为了实现持续的 dbt 可观察性和监控，IBM® Databand 采用了无缝 DataStage 整合功能。
各团队越来越多地在使用 dbt Core 和 dbt Cloud 来快速部署分析代码。随着互连的数据管道日趋复杂，且分布在多个系统中，在 dbt 问题影响业务之前对其进行跟踪和识别可能具有挑战性。
将 dbt 与 IBM Databand 整合，可跨任务、测试和模型中提供持续的可观察性，以便企业了解 dbt 流程何时中断以及如何快速将其修复。
借助 Databand 可观察性整合，接收有关执行时间、测试故障、模型异常等的主动 dbt 警报。
通过将所有 dbt 命令的元数据和根本原因分析集中一处，可节省工程时间。
通过利用 Databand 的沿袭功能， 查看哪些表格在 dbt 群体中会受到影响。
可使用以下任意方法在 dbt Core 或 dbt Cloud 环境中整合 Databand 的可观察性功能：
1. 使用 Databand 的 Python SDK 跟踪 dbt
使用 Databand 的 Python SDK 跟踪通过 Python 编排工具（如 Apache Airflow）触发的 dbt Cloud 任务或 dbt Core 命令。
2. 使用 Databand 的 dbt 监控跟踪 dbt Cloud 任务
使用 Databand 的 dbt Cloud 监控，通过直接监控 dbt Cloud 账户来跟踪任务。这样一来，Databand 便能够跟踪 dbt 任务，无论其触发方式如何。
Databand 的全套功能有助于简化和集中企业的 dbt 可观察性。
借助 Databand 强大的警报功能，在严重问题发生时立即通知团队。针对 dbt 命令、单个模型或测试的故障等事件生成警报，并报告命令、模型和测试的持续时间异常。此外，还可以发现模型中表格的异常记录计数。
Databand 可自动发现 .sql 和 .ymal 文件，帮助简化分析工程师和分析人员访问，并为其模型和测试调试 SQL。这简化了识别关键信息（例如表格和架构实现类型）的过程，并研究了表格逻辑，以便更好地了解某些计算结果的得出方式。
所有 dbt 命令均可从集中式控制台查看，因此可以快速查看每个 dbt 命令的状态和持续时间，从而节省调试时间。这包括单个 dbt 模型和测试，企业可以查明 dbt 故障的根本原因并快速将其解决。