Перейти к основному содержимому

Добавление снапшотов в ваш DAG

Учитесь с помощью видео!
Чтобы посмотреть видеоуроки по теме Snapshots, перейдите в dbt Learn и ознакомьтесь с курсом Snapshots.

Что такое снимки?​

Аналитикам часто нужно "оглядываться назад" на предыдущие состояния данных в изменяемых таблицах. Хотя некоторые системы исходных данных построены таким образом, что доступ к историческим данным возможен, это не всегда так. dbt предоставляет механизм, снимки, который фиксирует изменения в изменяемой таблица с течением времени.

Снимки реализуют тип-2 медленно изменяющихся измерений в изменяемых исходных таблицах. Эти медленно изменяющиеся измерения (или SCD) определяют, как строка в таблице изменяется с течением времени. Представьте, что у вас есть таблица orders, где поле status может быть перезаписано по мере обработки заказа.

idstatusupdated_at
1pending2024-01-01

Теперь представьте, что заказ переходит из состояния "pending" в "shipped". Эта же запись теперь будет выглядеть так:

idstatusupdated_at
1shipped2024-01-02

Этот заказ теперь в состоянии "shipped", но мы потеряли информацию о том, когда заказ в последний раз находился в состоянии "pending". Это затрудняет (или делает невозможным) анализ того, сколько времени потребовалось для отправки заказа. dbt может "сделать снимок" этих изменений, чтобы помочь вам понять, как значения в строке изменяются с течением времени. Вот пример таблицы снимков для предыдущего примера:

idstatusupdated_atdbt_valid_fromdbt_valid_to
1pending2024-01-012024-01-012024-01-02
1shipped2024-01-022024-01-02null

Конфигурирование снимков​

(Версии dbt: v1.9 и новее)

Настраивайте свои snapshots в YAML-файлах, чтобы указать dbt, как обнаруживать изменения записей. Определяйте конфигурации snapshots в YAML-файлах рядом с вашими моделями — это обеспечивает более чистую, быструю и согласованную настройку. Размещайте YAML-файлы snapshots в директории models или в директории snapshots.

snapshots/orders_snapshot.yml
snapshots:
- name: string
relation: relation # source('my_source', 'my_table') или ref('my_model')
description: markdown_string
config:
database: string
schema: string
alias: string
strategy: timestamp | check
unique_key: column_name_or_expression
check_cols: [column_name] | all
updated_at: column_name
snapshot_meta_column_names: dictionary
dbt_valid_to_current: string
hard_deletes: ignore | invalidate | new_record

Следующая таблица описывает доступные конфигурации для снимков:

КонфигурацияОписаниеОбязательно?Пример
databaseУказать пользовательскую базу данных для snapshotNoanalytics
schemaУказать пользовательскую схему для snapshotNosnapshots
aliasУказать алиас для snapshotNoyour_custom_snapshot
strategyСтратегия snapshot, которую следует использовать. Допустимые значения: timestamp или checkYestimestamp
unique_keyКолонка(и) первичный ключ (строка или массив) либо выражение, которое однозначно идентифицирует записьYesid или [order_id, product_id]
check_colsПри использовании стратегии check — колонки, которые нужно проверятьТолько для стратегии check["status"]
updated_atКолонка в результатах snapshot‑запроса, которая указывает, когда каждая запись была обновлена в последний раз. Используется в стратегии timestamp. В зависимости от используемой платформы данных может поддерживать строки с датами в формате ISO и целочисленные значения unix epoch.Только для стратегии timestampupdated_at
dbt_valid_to_currentЗадать пользовательское значение для поля dbt_valid_to в актуальных записях snapshot (например, дату в будущем). По умолчанию это значение равно NULL. Если настройка задана, dbt будет использовать указанное значение вместо NULL для dbt_valid_to у текущих записей в таблице snapshot.Nostring
snapshot_meta_column_namesНастроить имена мета‑полей snapshotNodictionary
hard_deletesУказать, как обрабатывать удалённые строки из источника. Поддерживаемые варианты: ignore (по умолчанию), invalidate (заменяет устаревший invalidate_hard_deletes=true) и new_record.Nostring
  • В v1.9 параметр target_schema стал необязательным, что позволяет снимкам учитывать окружение. По умолчанию, если target_schema и target_database не заданы, снимки теперь используют макросы generate_schema_name или generate_database_name, чтобы определить, где их создавать.
  • Разработчики по-прежнему могут задать собственное расположение с помощью конфигураций schema и database, как и для других типов ресурсов.
  • Также поддерживается ряд других конфигураций (например, tags и post-hook). Полный список см. в разделе Конфигурации снимков.
  • Снимки можно настраивать как в файле dbt_project.yml, так и в блоке config. Подробнее см. в документации по конфигурациям.
  • Начиная с dbt v1.12, вы можете просмотреть SQL, сгенерированный для снимков, выполнив команду dbt compile. Скомпилированные SQL-файлы находятся в каталоге target/compiled/ вашего проекта dbt.

Чтобы добавить снимок в ваш проект, выполните следующие шаги. Для пользователей версий 1.8 и ранее обратитесь к Настройка снимков в версиях 1.8 и ранее.

Чтобы добавить снимок в проект, выполните следующие шаги. Для dbt 1.8 и более ранних версий см. Настройки снимков в Jinja.

  1. Создайте YAML-файл с настройками в каталоге snapshots: snapshots/orders_snapshot.yml и добавьте в него параметры конфигурации. Также вы можете настроить snapshot из YAML-файла проекта (dbt_project.yml) (docs).

    snapshots/orders_snapshot.yml
    snapshots:
    - name: orders_snapshot
    relation: source('jaffle_shop', 'orders')
    config:
    schema: snapshots
    database: analytics
    unique_key: id
    strategy: timestamp
    updated_at: updated_at
    dbt_valid_to_current: "to_date('9999-12-31')" # Указывает, что текущие записи должны иметь `dbt_valid_to`, установленное в `'9999-12-31'` вместо `NULL`.

  2. (Необязательно) Примените преобразования с помощью эфемерной модели. По умолчанию снимки ссылаются непосредственно на источник (как показано в YAML на предыдущем шаге). Если вам нужно применить преобразования (например, фильтрацию или дедупликацию), сначала определите эфемерную модель для выполнения этих преобразований и укажите ссылку на неё в поле relation снимка вместо прямого вызова source().

    Например, вот модель с материализацией ephemeral:

    models/ephemeral_orders.sql
    {{ config(materialized='ephemeral') }}

    select * from {{ source('jaffle_shop', 'orders') }}

    Так можно сослаться на модель с материализацией ephemeral в поле relation:

    snapshots/orders_snapshot.yml
      snapshots:
    - name: orders_snapshot
    relation: ref('ephemeral_orders')
    ... rest of config...
  3. Проверьте, включает ли результирующий набор вашего запроса надежную колонку с временной меткой, которая указывает, когда запись была в последний раз обновлена. В нашем примере колонка updated_at надежно указывает изменения записей, поэтому мы можем использовать стратегию timestamp. Если в результирующем наборе вашего запроса нет надежной временной метки, вам нужно будет использовать стратегию check — подробнее об этом ниже.

  4. Запустите команду dbt snapshot command — в нашем примере будет создана новая таблица в analytics.snapshots.orders_snapshot. Конфигурация schema будет использовать макрос generate_schema_name.

    $ dbt snapshot
    Running with dbt=1.9.0

    15:07:36 | Concurrency: 8 threads (target='dev')
    15:07:36 |
    15:07:36 | 1 of 1 START snapshot snapshots.orders_snapshot...... [RUN]
    15:07:36 | 1 of 1 OK snapshot snapshots.orders_snapshot..........[SELECT 3 in 1.82s]
    15:07:36 |
    15:07:36 | Finished running 1 snapshots in 0.68s.

    Completed successfully

    Done. PASS=2 ERROR=0 SKIP=0 TOTAL=1
Скомпилированный SQL для снимков

Начиная с dbt v1.12, вы можете просмотреть SQL, сгенерированный для этого снимка, выполнив dbt compile или dbt compile --select orders_snapshot.

Откройте скомпилированный SQL в target/compiled/, чтобы изучить сгенерированные запросы или выполнить их отладку. Каждый снимок компилируется в отдельный SQL-файл, даже если в одном исходном файле определено несколько снимков.

  1. Проверьте результаты, выполнив запрос к таблице, созданной dbt (analytics.snapshots.orders_snapshot). После первого запуска вы должны увидеть результаты вашего запроса, а также поля метаданных снимка, описанные ниже.

  2. Запустите команду dbt snapshot снова и проверьте результаты. Если какие-либо записи были обновлены, снимок должен это отразить.

  3. Выберите из snapshot в последующих моделях, используя функцию ref.

    models/changed_orders.sql
    select * from {{ ref('orders_snapshot') }}
  4. Снимки полезны только в том случае, если вы запускаете их часто — запланируйте регулярный запуск команды dbt snapshot.

Лучшие практики конфигурации​

 Используйте стратегию timestamp, где это возможно

Стратегия timestamp рекомендуется, потому что она более эффективно обрабатывает добавление и удаление колонок по сравнению со стратегией check. Это связано с тем, что она более устойчива к изменениям схемы, особенно когда со временем в таблице появляются новые колонки или удаляются существующие.

Стратегия timestamp опирается на одно поле updated_at, что позволяет избежать необходимости постоянно обновлять конфигурацию snapshot’а по мере эволюции исходной таблицы.

Почему timestamp — предпочтительная стратегия:

  • Требуется отслеживать только одну колонку (updated_at)
  • Автоматически обрабатывает появление новых или удаление существующих колонок в исходной таблице
  • Меньше подвержена ошибкам при изменении схемы таблицы со временем (например, при использовании стратегии check может потребоваться обновлять параметр check_cols)
 Используйте dbt_valid_to_current для упрощения запросов по диапазону дат

По умолчанию dbt_valid_to равно NULL для текущих записей. Однако, если вы установите конфигурацию dbt_valid_to_current (доступно в dbt Core v1.9+), dbt_valid_to будет установлено в указанное вами значение (например, 9999-12-31) для текущих записей.

По умолчанию dbt_valid_to имеет значение NULL для текущих записей. Однако если вы зададите конфигурацию dbt_valid_to_current (доступна в dbt v1.9 и новее), для текущих записей dbt_valid_to будет принимать указанное вами значение (например, 9999-12-31).

Это упрощает фильтрацию по диапазону дат.

 Убедитесь, что ваш уникальный ключ действительно уникален

Уникальный ключ используется dbt для сопоставления строк, поэтому крайне важно убедиться, что этот ключ действительно уникален! Если вы делаете снимок источника, я рекомендую добавить тест на уникальность в ваш источник (пример).

(Версии dbt: v1.9 и новее)
 Используйте схему, отличную от схемы ваших моделей

Снимки не могут быть перестроены. Поэтому, хорошей идеей будет поместить снимки в отдельную схему, чтобы конечные пользователи знали, что они особенные. Оттуда вы можете установить разные привилегии на ваши снимки по сравнению с вашими моделями, и даже запускать их как другой пользователь (или роль, в зависимости от вашего хранилища данных), чтобы сделать очень сложным удаление снимка, если вы действительно этого не хотите.

 Используйте эфемерную модель для очистки или трансформации данных перед созданием снимка

Если вам нужно очистить или трансформировать ваши данные перед созданием снимка, создайте эфемерную модель или модель стадии, которая применяет необходимые трансформации. Затем, ссылайтесь на эту модель в вашей конфигурации снимка. Этот подход позволяет держать ваши определения снимков чистыми и позволяет тестировать и запускать трансформации отдельно.

Как работают снимки​

Когда вы запускаете команду dbt snapshot:

  • При первом запуске: dbt создаст исходную таблицу снимка — она будет содержать результат вашего оператора select с дополнительными столбцами, включая dbt_valid_from и dbt_valid_to. У всех записей будет dbt_valid_to = null или значение, указанное в dbt_valid_to_current (доступно в dbt 1.9+), если этот параметр настроен.
  • При последующих запусках: dbt проверит, какие записи изменились и появились ли новые записи:
    • Для всех существующих записей, которые изменились, будет обновлён столбец dbt_valid_to.
    • Обновлённая запись и все новые записи будут вставлены в таблицу снимка. У этих записей будет dbt_valid_to = null или значение, настроенное в dbt_valid_to_current (доступно в dbt v1.9+).
Снапшоты игнорируют полное обновление

Снапшоты игнорируют как параметр конфигурации full_refresh, так и флаг --full-refresh. Команда, например dbt build --full-refresh или dbt snapshot --full-refresh, включающая узел снапшота, выполняет его в обычном режиме — таблица снапшота не удаляется и не создаётся заново, поэтому существующая история снапшота сохраняется.

(Версии dbt: v1.9 и новее)

Примечание​

  • Эти имена колонок могут быть настроены в соответствии с вашими командными или организационными соглашениями, используя конфигурацию snapshot_meta_column_names.
  • Используйте конфигурацию dbt_valid_to_current, чтобы установить пользовательский индикатор для значения dbt_valid_to в текущих записях снимков (например, будущая дата, такая как 9999-12-31). По умолчанию это значение NULL. Когда установлено, dbt будет использовать это указанное значение вместо NULL для dbt_valid_to для текущих записей в таблице снимков.
  • Используйте конфигурацию hard_deletes, чтобы отслеживать жесткие удаления, добавляя новую запись, когда строка становится "удаленной" в источнике. Поддерживаемые опции: ignore, invalidate и new_record.

Снимки могут быть использованы в последующих моделях так же, как и модели — с помощью функции ref.

Обнаружение изменений строк​

Стратегии снимков определяют, как dbt узнает, изменилась ли строка. В dbt встроены две стратегии:

  • Timestamp — Использует колонку updated_at, чтобы определить, изменилась ли строка.
  • Check — Сравнивает список колонок между их текущими и историческими значениями, чтобы определить, изменилась ли строка.

Стратегия timestamp использует поле updated_at, чтобы определить, изменилась ли строка. Если настроенная колонка updated_at для строки более новая, чем в последний раз, когда снимок запускался, то dbt аннулирует старую запись и запишет новую. Если временные метки не изменились, то dbt не предпримет никаких действий.

Почему рекомендуется использовать timestamp?

  • Требуется отслеживать только одну колонку (updated_at)
  • Автоматически обрабатывает появление новых или удаление существующих колонок в исходной таблице
  • Меньше подвержен ошибкам при эволюции схемы таблицы со временем (например, при использовании стратегии check может потребоваться обновлять конфигурацию check_cols)

Стратегия timestamp требует следующих настроек:

КонфигурацияОписаниеПример
updated_atСтолбец, который отражает момент последнего обновления строки источника. В зависимости от используемой платформы данных может поддерживать строки дат в формате ISO и целые числа unix epoch.updated_at

Пример использования:

(Версии dbt: v1.9 и новее)
snapshots/orders_snapshot.yml
snapshots:
- name: orders_snapshot_timestamp
relation: source('jaffle_shop', 'orders')
config:
schema: snapshots
unique_key: id
strategy: timestamp
updated_at: updated_at

Стратегия Check​

Стратегия check полезна для таблиц, которые не имеют надежной колонки updated_at. Эта стратегия работает, сравнивая список колонок между их текущими и историческими значениями. Если какая-либо из этих колонок изменилась, то dbt аннулирует старую запись и запишет новую. Если значения колонок идентичны, то dbt не предпримет никаких действий.

Стратегия check требует следующих конфигураций:

КонфигурацияОписаниеПример
check_colsСписок колонок для проверки изменений или all для проверки всех колонок["name", "email"]
check_cols = 'all'

Стратегия снимков check может быть настроена для отслеживания изменений всех колонок, указав check_cols = 'all'. Лучше явно перечислить колонки, которые вы хотите проверить. Рассмотрите возможность использования суррогатный ключ для конденсации многих колонок в одну.

Пример использования​

(Версии dbt: v1.9 и новее)
snapshots/orders_snapshot.yml
snapshots:
- name: orders_snapshot_check
relation: source('jaffle_shop', 'orders')
config:
schema: snapshots
unique_key: id
strategy: check
check_cols:
- status
- is_cancelled

Пример использования с updated_at​

При использовании стратегии check dbt отслеживает изменения, сравнивая значения в check_cols. По умолчанию dbt использует текущее время выполнения, чтобы заполнять поля dbt_updated_at, dbt_valid_from и dbt_valid_to. При этом вы можете дополнительно указать колонку updated_at:

  • Если updated_at настроена, стратегия check будет использовать эту колонку вместо времени выполнения, аналогично стратегии timestamp.
  • Если значение updated_at равно null, dbt по умолчанию использует текущее время.

Рассмотрим следующий пример, который показывает, как использовать стратегию check с updated_at:

snapshots:
- name: orders_snapshot
relation: ref('stg_orders')
config:
schema: snapshots
unique_key: order_id
strategy: check
check_cols:
- status
- is_cancelled
updated_at: updated_at

В этом примере:

  • Если изменяется хотя бы одно из указанных значений в check_cols, снапшот создаёт новую строку. Если колонка updated_at содержит значение (не равна null), снапшот использует его; в противном случае используется текущее время.
  • Если updated_at не задана, dbt автоматически возвращается к использованию текущего времени для отслеживания изменений.
  • Используйте этот подход, если ваша колонка updated_at не всегда надёжна для отслеживания обновлений записей, но вы всё равно хотите применять её — вместо времени выполнения снапшота — когда изменения строк всё же обнаружены.

Жёсткие удаления (opt-in)​

(Версии dbt: v1.9 и новее)

В dbt v1.9 и выше конфигурация hard_deletes заменяет конфигурацию invalidate_hard_deletes, чтобы дать вам больше контроля над тем, как обрабатывать удаленные строки из источника. Конфигурация hard_deletes не является отдельной стратегией, а дополнительной опцией, которую можно использовать с любой стратегией снимков.

Конфигурация hard_deletes имеет три опции/поля:

ПолеОписание
ignore (по умолчанию)Нет действий для удаленных записей.
invalidateВедет себя так же, как существующий invalidate_hard_deletes=true, где удаленные записи аннулируются, устанавливая dbt_valid_to.
new_recordОтслеживает удаленные записи как новые строки, используя мета-поле dbt_is_deleted, когда записи удаляются.
 Когда использовать конфигурации hard_deletes и invalidate_hard_deletes?

Используйте invalidate_hard_deletes (v1.8 и ранее), если:

  • Пробелы в истории снимков (отсутствие записей для удаленных строк) допустимы.
  • Вы хотите аннулировать удаленные строки, установив для их временной метки dbt_valid_to текущее время (неявное удаление).
  • Вы работаете с небольшими наборами данных, где отслеживание удалений как отдельного состояния не требуется.

Используйте hard_deletes: new_record (v1.9 и выше), если:

  • Вы хотите поддерживать непрерывную историю снимков без пробелов.
  • Вы хотите явно отслеживать удаления, добавляя новые строки с колонкой dbt_is_deleted (явное удаление).
  • Вы работаете с большими наборами данных, где явное отслеживание удаленных записей улучшает ясность происхождения данных.

Пример использования​

snapshots/orders_snapshot.yml
snapshots:
- name: orders_snapshot_hard_delete
relation: source('jaffle_shop', 'orders')
config:
schema: snapshots
unique_key: id
strategy: timestamp
updated_at: updated_at
hard_deletes: new_record # опции: 'ignore', 'invalidate' или 'new_record'

В этом примере конфигурация hard_deletes: new_record добавит новую строку для удаленных записей с колонкой dbt_is_deleted, установленной в True. Любые восстановленные записи добавляются как новые строки с полем dbt_is_deleted, установленным в False.

Результирующая таблица будет выглядеть так:

idstatusupdated_atdbt_valid_fromdbt_valid_todbt_is_deleted
1pending2024-01-01 10:472024-01-01 10:472024-01-01 11:05False
1shipped2024-01-01 11:052024-01-01 11:052024-01-01 11:20False
1deleted2024-01-01 11:202024-01-01 11:20True
1restored2024-01-01 12:002024-01-01 12:00False

Метаполя snapshot​

Таблицы снимков создаются как копия исходного набора данных с дополнительными полями метаданных.

В dbt версии 1.9 и выше (или раньше — в канале обновлений v1 Latest на dbt platform):

  • Имена этих столбцов можно настроить в соответствии с соглашениями вашей команды или организации с помощью параметра snapshot_meta_column_names.
  • Используйте параметр dbt_valid_to_current, чтобы задать собственное значение dbt_valid_to для текущих записей снимка (например, дату в будущем, такую как 9999-12-31). По умолчанию это значение равно NULL. Если параметр задан, dbt будет использовать указанное значение вместо NULL для dbt_valid_to в текущих записях таблицы снимка.
  • Используйте параметр hard_deletes со значением hard_deletes='new_record', чтобы отслеживать удалённые записи, добавляя новые строки с полем метаданных dbt_is_deleted.
Field
Значение
ПримечанияПример
dbt_valid_fromМетка времени, с которой эта строка снимка стала действительной.Используется для упорядочивания версий записи. Для конкретной строки это значение часто совпадает с dbt_updated_at, но эти поля имеют разный смысл. Примеры для каждой стратегии см. в разделе Метки времени стратегии и метаполей.snapshot_meta_column_names: {dbt_valid_from: start_date}
dbt_valid_toМетка времени, с которой эта строка перестала быть действительной. Для текущих записей по умолчанию имеет значение NULL или значение, указанное в dbt_valid_to_current.У самой последней записи снимка поле dbt_valid_to будет иметь значение NULL или указанное значение.snapshot_meta_column_names: {dbt_valid_to: end_date}
dbt_scd_idУникальный ключ, генерируемый для каждой строки снимка.Используется внутри dbt для идентификации каждой SCD-версии. О том, как dbt формирует этот ключ, см. в разделе Как вычисляется dbt_scd_id.snapshot_meta_column_names: {dbt_scd_id: scd_id}
dbt_updated_atМетка времени изменения исходной записи на момент вставки этой строки снимка.Используется внутри dbt. В разделе Метки времени стратегии и метаполей описано, каким значением заполняется этот столбец для каждой стратегии.snapshot_meta_column_names: {dbt_updated_at: modified_date}
dbt_is_deletedСтроковое значение, указывающее, удалена ли запись. (True, если удалена, False, если не удалена).Добавляется, если настроено hard_deletes='new_record'.snapshot_meta_column_names: {dbt_is_deleted: is_deleted}

Все эти имена колонок можно настроить с помощью конфига snapshot_meta_column_names. Подробнее см. в этом примере.

При вставке значения dbt_valid_from и dbt_updated_at устанавливаются на основе одного и того же значения. Они обозначают начало периода действия и время зарегистрированного изменения соответственно.

Стратегия и временные метки метаполей​

Временные метки, используемые для каждого столбца, зависят от выбранной стратегии:

  • Для стратегии timestamp настроенная колонка updated_at используется для заполнения колонок dbt_valid_from, dbt_valid_to и dbt_updated_at.

     Пример результатов для стратегии timestamp

    Результаты snapshot‑запроса на момент 2024-01-01 11:00

    idstatusupdated_at
    1pending2024-01-01 10:47

    Результаты снапшота (обратите внимание, что 11:00 нигде не используется):

    idstatusupdated_atdbt_valid_fromdbt_valid_todbt_updated_at
    1pending2024-01-01 10:472024-01-01 10:472024-01-01 10:47

    Результаты запроса на момент 2024-01-01 11:30:

    idstatusupdated_at
    1shipped2024-01-01 11:05

    Результаты snapshot (обратите внимание, что 11:30 нигде не используется):

    idstatusupdated_atdbt_valid_fromdbt_valid_todbt_updated_at
    1pending2024-01-01 10:472024-01-01 10:472024-01-01 11:052024-01-01 10:47
    1shipped2024-01-01 11:052024-01-01 11:052024-01-01 11:05

    Результаты snapshot при hard_deletes='new_record':

    idstatusupdated_atdbt_valid_fromdbt_valid_todbt_updated_atdbt_is_deleted
    1pending2024-01-01 10:472024-01-01 10:472024-01-01 11:052024-01-01 10:47False
    1shipped2024-01-01 11:052024-01-01 11:052024-01-01 11:202024-01-01 11:05False
    1deleted2024-01-01 11:202024-01-01 11:202024-01-01 11:20True
  • Для стратегии check текущая временная метка используется для заполнения каждого столбца. Если настроено, стратегия check вместо этого использует столбец updated_at, как и стратегия временных меток.

 Пример результатов для стратегии check

Результаты snapshot-запроса на момент 2024-01-01 11:00

idstatus
1pending

Результаты снимка:

idstatusdbt_valid_fromdbt_valid_todbt_updated_at
1pending2024-01-01 11:002024-01-01 11:00

Результаты запроса на момент 2024-01-01 11:30:

idstatus
1shipped

Результаты снимка:

idstatusdbt_valid_fromdbt_valid_todbt_updated_at
1pending2024-01-01 11:002024-01-01 11:302024-01-01 11:00
1shipped2024-01-01 11:302024-01-01 11:30

Результаты снимка с hard_deletes='new_record':

idstatusdbt_valid_fromdbt_valid_todbt_updated_atdbt_is_deleted
1pending2024-01-01 11:002024-01-01 11:302024-01-01 11:00False
1shipped2024-01-01 11:302024-01-01 11:402024-01-01 11:30False
1deleted2024-01-01 11:402024-01-01 11:40True

Часто задаваемые вопросы​

Как запустить один снимок за раз?
Как часто следует запускать команду snapshot?
Что произойдет, если я добавлю новые столбцы в запрос снимка?
Выполняются ли хуки со снапшотами?
Могу ли я хранить snapshot’ы в директории, отличной от директории `snapshot` в моем проекте?
Ошибка: Целевая таблица снимка не является таблицей снимков

Нашли ошибку?

0
Loading