dbt Bewertungen & Produktdetails

Ich habe Terabytes auf DBT geworfen und erwartet, dass die Infrastruktur versagt, aber DBT führte die verteilte Ausführung eigenständig durch, ohne dass ich eingreifen musste. Die Fähigkeit, maschinelles Lernen direkt innerhalb von SQL auszuführen, ist seltsam, aber besser, als es zu vertex.ai zu exportieren und mich selbst um das Clustermanagement zu kümmern. Ich muss mir auch keine Sorgen um das Clustermanagement machen, da ich einfach die Abfrage schreiben und auf die Ergebnisse warten kann, was meiner Meinung nach eine sehr unkomplizierte Sache ist. Bewertung gesammelt von und auf G2.com gehostet.

Die Abrechnung ist eine Falle, und wenn man eine generische Abfrage ohne Filter ausführt, steigen die Kosten sofort an, was sehr ärgerlich sein kann. Ich musste alle meine gespeicherten Prozeduren neu schreiben, weil die Syntax nicht ganz wie bei PL/SQL ist. Und ich mag es wirklich nicht, die Protokolle zu lesen, wenn ein Modell fehlschlägt und/oder Fehler auftreten. Bewertung gesammelt von und auf G2.com gehostet.

Ich benutze dbt jeden Tag, um Rohdaten in unserem Data Warehouse in saubere, analytikbereite Tabellen zu transformieren, und mein Arbeitsablauf beginnt typischerweise in VS Code, wo ich SQL-Modelle schreibe, sie dann für die Versionskontrolle in Git pushe und sie durch dbt Cloud laufen lasse. Insgesamt hat es auch die Zusammenarbeit zwischen unseren Teammitgliedern viel einfacher gemacht, weil dbt den gesamten Prozess viel einfacher macht. Bewertung gesammelt von und auf G2.com gehostet.

Es ist herausfordernd, wenn eine Änderung einen gesamten Ablauf aus der Bahn wirft und die Fehlermeldungen bestenfalls vage sind. Ich fühle auch das Bedürfnis, die Arbeit meines Mitwirkenden an dbt Cloud zu verteidigen. Ich habe auch die allzu lockere Struktur und die daraus resultierenden chaotischen, befehls- und umgebungsspezifischen Konfigurationen erlebt. Bewertung gesammelt von und auf G2.com gehostet.

Ich benutze dbt täglich, um Datenmodelle in unserem Warehouse zu verwalten und zu transformieren. Es ist auch das Rückgrat unseres Analyse-Workflows geworden, versioniert, transparent und einfach zu debuggen. Ich schätze besonders, wie einfach es ist, SQL-Transformationen zu modularisieren und alles inline zu dokumentieren, damit das Team weiß, warum jedes Modell das tut, was es tut, und woher diese Daten stammen. Bewertung gesammelt von und auf G2.com gehostet.

Es kann etwas verwirrend sein, Umgebungs-Konfigurationen einzurichten, besonders wenn man an mehr als einem Projekt oder Lager arbeitet. Wenn Ihre Modelle wachsen und diese Framework-Schicht tiefer wird, kann sich die Bauzeit verlangsamen, und es ist nicht immer einfach, den Engpass zu identifizieren. Auch das Testen unkonventioneller Makros fühlt sich im Vergleich zum Schreiben von Tests für lineare Modelle etwas umständlich an. Bewertung gesammelt von und auf G2.com gehostet.

Dank dbt muss ich nicht mehr auf das Engineering-Team angewiesen sein, um die SQL-Daten in unserem Warehouse zu verwalten und zu transformieren. Es ist der erste Schritt für mich, um die Gesamtheit unserer Datenmodelle zu organisieren, zu testen und zu dokumentieren. Ich schätze es, dass all diese Informationen an einem Ort in der Versionskontrolle sind. Ich kann alle vorgenommenen Änderungen und die Details zu jeder einzelnen nachverfolgen. Bewertung gesammelt von und auf G2.com gehostet.

Die Fehlersuche bei komplexen Abhängigkeiten und Build-Fehlern kann eine entmutigende Aufgabe sein. Es gibt Gelegenheiten, bei denen ein Modell fehlschlägt und unklar ist, welche Änderung im Vorfeld die Ursache sein könnte. Obwohl die Dokumentation wirklich gut ist, habe ich festgestellt, dass das Durchsuchen eines Stack Overflow- oder Slack-Threads die Lösung für einige der obskureren Probleme sein kann. Ich finde auch, dass die Visualisierung der Abstammung in dbt Cloud umständlich ist. Bewertung gesammelt von und auf G2.com gehostet.

Der größte Vorteil von dbt für mich ist, dass es Struktur in die Datenarbeit bringt. Ich nutze es regelmäßig mit BigQuery und Versionskontrollwerkzeugen. Die Integration ist komfortabel und die Teamarbeit wird erleichtert. Es hat während der Implementierung keine Verzögerung verursacht und der Funktionsumfang ermöglicht es, Logik wiederzuverwenden, anstatt sie neu zu schreiben. Es hat die Anzahl der Fehler minimiert und mir Zeit bei der Überprüfung und Aktualisierung gespart. Bewertung gesammelt von und auf G2.com gehostet.

Die negative Seite von dbt ist, dass es starr wird, wenn Projekte expandieren. Geringfügige Änderungen erfordern in einigen Fällen mehr Anpassungen als erwartet, und das verlangsamt mich. Die Probleme beim Debuggen von Fehlern sind nicht immer offensichtlich, insbesondere für weniger erfahrene Teammitglieder, und das wirkt sich auf die Geschwindigkeit der Lieferung aus. Saubere Quelldaten werden ebenfalls in der Implementierung verwendet, und daher führt unordentlicher Input nur zu mehr Arbeitsaufwand, anstatt es einfacher zu machen. Bewertung gesammelt von und auf G2.com gehostet.

Was ich am meisten schätzte, war die Beseitigung von dupliziertem Code, der früher über verschiedene Skripte verteilt war. Diese Änderung hat die Datenzuverlässigkeit erheblich verbessert und ermöglicht es mir nun, Geschäftslogik direkt in reinem SQL zu implementieren. Ich schätze auch, wie sehr es die Entwicklung beschleunigt, und finde die Orchestrierung und Bereitstellung mit DBT außergewöhnlich unkompliziert. Bewertung gesammelt von und auf G2.com gehostet.

Ich fand den Aspekt des Projektmanagements herausfordernd, wenn ich mit Hunderten von Modellen zu tun hatte, da die Benutzeroberfläche manchmal ziemlich kompliziert sein kann. Bewertung gesammelt von und auf G2.com gehostet.

Was ich an dbt am meisten mag, ist, dass es die besten Praktiken der Softwareentwicklung auf SQL-basierte Datenumwandlungen überträgt und so unsere SQL-Codebasis in großem Maßstab wartbar macht. Es hat eine klare Modellstruktur wie Staging-, Zwischen- und Berichtsebenen. Es bietet Makros und Ref-Makros, die Logik wiederverwendbar machen, und die Abhängigkeiten sind wirklich leicht zu verstehen. Ich schätze die gute Zusammenarbeit mit Git und die Integration mit der Versionskontrolle. Dbt hat einen starken Dokumentationshintergrund und bietet eine automatisch generierte Dokumentationsseite, sodass jeder weiß, was im Projekt passiert. Die anfängliche Einrichtung von dbt ist dank der großartigen Dokumentation wirklich einfach, und es ist für fast alle großen Datenbanken verfügbar. Bewertung gesammelt von und auf G2.com gehostet.

Einer der Schmerzpunkte ist das Debuggen und die Fehlerbehebung. Fehlermeldungen können wirklich vage sein, was es schwierig macht, den Teil des Kerns zu identifizieren, der den Fehler verursacht hat. Auch große Modelle sind schmerzhaft zu debuggen. Eine Sichtbarkeit des Abfrageplans innerhalb von dbt wäre wirklich hilfreich. Eine schrittweise Ausführung für fehlgeschlagene Modelle wäre ebenfalls hilfreich. Bewertung gesammelt von und auf G2.com gehostet.

Jeden Tag nutze ich dbt, um Rohdaten so umzuwandeln, dass sie für die Analyse bereit sind, und ich schätze besonders, dass alles nur SQL und Versionskontrolle beinhaltet – keine unordentlichen Skripte mehr. Ich mag das Gefühl, einfache Abfragen zu schreiben, und gleichzeitig genieße ich die zusätzliche Modularität und die automatische Dokumentation. Die Tests und meine Transformationen, die gleichzeitig laufen, geben mir echtes Vertrauen in die Datensätze, die ich bereitstelle. Bewertung gesammelt von und auf G2.com gehostet.

Wenn es um dbt geht, ist die Lernkurve ziemlich herausfordernd und es hat einige Zeit gedauert, bis ich herausgefunden habe, wie man die Makros einrichtet und die Modelle ordentlich organisiert. Die Aufgabe des Debuggens ist ebenfalls ziemlich mühsam und da einige der Fehlermeldungen an Klarheit mangeln, verbringe ich viel Zeit mit den Logs. Außerdem kann bei großen Projekten die Ausführungszeit ziemlich lang sein, was den Entwicklungsfluss behindern kann. Bewertung gesammelt von und auf G2.com gehostet.

dbt läuft gut auf Redshift, da dies immer wieder in den Notizen erwähnt wurde; jedoch kompiliert dbt einfach das SQL und das Data Warehouse selbst übernimmt die schwere Arbeit. Die Verwendung von Git und Versionskontrolle für Datenmodelle ist schön, weil es das Datenmodell davor bewahrt, unkontrolliert zu wachsen. dbt integriert sich auch problemlos in unsere AWS-Infrastruktur, ohne Tränen zu verursachen. Die Geschwindigkeit ist ausreichend, da es die Arbeit einfach an die Datenbank weitergibt; obwohl es hilfreich ist, die Transformationslogik an einem Ort zu haben. Bewertung gesammelt von und auf G2.com gehostet.

Die Kosten werden immer teurer und wenn man bedenkt, dass dbt im Wesentlichen ein ausgeklügelter SQL-Compiler ist. dbt hat auch eine schlechte Leistung bei der Verarbeitung unstrukturierter Daten (obwohl dies möglicherweise an Redshift liegt); ich bin mir nicht sicher, alles scheint zusammenzufließen. Außerdem ist die Lernkurve sehr steil, wenn man nicht mit Jinja vertraut ist und YAML-Dateien richtig einrichtet. Bewertung gesammelt von und auf G2.com gehostet.

Die interessante Tatsache über dbt ist, dass es den Prozess der Verwaltung von Datenpipelines vereinfacht. Es wurde erfolgreich implementiert und ich verlasse mich täglich darauf, daher ist meine Nutzungsfrequenz hoch. Die Menge an Funktionen wie Modelltests, Dokumentation und Versionskontrolle wird von mir besonders geschätzt. Es hat Fehler in unseren Konvertierungsprozessen minimiert und den Teamarbeitsprozess stark vereinfacht und dem Team geholfen, Pipelines zu pflegen, die über Projekte hinweg einheitlich und strukturiert sind. Bewertung gesammelt von und auf G2.com gehostet.

Das, was ich an dbt nicht mag, ist, dass es schwierig sein kann, Modellfehler zu beheben. Die Funktionen sind gut, aber Fehlermeldungen sind nicht immer hilfreich, um das Problem offenzulegen. Die hohe Nutzungshäufigkeit impliziert, dass solche Momente das Potenzial haben, Arbeitsabläufe zu stören, da ich es häufig verwende. Es gibt einen reaktionsschnellen Kundensupport, aber Lösungen für Randfälle sind nicht immer sofort verfügbar, sodass das Team gelegentlich die Ausgaben überprüfen muss, bevor es fortfährt. Bewertung gesammelt von und auf G2.com gehostet.