dbt Core v2.0 深度解读Rust 重写引擎、Apache 2.0 开源与统一架构之路【免费下载链接】dbtdbt enables data analysts and engineers to transform their data using the same practices that software engineers use to build applications.项目地址: https://gitcode.com/GitHub_Trending/db/dbt本篇指南基于 dbt 官方路线图文档docs/roadmap/2026-06-announcing-v2.md展开系统解读 dbt Core v2.0 的发布背景、核心特性、迁移路径与未来规划。它回答了三个关键问题为什么 v1.12 中出现的vars.yml、on_error、latest_version_pointer等特性是通往 v2.0 的桥梁Rust 重写的同一引擎如何以 Apache 2.0 协议同时支撑 Core 与 Fusion 两大发行版以及作为开发者你现在就能通过dbt parse --use-v2-parser等命令为 v2.0 做哪些准备。读完本文你将掌握 dbt Core v2.0 的技术全景、关键配置项的实际用法以及从 v1 平滑迁移到 v2 的完整路线。一、背景为什么会有 v2.0dbt Core v2.0 的诞生源于一次计划之外的必然。正如路线图文档开篇所坦承的2025 年秋季dbt 社区被预告了2-dot-oh的到来因为 Fusion 项目本身就有新主版本的气质——从零开始的重写加上一套更严格的新规范。但实际上团队当时是在并行建造两样东西一个快速、能理解 SQL 的新引擎采用最新技术栈Rust、ADBC 等dbt Core 在 Rust 中的逐行为重写除刻意变更的行为外与既有实现保持完全一致。后者被证明是一项浩大工程——但正是这份苦工证明了 Rust 重写的核心可以、也应当成为 dbt Core v2.0。从 2025 年 5 月第一个版本开始发行版一直以dbt-fusion2.0.0.xxx命名年份差了一年的经典差一错误如今这份基础代码正式以dbt Core v2.0之名开源One engine, under the Apache 2.0 license, indivisible, with faster parsing and modern interfaces for all一个引擎、Apache 2.0 许可、不可分割、解析更快、界面更现代。需要强调的是在合并之前团队真实地双引擎运行了一段时间同一批 bug 修复和功能实现要在 dbt Core v1.12Python和 Fusion/v2.0Rust两套代码库、两种语言、两套测试框架中各做一遍。这种重复劳动拖慢了节奏也带来了行为分叉的风险——这正是推动一个引擎同时支撑 Core 与 Fusion 两种发行版这一愿景的根本动力。版本对照表路线图文档给出了一份清晰的版本对照这里完整继承版本时间代号Namesake主要内容v1.125 月betaAlecia Beth Moore-HartP!NKUDF 扩展语义层更简单的规范Icebergcatalogs社区高票需求vars.yml、on_error模型配置、混合 yaml 选择器、run-operation临时--sql、jinja 文件扩展名、latest_version_pointer改进的异常处理与错误信息core adapters 数十个 bug 修复包括 Python 3.14 支持dbt login解锁付费平台功能--use-v2-parser提前试用全新的 Rust 解析器v2.06 月alpha—更快的 Rust 重写与 v1 完全对齐full parity严格规范化的语言规范为速度与规模而生的新 parquet 元数据产物驱动全新 dbt-docs二、Pastv1.12 是通往 v2.0 的桥梁路线图文档指出过去六个月里dbt 团队解决了社区呼声最高的一批功能请求其中许多以小而美的形态落在 v1.12 中——而所有这些框架改进都会同样出现在 Core v2.0 中。以下三项是最具代表性的。2.1latest_version_pointer为版本化模型自动创建最新版本指针视图对于版本化模型versioned modeldbt 会自动在数据仓库中创建一个指向该模型最新版本的视图。例如模型dim_customers存在_v1、_v2等多个版本时系统会创建名为dim_customers的视图指向最新版本如dim_customers_v2。这样下游消费者无需额外模型或笨拙的 post-hook就能像在 dbt 内使用ref(my_model)一样始终消费到最新版本。仓库中的变更记录CHANGELOG-fusion.md给出了更细粒度的实现事实默认启用可通过每模型配置latest_version_pointer: {enabled: false}关闭或通过项目级 flaglatest_version_pointer_enabled_by_default: false全局关闭可通过latest_version_pointer.alias配置自定义指针别名或覆写generate_latest_version_pointer_alias宏支持DBT_LATEST_VERSION_POINTER_ENABLED_BY_DEFAULT环境变量作为项目 flag 的覆盖手段CHANGELOG-fusion.mdManifest 序列化时以{enabled: null, alias: null}而非null输出latest_version_pointer字段以保证 dbt-core 能反序列化 Fusion 产出的 manifestCHANGELOG-fusion.md。2.2vars.yml把项目变量移出dbt_project.yml这是一个开了五年多的历史性 issue期间还被 stale-bot 拯救过两次。vars.yml允许你在dbt_project.yml之外单独定义项目变量带来两个直接收益减少dbt_project.yml的体积与噪音允许在项目级配置内部引用变量例如schema: {{ var(schema_name) }}。从当前仓库源码可以完整还原其底层实现crates/dbt-loader/src/loader.rs加载vars_data_from_root()从项目根目录读取vars.yml若文件不存在、为空或没有顶层vars键则返回空 mapvars内非法类型如非字符串键、非映射的vars:会以dbt1013YAML 错误报出与dbt_project.yml处理 vars 的方式一致。互斥校验validate_vars_not_in_both()规定变量不能同时定义在vars.yml和dbt_project.yml中否则抛出InvalidConfig错误。这正是单一事实来源的强制性保证。CLI 优先级merge_vars()将vars.yml与 CLI--vars递归合并CLI 值优先且映射按 key 逐级合并——例如--vars {pkg: {y: 2}}叠加文件中的pkg: {x: 1}时会保留x而不是整体替换pkg块。deep_merge_yaml()实现了这一递归语义。文件名本身也被定义为常量DBT_VARS_YML: str vars.ymlcrates/dbt-common/src/constants.rs并在 crates/dbt-loader/src/args.rs 中通过加载器的重建步骤填充到参数结构中。2.3on_error模型出错时控制下游节点的行为dbt 自诞生以来有一个坚不可摧的默认行为模型出错时下游节点应当被SKIPPED跳过。但社区的呼声是在某些场景下我想要不同的行为。on_error模型配置正是为此而生当模型出错时你可以显式控制下游节点的处置方式而不必囿于默认的跳过策略。除这三项低调重磅功能外v1.12 还打包了约 100 个 good first issue 级别的窄范围 bug 修复即纸割伤式的小问题以及数十个来自外部社区的跨 dbt-core 与适配器的贡献。三、Presentv2.0 alpha 的发布与核心特性路线图文档宣布了dbt Core v2.0 首个 alpha 版本的发布。这个新主版本由支撑 Fusion 的同一套 Rust 重写驱动全部代码以 Apache 2.0 许可开源可见于仓库main分支——也就是你当前正在浏览的这个仓库。文档明确了 v2.0 所代表的 dbt 框架未来快速且为规模而生基于 Rust、ADBC 等技术栈共享基础一个甜甜圈而不是两个甜甜圈——不再需要把统一语言与实现它的底层引擎分开思考单一适配器层所有适配器全部内置bundled in全新的 dbt-docs期待已久的焕新在最早的路线图 docs/roadmap/2022-05-dbt-a-core-story.md 中就曾预告过。3.1 为什么是 alphaFusion 明明已经进入 Preview 了为什么 v2.0 还要从 alpha 开始答案在于一致性conformance过去 6 个多月团队一直在做 Fusion 的符合性验证——给定相同的项目输入它是否产生与 Core v1.X 相同的结果这一方法修复了数以千计的 bug。但正如文档所写软件总能在广袤的世界里发现新的边缘情况software loves to find new edge cases out in the big bold world因此需要整个社区帮助用你更大的 DAG、古怪的包宏、定制的 incremental materialization 覆写、甚至2009 年跑着 Windows Vista 的旧笔记本去测试 v2.0在 alpha 期间将 v2.0 跑在你的项目上遇到任何意外错误都反馈给官方。3.2 现在就为 v2.0 做准备dbt parse --use-v2-parser即使你仍在使用 dbt Core v1.X也可以提前为 v2.0 铺路v1.10/v1.11引入弃用警告deprecation warnings帮你把项目升级到新的更严格规范——拼写错误或放错位置的配置不再被静默忽略v1.12提供harder-better-faster-stricter的 Rust 解析器通过 opt-in flag 启用。无论项目多大都会感觉飞快——但前提是先做到严格。试用命令dbt parse --use-v2-parser从当前仓库的 CLI 参数定义crates/dbt-clap-core/src/lib.rs可以看到该 flag 的实现事实use_v2_parser与no_use_v2_parser是全局布尔参数默认false采用ArgAction::SetTrue语义注释明确指出它在 Fusion 发行版中接受为 no-op 以保持兼容Fusion 始终使用自己的解析器Accepted as a no-op for compatibility; fusion always uses its own parser。这印证了单一引擎架构下的设计取向flag 的存在是为了让 v1 用户提前验证项目符合严格规范而引擎本身在 v2.0 中已统一。四、Future从 alpha 到 GA 的路径4.1 主线目标未来几个月的首要任务是让 Core v2.0 从 alpha 走到最终发布GA在你的 CLI 上、在 dbt platform 里、在别人定制的 dbt runner 中随处可用。过程中会持续修复 bug并补齐最后几个对齐缺口——例如程序化Python接口用于以编程方式调用 dbt Core v2.0。4.2 如果你还在用 Core v1对绝大多数仍在跑 Core v1 的社区用户文档给出了明确承诺现在就可以试用 v2.0alphaPython 代码库没有消失全部代码保留在1.latest分支未来的 v1.12.x 补丁版本将从那里发布Core v1 不会很快退役团队承诺支持仍运行在 Core v1 上的绝大多数社区用户并将根据 v2.0 的迁移采纳情况制定 v1 的长期维护计划适配器维护者参考官方《adapter-creation-v2》指南了解如何为你偏好的数据仓库贡献对新竖切适配器层verticalized adapter layer的支持。五、dbt 框架的下一步四个在路上的功能想法在 v2.0 引擎之上路线图文档列出了几个已在官方讨论中酝酿的功能方向模型新鲜度Model freshness在项目内和跨项目检查模型是否如预期般新鲜让数据产品消费者可以核验生产者是否兑现 SLA。原计划纳入 v1.12因 v2.0 工作的权衡取舍被推迟但仍在积极评估中。Checks项目质量检查新 dbt-docs 用一组结构良好的 parquet 文件 进程内数据库驱动快速的本地元数据查询——同样的文件可以支撑项目质量检查作为元数据查询折入任务图在编译期间/执行前运行。例如模型缺少 owner、违反命名约定、或 select 了不该 select 的 source 时可以阻止一次dbt build。愿景是让 dbt-project-evaluator 包的 v2.0 以checks形式把最佳实践写成简单 SQL 查询取代难以阅读的 Jinja{{ graph }}操作。宏单元测试Unit testing macros帮助维护者、适配器开发者、外部贡献者以及那些维护着承载大量 Jinja 宏的内部包的英雄们对 dbt Jinja 渲染上下文中的各种状态输入vars、env vars、{{ target }}、introspection 查询进行优雅 mock为宏写单元测试。从 dbt 包安装 Agent skills作为dbt deps的一部分skills不仅能帮助 Agent 更懂 dbt 的通用工作流与最佳实践也可以成为用户向 Agent 传授自己的数据和自己的 dbt 项目微妙之处的机制。dbt 包本来就擅长分发 markdown 文件这被看作让用户向栈的上层移动的又一条途径。六、愿景所有 dbt 能力都从 CLI 出发人类喜欢 CLIAgent 也喜欢 CLI。dbt 首先是一个 CLI。路线图文档阐述了一个鲜明愿景dbt 的所有能力——开源与专有、本地与远程——都应在 dbt CLI 中有一个入口。这个愿景的起点是dbt loginv1.12 中为 dbt State 相关平台功能引入v2.0 中则将涵盖此前仅 Fusion 提供的功能如高级 SQL 理解advanced SQL comprehension、linting 和列级血缘column-level lineage。同时文档明确这些功能不是强制的——你可以不用它们、不运行dbt login支撑这些功能的代码是 Apache 2.0 许可的瘦客户端thin clients但当你运行dbt --help时会开始看到新的login命令。另一层含义是协作面的收敛随着dbt-fusion仓库归档、此前分离的组件适配器合并进 monorepodbt-core 这个仓库将成为跨更大范围讨论的载体社区对 dbt 所有功能的反馈都能汇集到更少、更好的渠道中。七、Mergin两个合并一个基础路线图文档以合并收官这一天对 dbt 社区意义重大两家公司合并Fivetran 与 dbt Labs 合并为一家新名称待定两个引擎合并Fusion 与 Core 合并为 Core v2.0再次承诺以真正的 Apache-2 OSS 作为 dbt 的基础与未来。文档同时对社区提出了请求一起讨论与传播、亲自试用并反馈改进意见、在仓库整合过程中确保没有被遗忘的老 issue、通过 GitHub Discussions 参与塑造 dbt 的未来。结语从这份路线图文档可以看出dbt Core v2.0 不是一个孤立的版本号而是双引擎并行的代价与社区五年诉求共同催化的产物它以 Rust 重写换来更快的解析与更现代的接口以 Apache 2.0 开源承诺夯实基础以vars.yml、on_error、latest_version_pointer等特性兑现社区呼声并以--use-v2-parser、dbt login等命令铺平从 v1 到 v2 的迁移之路。对每一位 dbt 用户而言最实际的动作是先在自己的项目上跑一遍dbt parse --use-v2-parser验证严格规范再在 alpha 阶段把 v2.0 投入测试与官方一起把下一个主版本打磨到 GA。【免费下载链接】dbtdbt enables data analysts and engineers to transform their data using the same practices that software engineers use to build applications.项目地址: https://gitcode.com/GitHub_Trending/db/dbt创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考