Перейти к основному содержимому

meta

dbt_project.yml
models:
  <resource-path>:
    +meta: {<dictionary>}

models/schema.yml

models:
  - name: model_name
    config:
      meta: {<словарь>}

    columns:
      - name: column_name
        config:
          meta: {<dictionary>} # изменено на config в версии v1.10 и затем портировано обратно в 1.9

Конфигурацию meta можно определить следующими способами:

  • В разделе models конфигурации в файле проекта (как показано в предыдущем примере models/schema.yml)
  • В разделе models конфигурации в файле проекта (dbt_project.yml)
  • В Jinja‑макросе config() внутри SQL‑файла модели

Смотрите конфигурации и свойства для получения подробной информации.

Определение​

Поле meta можно использовать для задания метаданных ресурса и оно принимает любые пары «ключ-значение». Эти метаданные компилируются в файл manifest.json, который генерируется dbt, и отображаются в автоматически сгенерированной документации.

В зависимости от ресурса, который вы настраиваете, meta может быть доступно в свойстве config и/или в качестве ключа верхнего уровня. (Для обратной совместимости meta часто (но не всегда) поддерживается в качестве ключа верхнего уровня, хотя без возможностей наследования конфигурации.)

Примеры​

Чтобы показать, как использовать конфигурацию meta, приведём несколько примеров:

Назначить владельца модели​

Дополнительно можно указать уровень зрелости модели, используя ключ model_maturity:.

models/schema.yml

models:
  - name: users
    config:
      meta:
        owner: "@alice"
        model_maturity: in dev

Назначение столбца источника как содержащего PII​

models/schema.yml

Похоже, вы прислали только фрагмент `sources:` без содержимого.

Пожалуйста, пришлите полный текст markdown‑файла (или хотя бы раздел целиком), который нужно перевести. Тогда я смогу корректно перевести описания и пояснения, сохранить форматирование Docusaurus и не затронуть технические элементы dbt.
  - name: salesforce
    tables:
      - name: account
        config:
          meta:
            contains_pii: true
        columns:
          - name: email
            config:
              meta: # changed to config in v1.10 and backported to 1.9
                contains_pii: true

Настройка одного атрибута meta для всех сидов​

dbt_project.yml
seeds:
  +meta:
    favorite_color: red

Переопределение одного атрибута meta для одной модели​

models/my_model.sql
{{ config(meta = {
    'single_key': 'override'
}) }}

select 1 as id

Назначение владельца и favorite_color в dbt_project.yml как свойства конфигурации​

dbt_project.yml
models:
  jaffle_shop:
    +meta:
      owner: "@alice"
      favorite_color: red

Назначение meta для семантической модели​

Следующий пример показывает, как назначить значение meta для семантической модели в файлах semantic_model.yml и dbt_project.yml:

semantic_models:
  - name: transaction 
    model: ref('fact_transactions')
    description: "Transaction fact table at the transaction level. This table contains one row per transaction and includes the transaction timestamp."
    defaults:
      agg_time_dimension: transaction_date
    config:
      meta:
        data_owner: "Finance team"
        used_in_reporting: true

Назначение meta для измерений, метрик и сущностей​

Доступ к значениям meta в Python-моделях​

Чтобы получить доступ к пользовательским значениям meta в Python-моделях, сначала извлеките объект meta с помощью метода dbt.config.get(), а затем обращайтесь к нужным пользовательским значениям.

Например, если у вас есть модель с именем my_python_model и вы хотите сохранить в ней пользовательские значения, можно сделать следующее:

models/schema.yml
models:
  - name: my_python_model
    config:
      meta:
        batch_size: 1000
        processing_mode: "incremental"
models/my_python_model.py
def model(dbt, session):
    # First, get the meta object
    meta = dbt.config.get("meta")
    
    # Then access your custom values from meta
    batch_size = meta.get("batch_size")
    processing_mode = meta.get("processing_mode")
    
    # Use the meta values in your model logic
    df = dbt.ref("upstream_model")
    
    if processing_mode == "incremental":
        df = df.limit(batch_size)
    
    return df

Нашли ошибку?

0