今さら聞けないdbtの基本LT ちゅらデータ株式会社 シニアデータエンジニア 田代 学 © 2024 Chura DATA inc. PROPRIETARY & CONFIDENTIAL.

AGENDA • dbtってなんぞや？ • dbtってなんでみんな使ってるの？ • dbt Coreとdbt Cloud • dbt の代表的なコマンド

自己紹介 • 田代 学（たしろ がく） • 49歳 • ‘74年産寅年 埼玉県川越市在住 • ちゅらデータ株式会社在籍（本社沖縄・フルリモート勤務、月イチ出社） • シニアデータエンジニア • データエンジニアギルドマスター • 略歴 • シャープ株式会社に新卒入社、ケータイ向けメルマガサービスなど開発運用 • 株式会社サイバーエージェントで主にサーバサイドエンジニアとして従事 • 2022年9月にちゅらデータ株式会社にJOIN

dbtってなんぞや

dbt＝data build tool • Extract ：データソース（基幹システム、ユーザ行動データ）から抽出 • Load：データをWH等へ投入 • Transform：データの変換・データモデリング dbtはELT（Extract、Load、Trasform）のTを担当するツールです

以前はETL、今はELT • 昔はWH製品がめちゃ高かった • なので、入れるデータ量を絞るために、T（変換）してからL（投入）してた • ELTの利点 • 抽出（E）が単純→全量取り込みでいい！ • データマートなどで問題が発生した際に、原因切り分けがやりやすい • ETLの場合、T（変換）してWHに入ってくるので、Tで問題が出たら・・・・ • わかるかボケェぇぇぇぇ • データソースの担当者に聞きにいかねばならない WH製品、Storageのコストが激下がりしたのが大きい

dbtってなんでみんな使ってるの？

ソフトウェア・エンジニアリングの叡智が使える • dbt導入前 • SQLの中の定形ロジックが、コピペで色んなところに散在・・・・ • dbt導入後 • 一箇所にまとめられる（マクロ） • Git管理できる • CI/CDが容易 • リリースサイクルが爆速になる • 問題が起きても、解決までの時間が短縮できる ロジックが使い回せる（重複排除）

順序を考えなくていい • dbt導入前 • SQLの実行順を考えて、スケジューリング（cron）を決めねば・・・ • dbt導入後 • DAG、順番を勝手に考慮してくれます DAG（有向非巡回グラフ）

リネージがかってに生成される データの上流→下流で、どのデータがどこに行くかが表現できる

dbtの根幹：ref, source select * from {{ source(‘staging’, ‘employees’) }} source : データの源泉 ref : dbtのモデル名（テーブル名） with customers as ( select * from {{ ref('stg_customers') }} ), orders as ( select * from {{ ref('stg_orders') }} ), ... この仕組みのお陰で、 DAG（順番期にしなくていい）、リネージ が実現できている

テストがやりやすい① • データ品質テスト • Singular Test : 起きないはずのSELECTを書く、adhocなSELECT • Generic Test：はじめから用意されてる規定のテスト • unique, not_null, accepted_values, relationship 【運用】データ品質テストがやりやすい

テストがやりやすい② • ロジックテスト • v.1.8 でdbt Coreへ導入予定 • datamocktool • dbt-unit-testing • DATUM STUDIO謹製の単体テストライブラリあり • in のcsv と outのcsv を定義してseedで取込み、変換後正しいか差分比較する 【開発】ユニット（ロジック）テストがやりやすい

ライブラリが豊富、エコシステムが素敵 • dbt_utils • codegen • dbt_project_evaluator • dbt_expectations • elementary • dbt-unit-testing, dbt_datamocktool コミュニティが活発で、日々便利なライブラリが。大体あります

採用も容易？！ • 一旦、dbtの仕組みを作ってしまえば・・・・・ • SQL（もっというとSELECT句）が書ければいける！ • CREATE TABLEとかしなくていい • マートを作ったりするのに • データエンジニアではなく • データアナリスト（SQLがかける）でもデキる • → 単価も抑えられる データアナリストでも（？）データパイプライン作れる

dbtCoreとdbtCloud

dbtCore(OSS)とdbtCloud(SaaS) • OSS版のdbtCore • エンプラ系でセキュリティ要件（PrivateLinkではないとだめ）みたいなの • 実行環境は自前で • SaaS版のdbtCloud • マネージド • 実行環境もすでにある • git連携が容易 ※dbtCore と dbtCloudのハイブリッドもあり dbtには2種類あります

dbt の代表的なコマンド

run, test, docs, seed, snapshot • run : モデル（テーブル）を作ります • test : データ品質テストをやります • docs : ドキュメントを生成してくれます • seed : csvなどを取り込みます • snapshot : データの断面取ってくれます もっといっぱいあります、代表的なものだけピックアップ

まとめ

dbtをもっと使おう！ • データ界隈では、すでにデファクト • 開発のアジリティが爆上がり • CI/CDも容易なので、どんどん開発できる、修正できる、品質が上がる！