# Лучшие практики материализаций

Что *действительно* происходит, когда вы вводите `dbt build`? Вопреки распространенному мнению, команда микроскопических эльфов данных *не* строит ваши данные строка за строкой, хотя правда кажется не менее волшебной. Это руководство исследует реальный ответ на этот вопрос, с вводным взглядом на объекты, которые создаются в вашем хранилище, почему они важны и как dbt знает, что строить.

Учитесь с помощью видео!

Чтобы посмотреть видеоуроки по теме Snapshots, перейдите в dbt Learn и ознакомьтесь с курсом [Snapshots](https://learn.getdbt.com/courses/snapshots).

Конфигурации, которые указывают dbt, как создавать эти объекты, называются *materializations*. Понимание того, как с ними работать, — это ключевой навык для эффективной аналитической инженерии. Завершив это руководство, вы научитесь использовать три основные materialization, которые покрывают большинство типовых сценариев в аналитической инженерии.

к сведению

😌 **Материализации абстрагируют DDL и DML**. Обычно в сыром SQL- или python-основанном [преобразовании данных](https://www.getdbt.com/analytics-engineering/transformation/) вам нужно писать конкретные императивные инструкции о том, как строить или изменять ваши объекты данных. Материализации dbt делают это декларативным: мы указываем dbt, как мы хотим, чтобы вещи были построены, и он сам определяет, как это сделать, учитывая уникальные условия и качества нашего хранилища.

### Цели обучения

К концу этого руководства вы должны иметь четкое понимание:

* 🛠️ что такое **материализации**
* 👨‍👨‍👧 как три основные материализации, поставляемые с dbt — **table**, **view** и **incremental** — различаются
* 🗺️ **когда** и **где** использовать конкретные материализации для оптимизации ваших разработок и производственных сборок
* ⚙️ как **настраивать материализации** на различных уровнях, от отдельной модели до целой папки

### Предварительные требования

* 📒 Вам нужно будет пройти [руководство по быстрому старту](https://docs.getdbt.tech/guides.md) и иметь проект, чтобы проработать эти концепции.
* 🏃🏻‍♀️ Концепции, такие как запуски dbt, операторы `ref()` и модели, должны быть вам знакомы.
* 🔧 \[**Опционально**] Чтение [Как мы структурируем наши проекты dbt](https://docs.getdbt.tech/best-practices/how-we-structure/1-guide-overview.md) будет полезно для последнего раздела этого руководства, когда мы рассмотрим лучшие практики для материализаций, используя подход dbt к этапам моделей и витрин.

### Основной принцип

Мы будем подробно исследовать это на протяжении всего руководства, но основное правило — **начинайте с самого простого**. Мы будем следовать многоуровневому подходу, переходя на следующий уровень только тогда, когда это необходимо.

* 🔍 **Начните с представления (view).** Когда представление становится слишком длинным для *запроса* конечными пользователями,
* ⚒️ **Сделайте его таблицей (table).** Когда таблица становится слишком длинной для *построения* в ваших dbt Jobs,
* 📚 **Стройте его инкрементально (incremental).** То есть добавляйте данные по частям по мере их поступления.
