dbt-core项目中快照功能的目标模式改进方案
2025-05-22 15:40:20作者:丁柯新Fawn
在dbt-core项目中,快照(snapshot)功能长期以来存在一个设计限制:它强制要求用户显式设置target_schema
和target_database
配置项,而不像其他资源类型(如模型、种子等)那样遵循generate_schema_name
和generate_database_name
宏的生成规则。
当前问题分析
快照功能的这一设计源于dbt早期版本(0.5.1)的实现,当时还没有引入延迟执行(deferral)和克隆(clone)功能。这种设计导致在不同环境(开发、CI、生产等)中运行dbt snapshot
时,快照总是会被构建到相同的表中,给测试现有快照变更或开发新快照带来了不便。
社区用户已经找到了一些变通方案,比如:
- 直接使用目标环境的数据库和模式名称
- 手动调用
generate_schema_name
宏来生成模式名称
但这些方案都需要额外的配置工作,不够直观和统一。
改进方案设计
为了解决这一问题,我们计划对快照功能进行以下改进:
- 使
target_schema
和target_database
配置项变为可选参数 - 当这些参数未设置时,默认使用
generate_schema_name
和generate_database_name
宏 - 新增
schema
和database
配置项,与其他资源类型保持一致 - 保持对旧有配置名称的兼容性
技术实现考量
这一改进需要特别注意向后兼容性。现有的快照定义如果已经使用了target_schema
和target_database
配置,应该继续正常工作。同时,新的配置方式应该与其他资源类型保持一致,降低用户的学习成本。
在实现上,我们需要:
- 修改快照解析逻辑,优先使用新的
schema
/database
配置 - 如果没有新配置,则回退到旧的
target_schema
/target_database
配置 - 如果新旧配置都没有,则使用
generate_x_name
宏生成名称
对用户的影响
这一改进将带来以下好处:
- 快照开发体验与其他资源类型更加一致
- 在不同环境中测试快照变更更加方便
- 减少了样板配置代码
- 更好地支持CI/CD流程中的快照测试
用户迁移到新版本时,可以逐步将现有的target_schema
/target_database
配置替换为新的schema
/database
配置,或者直接删除这些配置以使用自动生成的名称。
这一改进体现了dbt-core项目持续优化用户体验和功能一致性的设计理念,将使快照功能更加灵活和易用。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0118AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
225
2.27 K

React Native鸿蒙化仓库
JavaScript
211
287

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

暂无简介
Dart
526
116

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
987
583

openGauss kernel ~ openGauss is an open source relational database management system
C++
148
197

GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
45
0

ArkUI-X adaptation to Android | ArkUI-X支持Android平台的适配层
C++
39
55

ArkUI-X adaptation to iOS | ArkUI-X支持iOS平台的适配层
Objective-C++
19
44