# Лучшие практики

## Собираем всё вместе

* 📊 Мы пошагово рассмотрели **создание семантических моделей и метрик** для базового покрытия ключевой области бизнеса.
* 🔁 При этом мы разобрали, как **рефакторить «замороженный» rollup**, превратив его в динамичное и гибкое решение в Semantic Layer.

## Лучшие практики

* ✅ **Отдавайте предпочтение нормализации**, когда это возможно, чтобы MetricFlow мог динамически денормализовывать данные для конечных пользователей.
* ✅ Используйте **marts для денормализации** при необходимости — например, для группировки таблиц в более богатые компоненты или для получения мер на размерностных таблицах, связанных с таблицей с временной осью (time spine).
* ✅ Когда исходные данные **хорошо нормализованы**, вы можете **строить семантические модели поверх staging-моделей**.
* ✅ **Предпочитайте** вычисление значений в **measures и metrics**, когда это возможно, вместо использования зафиксированных агрегатов (frozen rollups).
* ❌ **Не рефакторите напрямую код, который уже находится в продакшене**: стройте решения параллельно, чтобы можно было проаудировать вывод Semantic Layer и аккуратно вывести из эксплуатации старые marts.

## Ключевые команды

* 🔑 Используйте `dbt parse` для генерации свежего семантического манифеста.
* 🔑 Используйте `dbt sl list dimensions --metrics [metric name]`, чтобы проверить, увеличиваете ли вы размерность по мере продвижения.
* 🔑 Используйте `dbt sl query [query options]`, чтобы предварительно просмотреть вывод ваших метрик в процессе разработки.

## Следующие шаги

* 🗺️ Используйте эти лучшие практики, чтобы спланировать поэтапное внедрение **Semantic Layer** в вашей команде.
* 🤗 Присоединяйтесь к сообществу и задавайте вопросы, **помогайте формировать лучшие практики** и делитесь своим прогрессом в построении Semantic Layer.
* [Валидируйте semantic nodes в CI](https://docs.getdbt.tech/docs/deploy/ci-jobs.md#semantic-validations-in-ci), чтобы убедиться, что изменения кода в моделях dbt не ломают эти метрики.

Semantic Layer — это самый значительный сдвиг парадигмы за всё время существования относительно молодой практики аналитической инженерии. Он готов приносить ценность сразу, но наибольший эффект достигается, если вы будете двигать свой проект в сторону большей нормализации и позволите MetricFlow выполнять денормализацию за вас, обеспечивая максимальную размерность.

В ближайшее время мы опубликуем больше материалов о внедрении Semantic Layer в dbt с различными интегрированными BI-инструментами. Это только начало, и мы надеемся, что это руководство помогло вам наметить путь к созданию вашей платформы данных в эту новую эпоху. Дополнительную информацию см. в разделе [Часто задаваемые вопросы о Semantic Layer](https://docs.getdbt.tech/docs/use-dbt-semantic-layer/sl-faqs.md).
