📌 项目地址：dbt-labs/dbt-core | ⭐ 13,160 颗星 | 🔧 Rust | 📜 未标注
项目是什么与核心价值
dbt（data build tool）让数据分析师和工程师用软件工程的方式管理数据转换流程。简单说，你只需写 SQL SELECT 语句，dbt 帮你把这些语句变成数据仓库中的表或视图，并自动处理模型间的依赖关系、测试数据质量、生成文档。
为什么值得关注 v2.0？
官方将 dbt Core v1 的 Python 实现迁移到 1.latest 分支，main 分支迎来了完全用 Rust 重写的 v2.0 alpha 版本。Rust 版本的目标是：
- 更快：解析和编译时间大幅缩短，尤其适合大型项目（上千个模型）。
- 更严格的语法检查：在解析阶段就能发现错误，避免运行时崩溃。
- 更易安装：单一自包含二进制文件，不再依赖 Python 运行时和包管理。
- 更可扩展的产物格式：除了兼容 JSON 的
manifest.json，新增 Parquet 产物，可直接用 SQL 查询和分析。 - 本地文档体验重写：基于新产物系统，能轻松支撑超大型项目的文档生成。
快速上手（参考官方文档）
注意：README 中 v2.0 的安装命令尚未给出（处于 alpha 阶段），以下用法基于 dbt 核心概念，具体操作请参考 官方文档。
环境要求
v2.0 支持的操作系统和架构：
| 操作系统 | x86-64 | ARM |
|---|---|---|
| macOS | 🟢 | 🟢 |
| Linux | 🟢 | 🟢 |
| Windows | 🟢 | 🟡 |
（ARM Windows 尚未支持）
基本概念
dbt 的核心是 模型——一个 .sql 文件，里面写一条 SELECT 语句。模型之间可以通过 ref() 函数引用，dbt 自动推导依赖顺序。例如：
-- models/orders.sql
SELECT *
FROM {{ ref('stg_orders') }}
WHERE status = 'completed'
然后运行 dbt run，dbt 会先编译所有模型，按依赖顺序在数据仓库中创建表/视图。
质量保证通过 测试 实现，写一个 .yml 文件定义断言（如“amount 字段不能为 null”）：
version: 2
models:
- name: orders
columns:
- name: amount
tests:
- not_null
执行 dbt test 即可验证。
获取 dbt Core v2.0
由于 v2.0 尚在 alpha，官方建议从 1.latest 分支获取稳定版。若体验 v2.0，可关注 GitHub Releases 或参考官方文档中的安装指引。
关键变化与注意事项
1. 性能提升是卖点，但仍在 Alpha
README 明确强调 “Behavior, APIs, and on-disk formats may change”。如果用于生产环境，请继续使用 v1（1.latest 分支）。v2.0 更适合尝鲜测试或学习。
2. 从 v1 迁移的断裂点
- 更严格的语法：之前 v1 允许的一些松散写法可能在 v2.0 直接报错。
- 产物格式：虽然兼容 JSON，但 Parquet 产物是新体系，依赖它的工具需注意版本匹配。
- Rust 原生二进制：没有 Python 环境，意味着不能再用 pip 安装插件——dbt 生态中的适配器（如 dbt-bigquery）可能需要重新适配。
3. 适合谁用
- 有大规模 dbt 项目的团队：解析编译时间可能是每日迭代的瓶颈，v2.0 的加速效果值得关注。
- 追求单二进制部署的 CI/CD 环境：无需 Python 依赖，降低容器/虚拟机镜像体积。
- 对 Rust 生态感兴趣的数据工程师：可以研究源码，参与贡献（Apache 2.0 许可证）。
4. 局限性
- Windows ARM 暂不支持。
- 社区插件适配可能滞后。
- 作为 alpha，稳定性尚未验证。
总结
dbt Core v2.0 是 dbt 团队对 “大规模数据转换工程化” 的一次根本性重构。用 Rust 重写，换来的是解析编译的秒级提升和部署的零依赖。如果你正在烦恼一个 dbt run 耗时十几分钟的项目，v2.0 也许正是你要等的解药——但请耐心等待它的正式版，或先在非生产环境尝鲜。