dbt-transformation-patterns
Erstellen Sie dbt-Modelle mit bewährten Mustern
Der Aufbau zuverlässiger dbt-Transformationen kann ohne klare Struktur zeitaufwendig sein. Dieses Skill bietet geschichtete Modelmuster, Tests und inkrementelle Strategien, die Sie schnell anwenden können.
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "dbt-transformation-patterns". Create a dbt structure for Stripe and Shopify data with staging and marts.
Erwartetes Ergebnis:
- Richten Sie Staging-Modelle für Stripe-Kunden und -Zahlungen mit stg_-Präfix ein
- Fügen Sie ein Intermediate-Modell zur Aggregation von Zahlungen nach Kunden mit int_-Präfix hinzu
- Erstellen Sie Marts mit dim_customers für Dimensionen und fct_orders für Fakten
- Fügen Sie YAML-Tests für Unique und Not_Null auf Primärschlüsseln hinzu
- Konfigurieren Sie inkrementelle Verarbeitung für große Zahlungstabellen
Verwendung von "dbt-transformation-patterns". How do I test my dbt models?
Erwartetes Ergebnis:
- Fügen Sie Not_Null- und Unique-Tests auf allen Primärschlüsselspalten hinzu
- Verwenden Sie Relationships-Tests zur Validierung von Fremdschlüsselreferenzen
- Fügen Sie Accepted_Values-Tests für kategorische Spalten wie order_status hinzu
- Verwenden Sie dbt_utils.expression_is_true für Geschäftsregelvalidierung
- Konfigurieren Sie Freshness-Checks auf Source-Definitionen
Verwendung von "dbt-transformation-patterns". What are incremental models and when should I use them?
Erwartetes Ergebnis:
- Inkrementelle Modelle verarbeiten nur neue oder geänderte Daten seit der letzten Ausführung
- Verwenden Sie dies, wenn Tabellen 1 Million Zeigen überschreiten, um die Laufzeit zu reduzieren
- Konfigurieren Sie mit Unique_Key zur Identifizierung von Datensätzen und Incremental_Strategy für Update-Logik
- Verwenden Sie is_incremental()-Makro zum Filtern eingehender Daten
- Unterstützt Merge-, Delete+Insert- und Insert_Overwrite-Strategien
Sicherheitsaudit
SicherPure documentation skill containing only SQL and YAML examples for dbt patterns. The static analyzer produced false positives: YAML frontmatter markers were flagged as shell backticks, Jinja2 template syntax was flagged as command execution, and normal dbt CLI commands were flagged as reconnaissance. All findings are dismissed. No executable code, network calls, file system access, or external command execution capabilities exist.
Risikofaktoren
🌐 Netzwerkzugriff (5)
⚙️ Externe Befehle (34)
Qualitätsbewertung
Was du bauen kannst
Standardisieren Sie Modellschichten
Übernehmen Sie Staging-, Intermediate- und Marts-Muster mit konsistenter Benennung und Struktur.
Verbessern Sie die Datenqualität
Fügen Sie Source- und Model-Tests mit klarer Dokumentation für Governance hinzu.
Starten Sie ein dbt-Projekt
Richten Sie dbt_project.yml und einen klaren Ordner-Layout für Modelle ein.
Probiere diese Prompts
Erklären Sie ein einfaches Staging-, Intermediate- und Marts-Layout für mein dbt-Projekt mit Benennungsbeispielen.
Entwerfen Sie YAML-Tests und Dokumentation für ein Kunden-Dimension und Orders-Fact-Modell.
Schlagen Sie eine inkrementelle Modelkonfiguration für Zahlungen mit einem sicheren inkrementellen Filter vor.
Zeigen Sie ein Makro-Muster zur Standardisierung von Währungsumrechnung und Schema-Benennung in dbt.
Bewährte Verfahren
- Verwenden Sie eine Staging-Schicht, um Sources einmal zu bereinigen und downstream wiederzuverwenden
- Fügen Sie Not_Null- und Unique-Tests für jede Primärschlüsselspalte in Ihren Modellen hinzu
- Dokumentieren Sie Modelle und Spalten beim Erstellen mit klaren Beschreibungen
Vermeiden
- Staging überspringen und Rohdaten direkt in Marts verknüpfen erstellt nicht wartbaren Code
- Datumsangaben oder Werte hartcodieren statt Variablen für Konfiguration zu verwenden bricht Portabilität
- Logik über Modelle wiederholen statt in wiederverwendbare Makros zu extrahieren erhöht den Wartungsaufwand