Recensioni e Dettagli del Prodotto dbt

Il modo in cui gestisce grandi quantità di dati, così come la sua integrazione in AWS (S3/Glue), è eccellente. Questo mi permette di evitare di costruire pipeline personalizzate che sarebbero state molto dispendiose in termini di tempo e avrebbero causato ulteriori mal di testa e, grazie al suo design di database colonnare, tutte le mie richieste di query complesse vengono elaborate in modo tempestivo, il che significa che non mi addormento mentre aspetto i risultati. Recensione raccolta e ospitata su G2.com.

Aspirare i tavoli... sul serio, devo aspirare e analizzare manualmente i tavoli per mantenere tutto in funzione senza intoppi? Sembra il 2005. Gestire i cluster e i nodi è anche un problema - non è veramente senza server. Se non presti molta attenzione ai costi, aumenteranno troppo. Recensione raccolta e ospitata su G2.com.

Ho lanciato terabyte su DBT e mi aspettavo che l'infrastruttura fallisse, ma DBT ha eseguito l'esecuzione distribuita da solo senza il mio intervento. La capacità di eseguire l'apprendimento automatico direttamente all'interno di SQL è strana ma migliore rispetto all'esportazione su vertex.ai e alla gestione dei cluster da parte mia. Inoltre, non devo preoccuparmi della gestione dei cluster poiché posso semplicemente scrivere la query e aspettare i risultati, che a mio avviso è una cosa molto semplice da fare. Recensione raccolta e ospitata su G2.com.

La fatturazione è una trappola, così come se esegui una query generica senza un filtro i costi aumentano immediatamente, il che può essere molto fastidioso. Ho dovuto riscrivere tutte le mie procedure memorizzate perché la sintassi non è proprio come pl/sql. E non mi piace affatto leggere i log quando un modello fallisce e/o si verificano errori. Recensione raccolta e ospitata su G2.com.

Una cosa che trovo impressionante di dbt è che promuove la disciplina nella scrittura delle trasformazioni. Ha trasformato il mio approccio al modo in cui gestisco il mio lavoro, poiché ora ci penso due volte prima di imporre cambiamenti. Lo uso regolarmente e ha migliorato il lavoro di squadra poiché la logica ha meno difficoltà nella revisione e nella discussione. Questo ha risparmiato tempo sui rapidi aggiustamenti e ci ha aiutato a sviluppare maggiore fiducia nei risultati che possono essere condivisi. Recensione raccolta e ospitata su G2.com.

Quello che non mi piace di dbt è che c'è un grande effetto di piccoli errori nei modelli. Alcuni di essi possono crollare sotto la pressione di avere alcuni pezzi a valle rotti quando c'è un leggero cambiamento. È dispendioso in termini di tempo e può persino coinvolgere diverse persone nello stesso problema quando si tratta di fare il debug di quelle catene. Nel mio caso, questo rallenta il progresso e porta a un cambio di contesto che può essere fastidioso quando le scadenze sono vicine. Recensione raccolta e ospitata su G2.com.

Uso dbt ogni giorno per trasformare i dati grezzi nel nostro magazzino in tabelle pulite e pronte per l'analisi e il mio flusso di lavoro inizia tipicamente in VS Code, dove scrivo modelli SQL, poi li invio a Git per il controllo delle versioni e li eseguo tramite dbt Cloud. E in generale ha anche reso la collaborazione tra i membri del nostro team molto più facile perché dbt rende l'intero processo molto più semplice. Recensione raccolta e ospitata su G2.com.

È difficile quando un solo cambiamento manda fuori pista un'intera esecuzione e i messaggi di errore sono, nel migliore dei casi, vaghi. Sento anche il bisogno di difendere il lavoro del mio collaboratore su dbt cloud. Ho anche incontrato la struttura eccessivamente rilassata e le conseguenti configurazioni caotiche specifiche per comando e ambiente. Recensione raccolta e ospitata su G2.com.

Grazie a dbt, non devo più dipendere dal team di ingegneria per gestire e trasformare i dati SQL all'interno del nostro magazzino. È il primo passo per me nell'organizzare, testare e documentare l'interezza dei nostri modelli di dati. Apprezzo che tutte queste informazioni siano in un unico posto nel controllo di versione. Posso tracciare tutte le modifiche apportate e i dettagli che le circondano. Recensione raccolta e ospitata su G2.com.

Risoluzione dei problemi di dipendenze complesse e errori di build può essere un compito arduo. Ci sono occasioni in cui un modello fallisce ed è poco chiaro quale cambiamento a monte possa essere la causa. Sebbene la documentazione sia davvero buona, ho scoperto che scavare in un thread di Stack Overflow o Slack è la risposta per alcuni dei problemi più oscuri. Trovo anche che la visualizzazione della discendenza in dbt Cloud sia ingombrante. Recensione raccolta e ospitata su G2.com.

Il più grande vantaggio di dbt per me è che fornisce struttura al lavoro sui dati. Lo uso regolarmente con BigQuery e strumenti di controllo delle versioni. L'integrazione è comoda e il lavoro di squadra è facilitato. Non ha aggiunto alcun ritardo durante l'implementazione e il set di funzionalità consente di riutilizzare la logica piuttosto che riscriverla. Ha ridotto il numero di errori e mi ha fatto risparmiare tempo nella revisione e negli aggiornamenti. Recensione raccolta e ospitata su G2.com.

Il lato negativo di dbt è che diventa rigido quando i progetti si espandono. Modifiche minori in alcuni casi richiedono più aggiustamenti del previsto, e questo mi rallenta. I problemi di debug dei fallimenti non sono sempre evidenti, in particolare per i membri del team meno esperti, e questo ha un impatto sulla velocità di consegna. Anche i dati di origine puliti vengono utilizzati nell'implementazione e quindi, quando gli input sono disordinati, aggiungono solo più lavoro piuttosto che semplificare. Recensione raccolta e ospitata su G2.com.

Ciò che ho apprezzato di più è stata l'eliminazione del codice duplicato che era sparso tra vari script. Questo cambiamento ha migliorato significativamente l'affidabilità dei dati e ora mi permette di implementare la logica aziendale direttamente in puro SQL. Apprezzo anche quanto acceleri lo sviluppo e trovo che l'orchestrazione e il deployment con DBT siano eccezionalmente semplici. Recensione raccolta e ospitata su G2.com.

Ho trovato l'aspetto della gestione del progetto impegnativo quando si trattava di centinaia di modelli, poiché l'interfaccia a volte può essere piuttosto complicata. Recensione raccolta e ospitata su G2.com.

Quello che mi piace di più di dbt è che porta le migliori pratiche di ingegneria del software alle trasformazioni dei dati basate su SQL, rendendo il nostro codice SQL mantenibile su larga scala. Ha una struttura di modelli chiara come livelli di staging, intermedi e di reporting. Fornisce macro e ref macro che rendono la logica riutilizzabile, e le dipendenze sono davvero facili da comprendere. Apprezzo la sua buona collaborazione con Git e l'integrazione con il controllo di versione. Dbt ha un forte background di documentazione, fornendo un sito di documentazione auto-generato, così tutti sono consapevoli di ciò che sta accadendo nel progetto. L'installazione iniziale di dbt è davvero facile grazie alla sua ottima documentazione, ed è disponibile per quasi tutti i principali data warehouse. Recensione raccolta e ospitata su G2.com.

Uno dei punti dolenti è il debug e la risoluzione dei problemi di errore. I messaggi di errore possono essere davvero vaghi, rendendo difficile individuare quale parte del core ha causato il fallimento. Inoltre, i modelli di grandi dimensioni sono difficili da debugare. La visibilità del piano di query all'interno di dbt sarebbe davvero utile. Anche l'esecuzione passo passo per i modelli falliti sarebbe utile. Recensione raccolta e ospitata su G2.com.

Ogni giorno uso dbt per convertire i dati grezzi affinché siano pronti per l'analisi e apprezzo particolarmente il fatto che tutto coinvolga solo SQL e controllo di versione—niente più script disordinati. Mi piace la sensazione di scrivere query semplici e, allo stesso tempo, apprezzo la modularità aggiuntiva e la documentazione automatica. I test e le mie trasformazioni che girano contemporaneamente mi danno una vera fiducia nei dataset che fornisco. Recensione raccolta e ospitata su G2.com.

Quando si tratta di dbt, la curva di apprendimento è piuttosto impegnativa e mi ci è voluto del tempo per capire come impostare le macro e organizzare i modelli in modo ordinato. Il compito di fare il debug è anche piuttosto noioso e, poiché alcuni messaggi di errore mancano di chiarezza, finisco per passare molto tempo sui log. Inoltre, per progetti di grandi dimensioni, il tempo di esecuzione può essere piuttosto lungo, il che può ostacolare il flusso di sviluppo. Recensione raccolta e ospitata su G2.com.

dbt funziona bene su Redshift, poiché è stato menzionato più volte nelle note; tuttavia, dbt si limita a compilare l'SQL e il magazzino dati stesso gestisce il lavoro pesante. Usare Git e il controllo di versione per i modelli di dati è utile perché impedisce al modello di dati di esplodere. dbt si integra anche con la nostra infrastruttura AWS senza richiedere lacrime. La velocità è sufficiente, poiché si limita a passare il lavoro al database; tuttavia, avere la logica di trasformazione in un'unica posizione è utile. Recensione raccolta e ospitata su G2.com.

Il costo sta diventando sempre più elevato e considerando che dbt è essenzialmente un compilatore SQL sofisticato. dbt ha anche prestazioni scarse quando gestisce dati non strutturati (anche se questo potrebbe essere dovuto a Redshift); non sono sicuro, tutto sembra confondersi. Inoltre, la curva di apprendimento è molto ripida se non si ha familiarità con Jinja e con la corretta configurazione dei file YAML. Recensione raccolta e ospitata su G2.com.