tables.db AND 
    tables.type = dbt_tables.type
GROUP BY
    tables.db,tables.type

Dbt承保范围：

{{
  config(
    materialized='incremental',unique_key='DateCreated'
  )
}}
SELECT 
    CAST(GETDATE() AS DATE) AS DateCreated,GETDATE() AS DateTimeCreatedUTC,SUM(DbtModelCount) AS DbtModelCount,SUM(ModelCount) AS TotalModels,SUM(DbtModelCount)*100.0/SUM(ModelCount) as DbtCoveragePercentage
FROM {{ref('DbtModelCounts')}}
WHERE schema_name NOT LIKE 'testing%' AND schema_name NOT LIKE 'staging%'

要做的是，为已定义的源添加逻辑，以计算映射到我的登台表或原始模式表的源的百分比。

data-warehouse dbt