在資料倉庫用dbt實踐DV

看到系列文的標題，我想選擇用dbt來做案例應該是意料中吧！雖然說DV的發明比dbt推出早了約30年，我個人認為在這個時間點上用dbt來架構DV應該是適用大部分實用案例的最佳選項。

如果有對dbt不熟悉的朋友，我建議可以看一下我鐵人賽的隊友們的發文熟悉一下dbt的使用方式。其中，我們團長Stacy寫的dbt入門系列文應該是我看過最適合新手的中文資源，有需要的朋友可以收藏點讚一下～～

為何選擇dbt

推薦大家實用dbt來做DV主要有三大理由：

1. SQL++
   從本質上來說，dbt 是一個 SQL 字串模板工具（string templating tool），而SQL是資料領域的通用語言，基本上所有的資料工具都會有某種程度的SQL介面。連主推Python Notebook + Spark的Databricks也都在這幾年也加入了SQL兼容性。所以從傳遞性質上來看，用dbt實現DV是兼容性最廣的選項。

2. DRY設計原則 + dbt 巨集（macro）
   雖然說SQL是一個相對嚴格和冗長的程式語言，通過dbt的巨集功能還是可以相對簡單的堅持DRY原則（Don't Repeat Yourself）。dbt巨集功能基本上就是Jinja模板語言（Template Language）的延伸，再加入了一些針對SQL與資料開發環境的物件介面（Object Interface）。
   之前提到過，相對一般資料倉儲項目，DV的設計雖然複雜但是高重用性與模塊化。通過巨集，你可以把絕大部分的SQL代碼都模板化，而只通過設置與參數來創建資料模型、管道。

3. dbt packages
   dbt是一個開源專案（Open Source Project），也吸引了很多不同的開發團隊來做貢獻。最近幾年dbt人氣增長後，基本上所有的基本案例都有好幾個可以直接使用的軟體包，就連相對小眾的DV都有好幾個選項！如果第一次使用DV模型的話，直接使用dbt package來做基本設置會把實踐的技術門檻降低很多。