Untuk mencapai observabilitas dan pemantauan dbt yang berkelanjutan, IBM® Databand menghadirkan integrasi dbt yang mulus.
Makin banyak tim yang menggunakan dbt Core dan dbt Cloud untuk menerapkan kode analitik dengan cepat. Dengan pipeline data yang saling terhubung serta makin kompleks dan terdistribusi ke berbagai sistem, melacak dan mengidentifikasi masalah dbt sebelum berdampak pada bisnis dapat menjadi tantangan.
Integrasi dbt dengan IBM® Databand memberikan observabilitas berkelanjutan di seluruh pekerjaan, pengujian, dan model Anda sehingga Anda dapat mengetahui jika proses dbt rusak dan cara memperbaikinya dengan cepat.
Dengan integrasi observabilitas Databand, terima peringatan dbt proaktif seputar waktu eksekusi, kegagalan pengujian, anomali model, dan banyak lagi.
Hemat waktu rekayasa dengan memusatkan metadata dan analisis akar masalah dari semua perintah dbt Anda di bawah satu atap.
Dengan memanfaatkan kemampuan silsilah Databand, Anda dapat melihat tabel mana yang terkena dampak di seluruh populasi dbt Anda.
Mengintegrasikan kemampuan observabilitas Databand dalam lingkungan dbt Core atau dbt Cloud dapat dilakukan dengan menggunakan salah satu metode berikut:
1. Melacak dbt dengan SDK Python Databand
Gunakan SDK Python Databand untuk melacak pekerjaan dbt Cloud atau perintah dbt Core yang telah dipicu melalui alat orkestrasi Python seperti Apache Airflow.
2. Melacak pekerjaan dbt Cloud menggunakan monitor dbt Databand
Gunakan monitor dbt Cloud Databand untuk melacak pekerjaan dengan memantau langsung akun dbt Cloud Anda. Alat ini memungkinkan Databand melacak pekerjaan dbt Anda terlepas dari bagaimana tugas tersebut dipicu.
Rangkaian kemampuan Databand yang komprehensif membantu menyederhanakan dan memusatkan observabilitas dbt Anda.
Manfaatkan kekuatan kemampuan peringatan Databand untuk memberi tahu tim Anda tentang masalah penting segera setelah masalah itu terjadi. Buat peringatan untuk insiden seperti kegagalan perintah dbt, model individual, atau pengujian dan laporkan anomali durasi untuk perintah, model, dan pengujian. Selain itu, temukan jumlah catatan yang tidak wajar untuk tabel di model Anda.
Databand mengotomatiskan penemuan file .sql dan .yaml untuk membantu menyederhanakan cara teknisi dan analis analitik mengakses dan melakukan debug SQL untuk model dan pengujian mereka. Ini menyederhanakan proses identifikasi informasi penting seperti tipe materialisasi tabel dan skema, serta menyelidiki logika tabel untuk lebih memahami bagaimana penghitungan tertentu diturunkan.
Dengan semua perintah dbt dapat dilihat dari konsol terpusat, hemat waktu proses debug dengan meninjau status dan durasi setiap perintah dbt secara cepat. Termasuk model dan pengujian dbt individual sehingga Anda dapat menentukan akar masalah kegagalan dbt dan menyelesaikannya dengan cepat.