DBT 实战系列

dbt（Data Build Tool）是目前最流行的数据转换工具，它把软件工程的最佳实践——版本控制、测试、文档、模块化——引入数据建模。你用 SQL 写转换逻辑，dbt 负责依赖管理、增量计算、数据质量测试和文档生成。

ClickZetta Lakehouse 通过

dbt-clickzetta

配套项目

本系列所有文档的代码均来自以下三个可直接运行的开源项目，不是凭空编写的示例：

jaffle-shop-clickzetta 咖啡店订单数据集，dbt 官方示例项目的 ClickZetta 版本。包含 6 张 seed 表、6 个 staging 视图、7 张 mart 表、27 个 data test、3 个 unit test。适合快速上手，从零到跑通约 1 分钟。

snowflake-dbt2lakehouse-dbt TPC-H 订单数仓，从 Snowflake 迁移到 ClickZetta 的完整项目。覆盖 Dynamic Table、Table Stream CDC、增量管道、SCD 维度表等高级场景。数据源使用 ClickZetta 内置的 TPC-H 共享数据集（1.5 亿行订单），无需导入数据。

dbt-clickzetta examples（

examples/

从哪里开始

根据你的情况选择入口：

刚接触 dbt，想快速跑通 → 先看 DBT 快速入门（Jaffle Shop），30 分钟内跑通完整项目

已有 dbt 项目，想了解增量处理 → DBT 增量处理实战，4 种策略的选型和实际代码

想用 Dynamic Table 或 Table Stream 做实时管道 → DBT 实时数据管道实战

想给数据管道加测试 → DBT 数据质量实战，data test + unit test，实测 30/30 通过

想用索引、clone、VCluster 等 ClickZetta 特有能力 → DBT 高级特性实战

从 Snowflake 迁移过来 → DBT Snowflake 迁移实战：TPC-H 数仓管道

系列文章

• DBT 增量处理实战 — merge / append / delete+insert / insert_overwrite 四种策略，增量过滤写法，schema 变更处理
• DBT 实时数据管道实战 — Dynamic Table 自动刷新，Table Stream CDC，Stream offset 管理
• DBT 数据质量实战 — data test + unit test，实测 30/30 通过
• DBT 高级特性实战 — 索引（Bloomfilter/倒排/向量）、零拷贝克隆、物化视图、VCluster 资源隔离、grants

版本要求

建议使用 dbt-clickzetta >= 1.7.5，该版本修复了所有已知问题：

float8

safe_cast

this.database

None

SELECT * EXCEPT(...)

dbt seed --full-refresh

相关文档

• DBT ClickZetta adapter 使用指南
• DBT 快速入门（Jaffle Shop）
• DBT 开发实战（Table Stream + Dynamic Table）
• dbt-clickzetta GitHub