ProHoster >> Blog >> Administrimi >> Data Build Tool ose çfarë ka të përbashkët midis Magazinës së Të Dhënave dhe Smoothie

Data Build Tool ose çfarë ka të përbashkët midis Magazinës së Të Dhënave dhe Smoothie

Data Build Tool ose çfarë ka të përbashkët midis Magazinës së Të Dhënave dhe Smoothie
ÇfarĂ« parimesh krijon njĂ« Depo tĂ« DĂ«shiruar tĂ« DhĂ«nash?

Fokusoni në vlerën e biznesit dhe analizën në mungesë të kodit boilerplate. Menaxhimi i DWH si një bazë kodi: versionimi, rishikimi, testimi automatik dhe CI. Modulariteti, zgjerueshmëria, kodi i hapur dhe komuniteti. Dokumentacioni i përdoruesit të miqësor dhe vizualizimi i varësive (Data Lineage).

PĂ«r mĂ« shumĂ« detaje dhe mbi rolin e DBT nĂ« ekosistemin e Big Data & Analytics — mirĂ«mĂ«ngjesi nĂ«n kat.

Përshëndetje të gjithëve

Këtu është Artemiy Kozyr. Për më shumë se 5 vjet punoj me depo të dhënash, ndihmoj në ndërtimin e ETL/ELT, si dhe analizën e të dhënave dhe vizualizimin. Aktualisht punoj në Wheely, dhe jap mësim në OTUS në kursin Data Engineer, dhe sot dua të ndaj me ju një artikull që kam shkruar përpara fillimit të grupit të ri në kursin.

Përmbledhje e shkurtër

Korniza DBT — Ă«shtĂ« gjithçka pĂ«r shkronjĂ«n T nĂ« akronimin ELT (Extract — Transform — Load).

Me shfaqjen e bazave të dhënash analitike aq të fuqishme dhe të Zgjeruara si BigQuery, Redshift, Snowflake, ka humbur tërë rëndësinë e kryerjes së transformimeve jashtë Depo të Dhënash. 

DBT nuk e eksporton të dhënat nga burimet, por ofron mundësi të mëdha për të punuar me ato të dhëna që janë tashmë ngarkuar në Depo (në Internal ose External Storage).

Data Build Tool ose çfarë ka të përbashkët midis Magazinës së Të Dhënave dhe Smoothie
Qëllimi kryesor i DBT është të marrë kodin, ta kompiloje atë në SQL, dhe të ekzekutojë komandat në rendin e duhur në Depo.

Struktura e projektit DBT

Projekti përbëhet nga dy lloje direktorive dhe skedash:

  • Modeli (.sql) — njĂ«si transformimi e shprehur si njĂ« pyetje SELECT
  • Skeda e konfigurimit (.yml) — parametra, cilĂ«sime, teste, dokumentacion

Në nivelin bazik, puna zhvillohet në këtë mënyrë:

  • PĂ«rdoruesi pĂ«rgatit kodin e modeleve nĂ« çdo IDE tĂ« pĂ«rshtatshĂ«m
  • Me anĂ« tĂ« CLI-s, thirret ekzekutimi i modeleve, DBT kompilon kodin e modeleve nĂ« SQL
  • Kodsql i kompiliuar ekzekutohet nĂ« Depo nĂ« rendin e caktuar (graf)

Kështu mund të duket ekzekutimi nga CLI:

Data Build Tool ose çfarë ka të përbashkët midis Magazinës së Të Dhënave dhe Smoothie

Gjithçka është SELECT

Kjo është karakteristika kryesore e kornizës Data Build Tool. Me fjalë të tjera, DBT abstragjon të gjithë kodin që lidhet me materializimin e pyetjeve tuaja në Depot (variacionet e komandave CREATE, INSERT, UPDATE, DELETE, ALTER, GRANT, 
).

Çdo model supozon shkronjimin e njĂ« pyetje SELECT, e cila pĂ«rcakton setin e tĂ« dhĂ«nave rezultuese.

Megjithatë, logjika e transformimeve mund të jetë shumënivélëshe dhe të konsolidojë të dhëna nga disa modele të tjera. Një shembull modeli që do të ndërtojë një vitrinë poroshish (f_orders):

{% set payment_methods = ['credit_card', 'coupon', 'bank_transfer', 'gift_card'] %}
 
me porosi si (
 
   select * from {{ ref('stg_orders') }}
 
),
 
porosi_pages si (
 
   select * from {{ ref('order_payments') }}
 
),
 
konte final si (
 
   select
       orders.order_id,
       orders.customer_id,
       orders.order_date,
       orders.status,
       {% for payment_method in payment_methods -%}
       porosi_pages.{{payment_method}}_amount,
       {% endfor -%}
       porosi_pages.total_amount as amount
   from orders
       left join porosi_pages using (order_id)
 
)
 
select * from final

ÇfarĂ« interesante mund tĂ« shohim kĂ«tu?

SĂ« pari: JanĂ« pĂ«rdorur CTE (Common Table Expressions) — pĂ«r organizimin dhe kuptimin e kodit qĂ« pĂ«rmban shumĂ« transformime dhe logjikĂ« biznesi

SĂ« dyti: Kodu i modelit — Ă«shtĂ« njĂ« miks SQL dhe Jinja (gjuhĂ« templating).

NĂ« shembull Ă«shtĂ« pĂ«rdorur njĂ« cikĂ«l pĂ«r pĂ«r formimin e shumĂ«s sipas çdo metode pagese, tĂ« specifikuar nĂ« shprehje set. Po ashtu pĂ«rdoret njĂ« funksion ref — mundĂ«sia pĂ«r tĂ« referuar brenda kodit nĂ« modele tĂ« tjera:

  • GjatĂ« kompilimit ref do tĂ« konvertohet nĂ« njĂ« tregues tĂ« synuar nĂ« tabelĂ« ose pamje nĂ« Depo
  • ref lejon ndĂ«rtimin e grafikĂ«ve tĂ« varĂ«sive tĂ« modeleve

Pikërisht Jinja shton në DBT mundësi pothuajse të pakufizuara. Më të përdorurat nga ato janë:

  • OperatorĂ«t if / else — ndarĂ«s tĂ« rrugĂ«ve
  • Ciklet for — cikle
  • Variablat — variabla
  • Makro — krijimi i makrove

Materializimi: Tabelë, Pamje, Inkremental

Strategjia e Materializimit — qasja sipas sĂ« cilĂ«s, rezultati i grupeve tĂ« dhĂ«nave tĂ« modelit do tĂ« ruhet nĂ« Depot.

Në një shqyrtim themelor, kjo është:

  • Tabela — tabelĂ« fizike nĂ« Depot
  • Pamja — pĂ«rfaqĂ«sim, tabelĂ« virtuale nĂ« Depot

Ka dhe strategji më të ndërlikuara të materializimit:

  • Inkremental — ngarkimi inkremental (i tabelave tĂ« mĂ«dha tĂ« fakteve); rreshtat e rinj shtohen, ato tĂ« ndryshuara pĂ«rditĂ«sohen, tĂ« fshirĂ«t hiqen 
  • Ephemeral — modeli nuk materializohet drejtpĂ«rdrejt, por merr pjesĂ« si CTE nĂ« modele tĂ« tjera
  • Çdo strategji tjetĂ«r qĂ« mund tĂ« shtoni vetĂ«

Përveç strategjive të materializimit, hapen mundësi për optimizim për Depot specifike, për shembull:

  • Snowflake: Tabela transiente, Sjellja e bashkimeve, Klasifikimi i tabelave, Kopjimi i tĂ« drejtave, Pamje tĂ« sigurta
  • Redshift: Distkey, Sortkey (tĂ« ndĂ«rthurura, tĂ« ndara), Pamjet me lidhje tĂ« vonshme
  • BigQuery: Ndarja dhe klasifikimi i tabelave, Sjellja e bashkimeve, Enkriptimi KMS, Etiketat & TĂ« dhĂ«na
  • Spark: Formati i skedarit (parquet, csv, json, orc, delta), partition_by, clustered_by, buckets, incremental_strategy

Aktualisht mbështeten ruajtjet e mëposhtme:

  • Postgres
  • Redshift
  • BigQuery
  • Snowflake
  • Presto (pjĂ«sĂ«risht)
  • Spark (pjĂ«sĂ«risht)
  • Microsoft SQL Server (adapter komuniteti)

Le të përmirësojmë modelin tonë:

  • TĂ« bĂ«jmĂ« plotĂ«simin e tij inkremental (Incremental)
  • TĂ« shtojmĂ« çelĂ«sat e segmentimit dhe renditjes pĂ«r Redshift

-- Konfigurimi i modelit: 
-- Plotësim inkremental, çelësi unik për përditësimin e shënimeve (unique_key)
-- ÇelĂ«si i segmentimit (dist), çelĂ«si i renditjes (sort)
{{
  config(
       materialized='incremental',
       unique_key='order_id',
       dist="customer_id",
       sort="order_date"
   )
}}
 
{% set payment_methods = ['credit_card', 'coupon', 'bank_transfer', 'gift_card'] %}
 
me porosi si (
 
   select * from {{ ref('stg_orders') }}
   kujt 1=1
   {% if is_incremental() -%}
       -- Ky filtr do të aplikohet vetëm për nisjen inkrementale
       and order_date >= (select max(order_date) from {{ this }})
   {%- endif %} 
 
),
 
porosi_pages as (
 
   select * from {{ ref('order_payments') }}
 
),
 
fundore si (
 
   select
       orders.order_id,
       orders.customer_id,
       orders.order_date,
       orders.status,
       {% for payment_method in payment_methods -%}
       porosi_pages.{{payment_method}}_amount,
       {% endfor -%}
       porosi_pages.total_amount as amount
   from orders
       left join porosi_pages using (order_id)
 
)
 
select * from fundore

Grafi i varësisë së modeleve

I njĂ«jti si pemĂ« varĂ«sish. Po ashtu DAG (Grafi i Orientuar Aciiklik — Directed Acyclic Graph).

DBT krijon grafin bazuar në konfigurimin e të gjitha modeleve të projektit, përkatësisht lidhjet ref() brenda modeleve me modelet e tjera. Prania e grafit lejon realizimin e këtyre funksioneve:

  • Ekzekutimin e modeleve nĂ« njĂ« rend tĂ« saktĂ«
  • Paralelizimin e formimit tĂ« vitrinave
  • Ekzekutimin e njĂ« nĂ«ngrafi tĂ« rastit 

Shembulli i vizualizimit të grafit:

Data Build Tool ose çfarë ka të përbashkët midis Magazinës së Të Dhënave dhe Smoothie
Çdo nyje e grafit Ă«shtĂ« njĂ« model, brinjtĂ« e grafit pĂ«rcaktohen nga shprehja ref.

Cilësia e të dhënave dhe Dokumentacioni

Përveç formimit të vetë modeleve, DBT lejon testimin e një sërë supozimesh (assertions) mbi grupin e rezultateve të dhënave, të tilla si:

  • Jo Null
  • Unike
  • Integriteti Referencial — integriteti referencor (p.sh., customer_id nĂ« tabelĂ«n e porosive pĂ«rputhet me id nĂ« tabelĂ«n e klientĂ«ve)
  • PĂ«rputhshmĂ«ria me listĂ«n e vlerave tĂ« lejuara

ËshtĂ« e mundur shtimi i testeve tĂ« veta (custom data tests), tĂ« tilla si, pĂ«r shembull, % devijimi i tĂ« ardhurave me treguesit e ditĂ«s, javĂ«s, muajit tĂ« kaluar. Çdo supozim i formuluar nĂ« formĂ«n e njĂ« pyetje SQL mund tĂ« bĂ«het test.

Kështu mund të kapen devijimet dhe gabimet epadëshiruara në të dhëna në vitrinat e Depot.

Sa i dokumentacionit, DBT ofron mekanizma për shtimin, versionimin dhe shpërndarjen e metadatat dhe komentet në nivelin e modeleve dhe madje të atributeve. 

Ja si duket shtimi i testeve dhe dokumentacionit në nivelin e skedarit të konfigurimit:

 - emri: fct_orders
   përshkrimi: Ky tabelë ka informacion bazik mbi porositë, si dhe disa fakte të deriva nga pagesat
   kolonat:
     - emri: order_id
       teste:
         - unik # kontrollimi i unikalitetit të vlerave
         - jo_null # kontrollimi i pranisë së null
       përshkrimi: Ky është një identifikues unik për një porosi
     - emri: customer_id
       pĂ«rshkrimi: ÇelĂ«si i huaj nĂ« tabelĂ«n e klientĂ«ve
       teste:
         - jo_null
         - marrëdhënie: # kontrollimi i integritetit referencial
             në: ref('dim_customers')
             fusha: customer_id
     - emri: order_date
       përshkrimi: Data (UTC) kur është bërë porosia
     - emri: status
       përshkrimi: '{{ doc("orders_status") }}'
       teste:
         - vlerat e pranuara: # kontrollimi i vlerave të pranuara
             vlerat: ['placed', 'shipped', 'completed', 'return_pending', 'returned']

Ja si duket ky dokumentacion tashmë në uebfaqen e gjeneruar:

Data Build Tool ose çfarë ka të përbashkët midis Magazinës së Të Dhënave dhe Smoothie

Makrot dhe Modul

Qëllimi i DBT nuk është vetëm të bëhet një grup skenarësh SQL, por të ofrojë përdoruesve mjete të fuqishme dhe me mundësi të pasura për të ndërtuar transformime të veta dhe për të shpërndarë këto module.

Makroh janë grupe konstrukcionesh dhe shprehjesh që mund të thirren si funksione brenda modeleve. Makroh lejojnë ri-përdorimin e SQL midis modeleve dhe projekteve në përputhje me parimin inxhinierik DRY (Mos e Përsërit Vetveten).

Shembuj i makros:

{% macro rename_category(column_name) %}
case
 when {{ column_name }} ilike  '%osx%' then 'osx'
 when {{ column_name }} ilike  '%android%' then 'android'
 when {{ column_name }} ilike  '%ios%' then 'ios'
 else 'other'
end as renamed_product
{% endmacro %}

Dhe përdorimi i tij:

{% set column_name = 'product' %}
select
 product,
 {{ rename_category(column_name) }} -- thirrje e makros
from my_table

DBT vjen me një menaxher paketa (packages), i cili lejon përdoruesit të publikojnë dhe ri-përdorin module dhe maqro të veçanta.

Kjo do të thotë mundësi për të shkarkuar dhe përdorur biblioteka si:

  • dbt_utils: puna me Data/Koha, ÇelĂ«sa NĂ«nstitucionalĂ«, teste tĂ« skemĂ«s, Pivot/Unpivot dhe tĂ« tjera
  • Krijime tĂ« gatshme pĂ«r shĂ«rbime si Snowplow dhe Stripe 
  • Biblioteka pĂ«r depozitĂ« tĂ« veçanta tĂ« tĂ« dhĂ«nave, pĂ«r shembull Redshift 
  • Regjistrimi — Moduli pĂ«r regjistrimin e funksionimit tĂ« DBT

Mund të shihni listën e plotë të pakove në dbt hub.

Edhe më shumë mundësi

Këtu do të përshkruaj disa karakteristika dhe realizime të tjera interesante që unë dhe ekipi përdorim për ndërtimin e Depo të Dhënash në Wheely.

Ndarja e mjediseve tĂ« ekzekutimit DEV — TEST — PROD

Edhe brenda një klasteri DWH (në kuadrin e skemave të ndryshme). Për shembull, me shprehjen e mëposhtme:

me burim si (
 
   zgjedh * nga {{ source('salesforce', 'users') }}
   ku 1=1
   {%- nëse target.name është në ['dev', 'test', 'ci'] -%}           
       ku timestamp >= dateadd(day, -3, current_date)   
   {%- përfundim -%}
 
)

Ky kod literally thotë: për mjediset dev, test, ci merri të dhënat vetëm për tre ditët e fundit dhe jo më shumë. Kështu, ekzekutimi në këto mite do të jetë shumë më i shpejtë dhe do të kërkojë më pak burime. Kur ekzekutohet në mjedisin prod kushti i filtrimit do të injorohet.

Materializimi me kodifikim alternativ të kolonave

Redshift — njĂ« DBMS kolonor qĂ« lejon pĂ«rcaktimin e algoritmeve tĂ« kompresimit tĂ« tĂ« dhĂ«nave pĂ«r çdo kolonĂ« tĂ« veçantĂ«. Zgjedhja e algoritmeve optimal mund tĂ« reduktojĂ« volumĂ«n e zĂ«nĂ« nĂ« disk nga 20-50%.

Makro redshift.compress_table do të ekzekutojë komandën ANALYZE COMPRESSION, do të krijojë një tabelë të re me algoritmet e kodimit të rekomanduara për kolonat, çelësat e segmentimit (dist_key) dhe renditjes (sort_key), do të transferojë të dhënat në të, dhe nëse është e nevojshme do të fshijë kopjen e vjetër.

NĂ«nshkrimi i makros:

{{ compress_table(schema, table,
                 drop_backup=False,
                 comprows=none|Integer,
                 sort_style=none|compound|interleaved,
                 sort_keys=none|List,
                 dist_style=none|all|even,
                 dist_key=none|String) }}

Regjistrimi i ekzekutimeve të modeleve

Për çdo ekzekutim të modelit mund të lidhen hooks që do të ekzekutohen para fillimit ose menjëherë pas përfundimit të krijimit të modelit:

   pre-hook: "{{ logging.log_model_start_event() }}"
   post-hook: "{{ logging.log_model_end_event() }}"

Moduli i regjistrimit do të lejojë regjistrimin e të gjitha metadatat e nevojshme në një tabelë të veçantë, mbi të cilën më vonë mund të bëhet auditi dhe analiza e vendeve problematike (bottlenecks).

Ja si duket paneli në të dhënat e regjistrimit në Looker:

Data Build Tool ose çfarë ka të përbashkët midis Magazinës së Të Dhënave dhe Smoothie

Automatizimi i shërbimit të Depozitës

Nëse përdorni ndonjë zgjerim funksional të Ruhes, si UDF (Funksione të Definuara nga Përdoruesi), versionimi i këtyre funksioneve, menaxhimi i aksesit dhe nxjerrja e automatizuar e versioneve të reja janë shumë të lehta për t'u realizuar në DBT.

Ne përdorim UDF në Python, për llogaritjen e vlerave hash, domain-eve të adresave të postës, dekodimin e maskave me bit (bitmask).

shembulli i një makroje që krijon UDF në çdo mjedis ekzekutimi (dev, test, prod):

{% macro create_udf() -%}

 {% set sql %}
       CREATE OR REPLACE FUNCTION {{ target.schema }}.f_sha256(mes "varchar")
           RETURNS varchar
           LANGUAGE plpythonu
           STABLE
       AS $$  
           import hashlib
           return hashlib.sha256(mes).hexdigest()
       $$
       ;
 {% endset %}
  
 {% set table = run_query(sql) %}
 
{%- endmacro %}

NĂ« Wheely pĂ«rdorim Amazon Redshift, i cili bazohet nĂ« PostgreSQL. PĂ«r Redshift Ă«shtĂ« e rĂ«ndĂ«sishme tĂ« mbledhim rregullisht statistika pĂ«r tabelat dhe tĂ« lirojmĂ« hapĂ«sirĂ« nĂ« disk — komandat ANALYZE dhe VACUUM, pĂ«rkatĂ«sisht.

Për këtë, çdo natë ekzekutohen komandat nga makroja redshift_maintenance:

{% macro redshift_maintenance() %}
 
   {% set vacuumable_tables=run_query(vacuumable_tables_sql) %}
 
   {% for row in vacuumable_tables %}
       {% set message_prefix=loop.index ~ " of " ~ loop.length %}
 
       {%- set relation_to_vacuum = adapter.get_relation(
                                       database=row['table_database'],
                                       schema=row['table_schema'],
                                       identifier=row['table_name']
                                   ) -%}
       {% do run_query("commit") %}
 
       {% if relation_to_vacuum %}
           {% set start=modules.datetime.datetime.now() %}
           {{ dbt_utils.log_info(message_prefix ~ " Vacuuming " ~ relation_to_vacuum) }}
           {% do run_query("VACUUM " ~ relation_to_vacuum ~ " BOOST") %}
           {{ dbt_utils.log_info(message_prefix ~ " Analyzing " ~ relation_to_vacuum) }}
           {% do run_query("ANALYZE " ~ relation_to_vacuum) %}
           {% set end=modules.datetime.datetime.now() %}
           {% set total_seconds = (end - start).total_seconds() | round(2)  %}
           {{ dbt_utils.log_info(message_prefix ~ " Finished " ~ relation_to_vacuum ~ " in " ~ total_seconds ~ "s") }}
       {% else %}
           {{ dbt_utils.log_info(message_prefix ~ ' Skipping relation "' ~ row.values() | join ('"."') ~ '" as it does not exist') }}
       {% endif %}
 
   {% endfor %}
 
{% endmacro %}

DBT Cloud

Ka një mundësi për të përdorur DBT si shërbim (Managed Service). Në paketë:

  • Web IDE pĂ«r zhvillimin e projekteve dhe modeleve
  • Konfigurimi i punĂ«ve dhe vendosja nĂ« orar
  • Qasje e thjeshtĂ« dhe e convenient nĂ« logje
  • Webfaqja me dokumentacionin e projektit tuaj
  • Pjesa e vazhdueshme CI (Integrimi i VazhdueshĂ«m)

Data Build Tool ose çfarë ka të përbashkët midis Magazinës së Të Dhënave dhe Smoothie

PĂ«rfundimi

Të përgatisësh dhe konsumosh DWH bëhet po aq e këndshme dhe e dobishme sa të pish një smoothie. DBT përbëhet nga Jinja, zgjerime të personalizuara (module), përpunues, motor (executor) dhe menaxher paketash. Duke i bashkuar këto elemente, merrni një mjedis të plotë pune për Depositet e Dhënash. Sot, është e vështirë të gjejmë një mënyrë më të mirë për menaxhimin e transformimeve brenda DWH.

Data Build Tool ose çfarë ka të përbashkët midis Magazinës së Të Dhënave dhe Smoothie

Besimet që kanë ndjekur zhvilluesit e DBT janë formuluar kështu:

  • KĂžd-i, dhe jo GUI, Ă«shtĂ« abstraksioni mĂ« i mirĂ« pĂ«r tĂ« shprehur logjikĂ«n komplekse analitike
  • Puna me tĂ« dhĂ«nat duhet tĂ« adaptohet sipas praktikave mĂ« tĂ« mira tĂ« zhvillimit tĂ« softuerit (Software Engineering)

  • Infrastruktura mĂ« e rĂ«ndĂ«sishme pĂ«r punĂ«n me tĂ« dhĂ«nat duhet tĂ« kontrollohet nga komuniteti i pĂ«rdoruesve si softuer me burim tĂ« hapur
  • Jo vetĂ«m mjetet analitike, por edhe kodet gjithnjĂ« e mĂ« shumĂ« do tĂ« bĂ«hen pronĂ«si e komunitetit Open Source

Këto besime thelbësore prodhuan një produkt, i cili sot përdoret nga më shumë se 850 kompani, dhe përbëjnë bazën e shumë zgjerimeve interesante që do të krijohen në të ardhmen.

PĂ«r ata qĂ« janĂ« tĂ« interesuar, ka njĂ« regjistrim video tĂ« njĂ« leksioni tĂ« hapur qĂ« kam mbajtur disa muaj mĂ« parĂ« nĂ« kuadĂ«r tĂ« njĂ« leksioni tĂ« hapur nĂ« OTUS — Data Build Tool pĂ«r depozitĂ«n Amazon Redshift.

Përveç DBT dhe Depozitave të Dhënash, në kuadër të kursit Data Engineer në platformën OTUS, unë dhe kolegët e mi udhëheqim mësime mbi një sërë temash të tjera aktuale dhe moderne:

  • Konceptet arkitekturore tĂ« aplikacioneve tĂ« DhĂ«nave tĂ« MĂ«dha
  • Praktika me Spark dhe Spark Streaming
  • Studimi i mĂ«nyrave dhe mjeteve pĂ«r ngarkimin e burimeve tĂ« dhĂ«nash
  • NdĂ«rtimi i dritareve analitike nĂ« DWH
  • Konceptet NoSQL: HBase, Cassandra, ElasticSearch
  • Principet e organizimit tĂ« monitorimit dhe orkestrimit 
  • Projekti Final: mblidhen tĂ« gjitha aftĂ«sitĂ« nĂ«n mbĂ«shtetje mentorike

Linket:

  1. Dokumentacioni DBT — Hyrje — Dokumentacioni zyrtar
  2. ÇfarĂ« Ă«shtĂ« saktĂ«sisht dbt? — NjĂ« artikull pĂ«rmbledhĂ«s nga njĂ« nga autorĂ«t e DBT 
  3. Data Build Tool pĂ«r depozitĂ«n Amazon Redshift — YouTube, Regjistrimi i leksionit tĂ« hapur nĂ« OTUS
  4. Njoftimi me Greenplum — Leksioni i hapur mĂ« 15 maj 2020
  5. Kursi pĂ«r InxhinierinĂ« e DhĂ«nave — OTUS
  6. NdĂ«rtimi i njĂ« Fluksi tĂ« Matur Analitik — Pamja pĂ«r tĂ« ardhmen e punĂ«s me tĂ« dhĂ«na dhe analitikĂ«n
  7. ËshtĂ« koha pĂ«r analitikĂ« me burim tĂ« hapur — Evolucioni i analitikĂ«s dhe ndikimi i Burimit tĂ« Hapur
  8. Integrimi i vazhdueshĂ«m dhe Testimi Automatik i NdĂ«rtimit me dbtCloud — Parimet e ndĂ«rtimit tĂ« CI duke pĂ«rdorur DBT
  9. Si tĂ« filloni me mĂ«simin e DBT — Praktike, UdhĂ«zime hap pas hapi pĂ«r punĂ« tĂ« vetme
  10. Jaffle shop — MĂ«simi DBT nĂ« Github — Github, kodi i projektit mĂ«simor

Më shumë rreth kursit.

Burimi: habr.com

Bli njĂ« hosting tĂ« besueshĂ«m pĂ«r faqet me mbrojtje DDoS, VPS VDS serverĂ« đŸ”„ Bli njĂ« hosting tĂ« besueshĂ«m pĂ«r faqet me mbrojtje DDoS, VPS VDS serverĂ« | ProHoster