dbt-codegen: dbt自动生成模板代码

dbt项目采用工程化思维，数据模型分层实现，支持描述模型文档和测试，非常适合大型数据工程项目。但也需要用户编写大量yaml描述文件，这个过程非常容易出错且无聊。主要表现：

手工为dbt模型编写yaml文件，这过程可能会导致错误和拼写失误。
手工编写yaml文件非常耗时，特别是在包括很多模型的大型项目中。
当数据模型发生变化时，更新yaml文件可能是一件令人头痛的事情。
确保所有yaml文件看起来一致，并遵循相同的最佳实践具有挑战性。

dbt-codegen简介

dbt-lab提供了 dbt-codegen工具包，实现一组宏，用于dbt代码并在命令行中输出结果。Codegen旨在为dbt模型自动生成YAML文件，解决与手动创建文件的痛点挑战。Codegen是如何解决这些问题的：

Codegen自动化YAML文件创建的整个过程。它基于dbt模型生成YAML配置，减少了手动干预的需要。这大大节省了时间，并最大限度地减少了错误的风险。
通过自动生成YAML文件，Codegen确保了所有dbt模型的一致性和标准化。它遵循预定义的规则和模板，消除了配置差异的可能性。
Codegen具有高度可扩展性，允许你有效地管理许多dbt模型。随着数据转换需求的增长，Codegen适应规模，为处理众多模型和配置提供无缝解决方案。

实现过程如下：

Codegen通过分析dbt模型并提取相关信息以生成YAML文件，过程包括：

Codegen分析dbt模型，提取列名、数据类型和关系等细节。然后基于分析结果生成YAML配置，包括模型、列和关系。
Codegen应用预定义模板，确保标准化配置和一致性，最终输出是一组可以在dbt项目中使用的YAML文件配置信息。

完整功能列表：

generate_source (source)
generate_base_model (source)
create_base_models (source)
base_model_creation (source)
generate_model_yaml (source)
generate_model_import_ctes (source)

dbt-codegen实战

我们看到该包可用于为源和模型列表生成YAML，此外还可以用于为源的基本模型生成SQL。下面介绍几个常用的代码生成功能。读者可以在上文介绍的入门项目中测试。

安装

packages:  
  - package: dbt-labs/dbt_utils    
    version: 1.3.0  

  - package: dbt-labs/codegen    
    version: 0.12.1

运行dbt deps安装包。安装成功后，包文件将被安装到dbt_packages目录下。

示例1：生成schema.yml

在命令行运行，直接输出到控制台：

dbt run-operation generate_source --args 'schema_name: shop'

# 多个参数
dbt run-operation generate_source --args '{"schema_name": "shop", "database_name": "raw", "table_names":["table_1", "table_2"]}'

也可以直接输出到文件：

dbt --quiet run-operation generate_source --args '{"table_names": ["orders"]}' > models/staging/jaffle_shop/_sources.yml

还可以编码方式执行，拷贝宏代码至DBT项目中, 因为是一次性任务，可以放置analysis 目录下, 然后编译代码：

{{ codegen.generate_source('raw_jaffle_shop') }}
# 包括多个参数
{{ codegen.generate_source(schema_name= 'jaffle_shop', database_name= 'raw') }}

生成结果大致如下：

version: 2

sources:
  - name: shop
    database: raw
    schema: shop
    tables:
      - name: customers
        description: ""
      - name: orders
        description: ""
      - name: payments
        description: ""

示例2：生成模型yaml文件

model_names (required): The model(s) you wish to generate YAML for.
upstream_descriptions (optional, default=False): Whether you want to include descriptions for identical column names from upstream models and sources.
include_data_types (optional, default=True): Whether you want to add data types to your model column definitions.

dbt run-operation generate_model_yaml --args '{"model_names": ["customers"]}'

生成结果：

version: 2

models:
  - name: customers
    description: ""
    columns:
      - name: customer_id
        data_type: integer
        description: ""
      - name: customer_name
        data_type: text
        description: ""

当然也可以在analyse模型中编码方式生成：

{{ codegen.generate_model_yaml(
    model_names=['customers']
) }}

还可以使用辅助函数代码。Get_models并指定一个目录和/或前缀，以获得所有匹配模型的列表，这些模型将被传递到model_names列表中。

{% set models_to_generate = codegen.get_models(directory='marts', prefix='fct_') %}
{{ codegen.generate_model_yaml(
    model_names = models_to_generate
) }}

助手方法可以在源码中找到，请参考下面截图：
在这里插入图片描述