セレクタ source_status:fresher+ は、前回の dbt source freshness 実行によって作成されたフレッシュネスメタデータに完全に依存します。ソースフレッシュネスの結果はアーティファクトに保存され、--state フラグは dbt にこれらのアーティファクトが以前に生成された場所を指定します。最初に dbt source freshness を実行しないと、dbt にはフレッシュネスステータスが保存されないため、「fresher」ステータスでソースをフィルタリングできません。そのため、オプション A が必要になります。
さらに、ソースのフレッシュネスチェックは、ソースのYAML設定にフレッシュネスブロックが含まれている場合にのみ機能します。このブロックは、loaded_at_fieldとwarn_after / error_afterのしきい値を指定します。フレッシュネスブロックが存在しない場合、dbtはフレッシュネスを全く計算しません。つまり、そのようなソースはsource_status:fresher+セレクタに出現できません。したがって、Dも必須です。
オプションBとEはソースの鮮度アーティファクトとは無関係であり、このセレクタの前提条件には影響しません。オプションCは、汎用テストが鮮度メタデータの生成に関与しないため、鮮度ロジックに影響を与えません。
したがって、2 つの前提条件は次のとおりです。
* dbt source freshness を実行します (鮮度メタデータを作成するため)。
* 関連するソースの鮮度構成を定義します。

スキーマ テストは防御の第一線としては有効ですが、データの実際の内容を調べる、より細かいチェックの必要性がなくなるわけではありません。

CTEは可読性を向上させ、モデルをレポートパターンと整合させることでユーザビリティを向上させます。すべてを「ビュー」として具体化するとパフォーマンスが低下し、モデルの数が少ないからといって必ずしもDAGが向上するわけではありません。

これらはそれぞれ貴重な洞察をもたらす可能性があります。まずはプロファイリングを行い、パフォーマンスが最も重要となる領域を見つけましょう。ただし、フックや設定レベルの最適化の可能性も見逃さないでください。

A: 直接開発モデリングは、重要な生データチェックを省略するリスクがあります。B: データの系統が不明確になり、誤解を招く可能性があります。C: 信頼できるソースがないと、問題の修正やモデルの適応が難しくなります。