前幾天我們聊的是 Develop，今天我們要暫時進入 Deploy 的部份。

在開始之前，務必把前幾天的異動提交並 merge to the main branch。

建立佈署環境

Deploy -> Environments
可以看到目前只有 Development Environment（開發環境），也就是我們在 DAY 02 所設定，從 DAY 04 到 DAY 06 使用的的 dataset: dbt_dev。

接下來我們要建立 Deployment Environment（佈署環境）。開發和佈署使用不同的 dataset，才不會讓開發的工作影響到正式的資料流程。不管在開發環境做了什麼事，都不應該破壞到正式的報表。

點選 Create Environment

• Environment name: 輸入名稱，例如：Default Production Environment。
• Environment Type: 灰掉了無法自選，因為 Development Environment 只能有一個，不能多建，所以只能是 Deployment。
• dbt Version 用系統預設帶的就可以了，不用特別選。
• Deployment Credentials: 輸入自訂的 dataset 名稱，例如 dbt_prod。
  完成後按 Save
  

建立 Job 並執行

Deploy -> Jobs
點選 Create Job

輸入 Job 名稱以及描述，例如 Default Build / Build all dbt models。

Environment 選剛剛新建的 Environment，其他都帶預設選項即可。

存檔完成後，按 Run Now。

完成後顯示綠色勾勾表示成功。

點進去可以看各個步驟的執行狀態。

第一個步驟 Clone Git Repository，每次執行 job 時，都會抓最新的版本。
在 Job 列表可以清楚看到，每一次執行時，抓了哪一版 Commit #，或點進去 debug logs 也可以看到。

再來到 BigQuery 檢查結果。
可以看到執行完 job 後，自動生成了 dataset: dbt_prod
dbt models 也在這個 dataset 底下，產生了對應的 table 或 view

今日小結＆明日預告

前幾天我們都是從 Development 開發環境執行指令。
今天我們在 Deployment 建立了正式環境，並執行了 Job。

可以在 BigQuery 看到，我們在 Development 和 Deployment 使用了不同的目標 dataset，也就是說開發環境和正式環境井水不犯河水，我們在開發時所作的任何異動，只會影響到 dataset: dbt_dev，而在正式環境跑的排程，用到的是 dataset: dbt_prod。

另外，每次正式環境執行的 job，都會到 GitHub 抓最新的 Commit #，強迫我們必須落實版控。
如果做任何異動，都必須 Commit 並 merge to main branch；任何我們 merge to main branch 的語法，每次執行 job 的時候也都會被抓進去。

過去我與 data team / data practitioners 共事的的經驗，很少有有正式環境、測試環境的區隔，也難完整落實版控，沒有上版的概念。

如果你是不懂 software development best practices 的 data practitioner，從今天開始，歡迎你正式加入 dbt 的世界，採用 dbt Cloud 這一套 deployment 流程，讓寫 SQL 也有點像個軟體工程師。

明天的主題：回到 development，為我們的 dbt 專案加入 tests，控管基本的資料品質。

參考資料

• Quickstart for dbt Cloud and BigQuery https://docs.getdbt.com/quickstarts/bigquery

歡迎加入 dbt community
對 dbt 或 data 有興趣 👋？歡迎加入 dbt community 到 #local-taipei 找我們，也有實體 Meetup 請到 dbt Taipei Meetup 報名參加