本文假设你对 dbt 有一定了解。如果是第一次接触 dbt,建议先阅读 官方文档 或 当 TiDB 遇见 dbt
本文中的示例基于官方维护的 jaffle_shop 项目。关于此项目的细节介绍,可以参考当 TiDB 遇见 dbt 或 github project page,本文不再赘述
TiDB Cloud 官方在5月份开始正式面向全球用户提供全托管的 DBaaS (Database-as-a-Service)服务,支持用户在全托管的数据库上运行关键业务交易和实时分析任务。
同时 TiDB Cloud 还提供了免费试用的 dev tier,可以方便开发者试用、调试。搭配 dev tier,dbt-tidb 易用性大大提高。
恰逢 dbt-tidb v1.2.0 发布,除了支持 dbt-core v1.2.0 之外,它还带来了一些好用的新特性。借此机会,本文将体验 dev tier 并测试 dbt-tidb v1.2.0 的新特性。
对于开发者们,本文还介绍了如何升级 dbt-tidb,可供参考。
Setup
- 安装 dbt-tidb v1.2.0
$ pip install dbt-tidb=1.2.0
-
在 TiDB Cloud 上创建免费的 dev tier,如遇问题可以参考 官方文档。
-
注册并登录账号,页面会跳转到 TiDB Cloud 控制台。
-
点击 Create Cluster,跳转到创建页面,创建参数一般默认即可。
-
点击右下角 Create,跳转到 Security Settings,配置 Root Password 与 IP Access List。(点选 Allow Access from Anywhere 可以允许任意 IP 地址的访问)
-
点击右下角 Apply,页面跳转回 TiDB Cloud 控制台,等待集群初始化完成。
-
初始化完毕后点击 Connect 按钮,即可查看相应 host 与 user 了。可以直接复制 MySQL 连接串以测试集群连通性。
-
- 下载 jaffle_shop 项目
git clone https://github.com/dbt-labs/jaffle_shop
- 在
~/.dbt
路径下配置profiles.yml
中的连接信息
jaffle_shop_tidb: # 工程名称
target: dev
outputs:
dev:
type: tidb # 适配器类型
server: gateway01.ap-southeast-1.prod.aws.tidbcloud.com # 修改为你的 TiDB 地址
port: 4000 # 修改为你的 TiDB 端口号
schema: test # 数据库名称
username: 41y7Jq2g5sBr2ia.root # 修改为你的 TiDB 用户名
password: ${fake_password} # 修改为你的 TiDB 密码
- 修改 jaffle_shop 中的 dbt_project.yml,只需修改 profile 为
profiles.yml
中定义的工程名
profile: 'jaffle_shop_tidb'
- 在 jaffle_shop 目录下执行dbt debug 即可验证配置是否正确
dbt debug
Feature
Connection Retry
在 dbt 中,运行/构建/测试可能会有数百个独立的数据库连接。由于网络等原因导致的单个超时有可能使整个项目运行失败。
因此 dbt-tidb 新增了重试功能来解决暂时性的连接超时问题。
Connection Retry 举例🌰
- 在 profile.yml 添加重试次数的配置,同时使用无效用户模拟连接失败的场景
jaffle_shop_tidb: # 工程名称
target: dev
outputs:
dev:
type: tidb # 适配器类型
server: gateway01.ap-southeast-1.prod.aws.tidbcloud.com # 修改为你的 TiDB 地址
port: 4000 # 修改为你的 TiDB 端口号
schema: test # 数据库名称
username: 41y7Jq2g5sBr2ia.invaild_user
password: ${fake_password} # 修改为你的 TiDB 密码
retries: 3 # 重试次数
- 执行 dbt debug,终端的确显示了相应错误。但想知道是否进行了重试,需要查看 debug 日志
$ dbt debug
Connection:
server: gateway01.ap-southeast-1.prod.aws.tidbcloud.com
port: 4000
database: None
schema: test
user: 41y7Jq2g5sBr2ia.invaild_user
Connection test: [ERROR]
1 check failed:
dbt was unable to connect to the specified database.
The database returned the following error:
>Database Error
1045 (28000): Access denied for user '41y7Jq2g5sBr2ia.invaild_user'@'10.0.123.88' (using password: YES)
- 去 logs 目录下查看 dbt.log,可以发现重试了3次,每次间隔1秒。最后抛出错误
$ cat dbt.log
06:24:19.875482 [debug] [MainThread]: tidb adapter: Got a retryable error when attempting to open a tidb connection.
3 attempts remaining. Retrying in 1 seconds.
Error:
1045 (28000): Access denied for user '41y7Jq2g5sBr2ia.invaild_user'@'10.0.123.88' (using password: YES)
06:24:21.321733 [debug] [MainThread]: tidb adapter: Got a retryable error when attempting to open a tidb connection.
2 attempts remaining. Retrying in 1 seconds.
Error:
1045 (28000): Access denied for user '41y7Jq2g5sBr2ia.invaild_user'@'10.0.123.88' (using password: YES)
06:24:22.703960 [debug] [MainThread]: tidb adapter: Got a retryable error when attempting to open a tidb connection.
1 attempts remaining. Retrying in 1 seconds.
Error:
1045 (28000): Access denied for user '41y7Jq2g5sBr2ia.invaild_user'@'10.0.123.88' (using password: YES)
06:24:24.069883 [debug] [MainThread]: tidb adapter: Error running SQL: select 1 as id
Grant
在 ELT 之后,我们往往需要对数据进行权限控制。基于此,dbt 从 1.2.0 开始支持 Grant 对 dbt 生成的数据集进行访问控制。相应的 dbt-tidb 也支持了授权机制,能够对 dbt 产生的视图与表进行授权管理。
Gant 目前支持 model, seed 和 snapshots。如果你在 dbt_project.yml 下配置,那么项目内所有资源(model/seed/snapshots 都是资源)都会生效。当然,你也可以像其他配置项一样针对特定资源配置相应的 SQL 或 YAML,它会覆盖 dbt_project.yml 中的配置。
有一点需要注意的是 Grant 不支持创建用户,我们需要在 TiDB 中先创建好所需用户。
Grant 举例🌰
- 在 TiDB 中创建用户,注意在 dev tier 中用户名必须带前缀(和 root 用户的前缀保持一致)
CREATE USER '41y7Jq2g5sBr2ia.user1'@'%' IDENTIFIED BY '';
CREATE USER '41y7Jq2g5sBr2ia.user2'@'%' IDENTIFIED BY '';
CREATE USER '41y7Jq2g5sBr2ia.user3'@'%' IDENTIFIED BY '';
- 在 jaffle_shop 项目中的 dbt_project.yml 增加 grant 配置
seeds:
+grants:
select: ['41y7Jq2g5sBr2ia.user1','41y7Jq2g5sBr2ia.user2']
insert: ['41y7Jq2g5sBr2ia.user1','41y7Jq2g5sBr2ia.user3']
- 在 jaffle_shop 项目下执行 dbt seed
$ dbt seed
06:38:49 Concurrency: 1 threads (target='dev')
06:38:49
06:38:49 1 of 3 START seed file test.raw_customers ...................................... [RUN]
06:38:50 1 of 3 OK loaded seed file test.raw_customers .................................. [INSERT 100 in 1.58s]
06:38:50 2 of 3 START seed file test.raw_orders ......................................... [RUN]
06:38:52 2 of 3 OK loaded seed file test.raw_orders ..................................... [INSERT 99 in 1.52s]
06:38:52 3 of 3 START seed file test.raw_payments ....................................... [RUN]
06:38:54 3 of 3 OK loaded seed file test.raw_payments ................................... [INSERT 113 in 1.66s]
06:38:55
06:38:55 Finished running 3 seeds in 0 hours 0 minutes and 9.09 seconds (9.09s).
06:38:55
06:38:55 Completed successfully
06:38:55
06:38:55 Done. PASS=3 WARN=0 ERROR=0 SKIP=0 TOTAL=3
- 成功后查询 TiDB:
- 41y7Jq2g5sBr2ia.user1 被赋予了 Select + Insert 权限
- 41y7Jq2g5sBr2ia.user2 被赋予了Select 权限
- 41y7Jq2g5sBr2ia.user3 被赋予了 Insert 权限
mysql> select * from mysql.tables_priv where User in('41y7Jq2g5sBr2ia.user1','41y7Jq2g5sBr2ia.user2','41y7Jq2g5sBr2ia.user3');
+------+------+-----------------------+---------------+---------+---------------------+---------------+---------------+
| Host | DB | User | Table_name | Grantor | Timestamp | Table_priv | Column_priv |
+------+------+-----------------------+---------------+---------+---------------------+---------------+---------------+
| % | test | 41y7Jq2g5sBr2ia.user1 | raw_customers | | 2022-08-19 06:46:08 | Select,Insert | Select,Insert |
| % | test | 41y7Jq2g5sBr2ia.user2 | raw_customers | | 2022-08-19 06:46:08 | Select | Select |
| % | test | 41y7Jq2g5sBr2ia.user3 | raw_customers | | 2022-08-19 06:46:08 | Insert | Insert |
| % | test | 41y7Jq2g5sBr2ia.user1 | raw_orders | | 2022-08-19 06:46:10 | Select,Insert | Select,Insert |
| % | test | 41y7Jq2g5sBr2ia.user2 | raw_orders | | 2022-08-19 06:46:10 | Select | Select |
| % | test | 41y7Jq2g5sBr2ia.user3 | raw_orders | | 2022-08-19 06:46:10 | Insert | Insert |
| % | test | 41y7Jq2g5sBr2ia.user1 | raw_payments | | 2022-08-19 06:46:12 | Select,Insert | Select,Insert |
| % | test | 41y7Jq2g5sBr2ia.user2 | raw_payments | | 2022-08-19 06:46:12 | Select | Select |
| % | test | 41y7Jq2g5sBr2ia.user3 | raw_payments | | 2022-08-19 06:46:12 | Insert | Insert |
+------+------+-----------------------+---------------+---------+---------------------+---------------+---------------+
Cross-database macros
dbt 的一个强大之处就是它可以复用宏(可以理解为函数),dbt-util 就是官方提供的一个工具仓库,我们可以通过引入 dbt-util 复用其封装好的宏。dbt 1.2.0 将其中的 Cross-database macros 从 util 迁移到了 core,这意味着你无需引入 dbt-util 就可以直接使用它们。
对此,dbt-tidb 也做了相应适配工作。现在,你可以直接在 dbt-tidb 中使用下列函数,使用方式可以参考 dbt-tidb 官网。
- bool_or
- cast_bool_to_text
- dateadd
- datediff
- date_trunc
- hash
- safe_cast
- split_part
- last_day
- cast_bool_to_text
- concat
- escape_single_quotes
- except
- intersect
- length
- position
- replace
- right
以 datediff 举例🌰
- 执行 dbt seed 生成 raw_orders 表
dbt seed
- 在 models 目录下创建 datediff.sql,计算 raw_orders 表中订单时间和 2018-01-01 相差的天数
with orders as (
select * from {{ ref('raw_orders') }}
)
select * , {{datediff( "'2018-01-01'", "order_date", 'day' )}} as datediff from orders
- 执行 dbt run -s datediff 指定运行 datediff,执行成功后查询 TiDB 结果如下
mysql> select * from test.datediff;
+------+---------+------------+----------------+----------+
| id | user_id | order_date | status | datediff |
+------+---------+------------+----------------+----------+
| 1 | 1 | 2018-01-01 | returned | 0 |
| 2 | 3 | 2018-01-02 | completed | 1 |
| 3 | 94 | 2018-01-04 | completed | 3 |
| 4 | 50 | 2018-01-05 | completed | 4 |
| 5 | 64 | 2018-01-05 | completed | 4 |
| 6 | 54 | 2018-01-07 | completed | 6 |
| 7 | 88 | 2018-01-09 | completed | 8 |
| 8 | 2 | 2018-01-11 | returned | 10 |
| 9 | 53 | 2018-01-12 | completed | 11 |
| 10 | 7 | 2018-01-14 | completed | 13 |
| 11 | 99 | 2018-01-14 | completed | 13 |
| 12 | 59 | 2018-01-15 | completed | 14 |
| 13 | 84 | 2018-01-17 | completed | 16 |
| 14 | 40 | 2018-01-17 | returned | 16 |
| 15 | 25 | 2018-01-17 | completed | 16 |
| 16 | 39 | 2018-01-18 | completed | 17 |
| 17 | 71 | 2018-01-18 | completed | 17 |
| 18 | 64 | 2018-01-20 | returned | 19 |
| 19 | 54 | 2018-01-22 | completed | 21 |
| 20 | 20 | 2018-01-23 | completed | 22 |
Upgrade dbt-tidb to support new dbt-core
上文介绍了 dbt-tidb v1.2.0 带来的诸多新特性。那么新特性是如何实现的,dbt-tidb 又是如何进行版本升级的呢?下文将会给你带来答案。
关于构建 dbt adapter 的细节可以参考 dbt 官方文档 ,本节则会带来版本升级的相关经验。
版本规则
dbt-tidb 版本与 dbt-core(官方维护的内核)一样遵循 Semantic Versioning。
为了避免兼容性问题,dbt-tidb 选择与 dbt-core 保持一致版本,同版本间才能相互兼容工作。即 dbt-tidb 1.2.0 也仅支持 dbt-core 1.2.0。虽然官方升级时会尽量避免兼容性修改,但兼容性修改还是会发生的。如 dbt-core 1.2.0 为了支持 retry connection 特性新增了可覆盖的方法,如果 adapter 实现了该方法,那么也就无法运行在 dbt-core 1.1.0 之上了(除非代码进行版本判断,嵌入两种逻辑)
基于此,在 dbt-core 发布 1.1.0 与 1.2.0 之后,dbt-tidb 也需要分别发布 1.1.0 与 1.2.0 版本。
调研
当我们进行版本升级,第一步就是要调研需要支持哪些特性。
以下几种调研的途径,你可以结合使用多种方式
- 查看 dbt-core 的 release note,重点关注针对 adapter 的新特性。最终梳理需要实现的新特性。
- 有时候,dbt 官方会在 Github Discussion 中整理 adapter 升级需要支持的特性。这时候,你就可以放心大胆依据它来升级。
- 官方的版本升级文档
- 参考其他 adapter 的实现,你可以在 Available adapters 找到所有的 adapter
- 不推荐的选择:不实现特性,而只修改打包时 dbt-core 的版本。此时无法享受任何版本升级带来的新特性。
dbt-tidb 主要依据第一、二种方式,整理出需要实现的特性如下表:
dbt-tidb 1.1.0
- 废弃Python 3.7,支持 Python 3.10
- 使用新的测试框架进行测试
- 在 incremental 中支持多 unique key
dbt-tidb 1.2.0
- 支持 Connection retry 特性
- 支持 grant 特性,进行权限配置
- 支持 Cross-database macros (dbt-util 包下的部分 macros 被迁移至 dbt-core)
- 新增 BaseDocsGenerate 与 BaseValidateConnection 测试
使用测试
在开发前,我想先介绍如何进行测试。因为我建议使用 Test Driven Development(TTD) 的方式进行开发 dbt adapter。即:先编写测试,然后进行对应功能实现,通过测试即认为支持该功能。
自 dbt-core 1.1.0 开始,dbt 就为 adapter 开发者提供了全新的一套测试框架。DBT 正在大力推广新测试框架,相比于旧的测试框架,该新框架的一个好处就是它随着 dbt-core 一起发版。这样就能及时对相应特性或 BUG 修复进行测试。
得益于该测试框架,adapter 基本无需自己编写测试就可以对相应功能进行测试。关于测试框架如何使用,可以参考 Testing a new adapter。
dbt-tidb 1.1.0 开始使用新的测试框架,引入 basic 包,以测试基础的 dbt 功能,另外 incremental 多 unique key 的支持暂时也放在了 basic 包下
dbt-tidb 1.2.0 又根据新增特性补充了以下测试
- Basic 包:新增 BaseValidateConnection 与 BaseDocsGenerate ,分别用于测试连接与文档生成相关功能
- Grant:新增 grant 包,用于测试 grant 特性
- Util:新增 util 包,用于测试从 dbt-util 迁移来的 Cross-database macros
如何开发
我们以 grant 特性为例介绍如何进行新特性支持。
添加测试
在上一步中我们已经介绍过如何测试。对于 grant,我们需要增加如下测试:
class TestModelGrantsTiDB(BaseModelGrants):
pass
class TestIncrementalGrantsTiDB(BaseIncrementalGrants):
pass
class TestSeedGrantsTiDB(BaseSeedGrants):
pass
class TestSnapshotGrantsTiDB(BaseSnapshotGrants):
pass
class TestInvalidGrantsTiDB(BaseInvalidGrants):
pass
其中我们直接使用 pass 不进行任何实现修改,只继承测试框架的默认实现。
实现特性
接下来就是实现特性。一般可以通过覆盖默认宏或是覆盖默认方法来进行拓展,具体应该覆盖哪些,可以参考如下:
- dbt 官方人员可能会在 Github discussions 中介绍如何实现
- 参考 dbt-core 该特性相应 pr
- 参考其他 adapter
通过官方仓库 discussion 中整理的 1.2.0 升级汇总。我们发现 grant 主要通过覆盖 dbt-core 的宏实现,主要需要实现如下宏:
- get_show_grant_sql:返回授权信息(通过查看相关代码,可以发现返回格式需为 grantee (用户名) + privilege_type(权限类型))
- get_grant_sql:进行授权
- get_revoke_sql:收回授权
以下是相关实现:
get_show_grant_sql
我们首先查询 TiDB 的 mysql.tables_priv 表获取权限信息。然后筛选出对应的库表,接着轮询 Select、Insert、Update、Delete 四种权限,最后按用户+权限的格式输出。对应 SQL 如下
{% macro tidb__get_show_grant_sql(relation) %}
select case(Table_priv) when null then null else 'select' end as privilege_type, `User` as grantee from mysql.tables_priv where `DB` = '{{relation.schema}}' and `Table_name` = '{{relation.identifier}}' and Table_priv like '%Select%'
union ALL
select case(Table_priv) when null then null else 'insert' end as privilege_type, `User` as grantee from mysql.tables_priv where `DB` = '{{relation.schema}}' and `Table_name` = '{{relation.identifier}}' and Table_priv like '%Insert%'
union ALL
select case(Table_priv) when null then null else 'update' end as privilege_type, `User` as grantee from mysql.tables_priv where `DB` = '{{relation.schema}}' and `Table_name` = '{{relation.identifier}}' and Table_priv like '%Update%'
union ALL
select case(Table_priv) when null then null else 'delete' end as privilege_type, `User` as grantee from mysql.tables_priv where `DB` = '{{relation.schema}}' and `Table_name` = '{{relation.identifier}}' and Table_priv like '%Delete%'
{% endmacro %}
get_grant_sql
使用标准 grant SQL 对多用户进行授权,注意用户需使用双引号。对应 SQL 如下:
{%- macro tidb__get_grant_sql(relation, privilege, grantees) -%}
grant {{ privilege }} on {{ relation }} to {{ '\"' + grantees|join('\", \"') + '\"' }}
{%- endmacro -%}
get_revoke_sql
使用标准 revoke SQL 对多用户收回授权,用户同样需使用双引号。对应 SQL 如下:
{%- macro tidb__get_revoke_sql(relation, privilege, grantees) -%}
revoke {{ privilege }} on {{ relation }} from {{ '\"' + grantees|join('\", \"') + '\"' }}
{%- endmacro -%}
修复错误
实现完成之后,我们需要运行测试检查是否能够通过。当发现并没有通过时,我们一般有以下方式去修复错误:
- 根据错误输出,判断错误原因进行修复,一般的 SQL 格式错误都可以用这种方式发现。
-
查看 dbt-core 中该特性对应的 pr。
- 查看是否修改了一些已被 adapter 覆盖的宏/方法,如果是,那么 adapter 可能也需要相应修改。
- 查看是否还有新增的其他可被覆盖的宏/方法。
- 参考其他 adapter 支持的代码。查看是否有任何遗漏
在支持 grant 的过程中,就基于第二种方法发现 dbt-tidb 之前已经覆盖了 incremental 与 snapshot 宏。而在 grant 特性支持 pr 中,dbt-core 修改了这两个宏的默认实现。dbt-tidb 也需要进行相应修改:
{% materialization incremental, adapter='tidb' %}
-- other code
{% set grant_config = config.get('grants') %}
-- other code
{% set should_revoke = should_revoke(existing_relation, full_refresh_mode) %}
{% do apply_grants(target_relation, grant_config, should_revoke=should_revoke) %}
-- other code
{%- endmaterialization %}
该代码首先获取 grant 配置,然后调用 apply_grants 应用上文实现的 get_grant_sql 方法。
同时,也发现需要覆盖新增的call_dcl_statements 宏,来将多条 SQL 变为单条 SQL 依次请求。因为 dbt-tidb 暂时还不支持多 SQL 请求,如下:
{% macro tidb__call_dcl_statements(dcl_statement_list) %}
{% for dcl_statement in dcl_statement_list %}
{% call statement('grant_or_revoke') %}
{{ dcl_statement }}
{% endcall %}
{% endfor %}
{% endmacro %}
修复测试
测试中可能还会发现一些错误,这些错误并不是因为我们没有实现该特性,而是因为一些兼容性问题,测试本身需要一些修改。关于如何修改测试,Testing a new adapter 中也有介绍
dbt-tidb 支持授权时就进行了测试修改。因为在授权失败时,不同的 adapter 可能会抛出不一样的错误,那么自然需要改写授权失败的信息,使其符合 TiDB 的报错:
class TestInvalidGrantsTiDB(BaseInvalidGrants):
def grantee_does_not_exist_error(self):
return "You are not allowed to create a user with GRANT"
def privilege_does_not_exist_error(self):
return "Illegal privilege level specified for"
Conclusion
本文结合 dev tier 与 dbt-tidb 举例试用了 dbt-tidb v1.2.0 带来的主要特性。
同时以 dbt-tidb 为例,介绍了升级 dbt adapter 的流程与技巧。也欢迎大家对 dbt-tidb 任何形式的贡献。