dbt Codegen Certification Quiz

What is the main purpose of the dbt-codegen package?

• To deploy dbt models in production automatically

• To generate SQL models and sources from existing database tables

• To schedule dbt jobs

• To validate schema.yml files

Which macro from the dbt Codegen package is used to generate YAML documentation for models?

• generate_source

• generate_model_yaml

• generate_docs

• generate_model

Answer explanation

https://hub.getdbt.com/dbt-labs/codegen/latest/

generate_model_yaml (source)

Esta macro genera el YAML para una lista de modelo(s), que luego puedes pegar en un archivo schema.yml.

Argumentos:

-model_names (obligatorio): Los modelos para los que deseas generar el YAML.

-upstream_descriptions (opcional, por defecto = False): Indica si deseas incluir descripciones para nombres de columnas idénticos provenientes de modelos o fuentes aguas arriba.

-include_data_types (opcional, por defecto = True): Indica si deseas añadir los tipos de datos a la definición de columnas del modelo.

Uso:

1.Crea un modelo.

2.Copia la macro en una pestaña de instrucciones en el IDE de dbt Cloud o en un archivo de análisis, y compila tu código:

jinja

{{ codegen.generate_model_yaml(

model_names=['customers']

) }}

True or False: The dbt-codegen package can create .sql and .yml files automatically in dbt Cloud.

• True

• False

Answer explanation

https://hub.getdbt.com/dbt-labs/codegen/latest/

El paquete dbt-codegen facilita la generación de código para modelos y fuentes en dbt, proporcionando macros que producen el código necesario en formato .sql y .yml.

Sin embargo, según la documentación oficial, estas macros generan el código y lo muestran en la línea de comandos, permitiendo al usuario copiar y pegar el contenido en los archivos correspondientes de su proyecto dbt. Por lo tanto, el paquete NO CREA NI GUARDA automáticamente los archivos .sql y .yml en el sistema de archivos del proyecto; esta integración debe realizarse manualmente por el usuario.

Which parameter is required when running generate_source?

• table_name

• schema_name

• database_name

• model_name

Answer explanation

generate_source ( source )

Esta macro genera YAML liviano para un Source , que luego puedes pegar en un archivo de esquema.

Argumentos

-schema_name(obligatorio): El nombre del esquema que contiene los datos de origen

-database_name(opcional, predeterminado=target.database): la base de datos en la que se encuentran los datos de origen.

-table_names(opcional, predeterminado=ninguno): una lista de tablas para las que desea generar las definiciones de origen.

-generate_columns(opcional, predeterminado=Falso): si desea agregar los nombres de columnas a su definición de origen.

-include_descriptions(opcional, predeterminado=Falso): si desea agregar marcadores de posición de descripción a su definición de origen.

-include_data_types(opcional, predeterminado=Verdadero): si desea agregar tipos de datos a las definiciones de sus columnas de origen.

-table_pattern(opcional, predeterminado='%'): un prefijo/sufijo de tabla que desea subseleccionar de todas las tablas disponibles dentro de un esquema determinado.

-exclude(opcional, predeterminado=''): una cadena que desea excluir de los criterios de selección

-name(opcional, predeterminado=nombre_del_esquema): El nombre de su fuente

-include_database(opcional, predeterminado=Falso): si desea agregar la base de datos a su definición de origen

include_schema(opcional, predeterminado=Falso): si desea agregar el esquema a su definición de origen

-case_sensitive_databases(opcional, predeterminado=Falso): si desea que los nombres de las bases de datos estén en minúsculas o que coincidan con las mayúsculas y minúsculas en la tabla de origen (no compatible con Redshift)

-case_sensitive_schemas(opcional, predeterminado=Falso): si desea que los nombres de esquema estén en minúsculas o que coincidan con las mayúsculas y minúsculas en la tabla de origen (no compatible con Redshift)

-case_sensitive_tables(opcional, predeterminado=Falso): si desea que los nombres de las tablas estén en minúsculas o que coincidan con las mayúsculas y minúsculas de la tabla de origen (no compatible con Redshift)

-case_sensitive_cols(opcional, predeterminado=Falso): si desea que los nombres de las columnas estén en minúsculas o que coincidan con las mayúsculas y minúsculas de la tabla de origen.

True or False: You must specify the schema name when using generate_model_yaml, because it's required.

• True

• False

Answer explanation

Esta macro genera el YAML para una lista de modelos, que luego puedes pegar en un archivo schema.yml.

Argumentos:

-model_names(obligatorio): El/los modelo(s) para los que desea generar YAML.

-upstream_descriptions(opcional, valor predeterminado=Falso): si desea incluir descripciones para nombres de columnas idénticos de modelos y fuentes ascendentes.

-include_data_types(opcional, predeterminado=Verdadero): si desea agregar tipos de datos a las definiciones de columnas de su modelo.

Uso:

1.Crear un modelo.

2.Copie la macro en una pestaña de declaración en dbt Cloud IDE, o en un archivo de análisis, y compile su código

{{ codegen.generate_model_yaml(

model_names=['customers']

) }}

How do you install the dbt-codegen package?

• By running dbt install codegen in the terminal.

• By adding it to the packages.yml file and running dbt deps.

• By downloading it from the dbt website and placing it in the plugins folder.

• By including it in the requirements.txt file and running pip install -r requirements.txt.

Answer explanation

How can you generate a source YAML definition using codegen?

• dbt generate source

• dbt run-operation generate_model --args '{source: "my_source"}'

• dbt run-operation generate_source --args '{database: "my_db", schema: "public", table: "users"}'

• dbt run generate_source --args '{database: "my_db", table: "users"}'

Answer explanation

Which of the following is a benefit of using dbt-codegen?

• Saving time when creating models

• Automatically testing the generated models

• Consistent file formatting

• Quick source and model creation

True or False: You can use dbt-codegen without installing any additional packages.

• True

• False

Answer explanation

What do you need to do after running generate_model or generate_source to persist the code in your project?

• Run dbt compile

• Execute dbt save

• Nothing, it auto-saves

• Copy and paste the result manually into a .sql or .yml file

Answer explanation

The dbt Codegen package generates dbt code and logs it to the command line, so you can copy and paste it to use in your dbt project.