最后于 2026年8月14日 更新

Apache Doris dbt Adapter

dbt 用于管理 ELT（Extract、Load、Transform）流程中的转换环节。dbt-for-apache-doris Adapter 会将 dbt Model 编译为 Doris SQL，并通过 Doris Frontend（FE）的 MySQL Query Port 执行建表、数据转换、测试和文档生成。原始数据需要提前写入 Doris；Adapter 不负责采集或同步源数据。

警告

dbt-for-apache-doris 由 VeloDB 提供和维护。它不属于 Apache Doris 项目，也不由 Apache Doris 社区发布或背书。生产使用前，请自行评估 Adapter，核验安装包完整性及发布信息，并遵守第三方项目许可证。Adapter 问题请反馈至 dbt-for-apache-doris 项目。

环境要求

项目	要求
Python	3.10 或更高版本

已发布版本

版本
1.1.0

安装 dbt-for-apache-doris

以下命令以已发布的 v1.1.0 为安装示例。安装其他版本时，请替换 pip 依赖中的版本号。

建议在独立的 Python 虚拟环境中从 PyPI 安装 Adapter：

python3 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install "dbt-for-apache-doris==1.1.0"
dbt --version

Windows PowerShell 使用以下命令：

py -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install --upgrade pip
python -m pip install "dbt-for-apache-doris==1.1.0"
dbt --version

在本示例中，输出的 Plugins 列表中应包含 doris: 1.1.0。dbt Core 和 MySQL Connector/Python 会作为依赖项自动安装。

配置连接

执行以下命令创建项目：

dbt init doris_demo
cd doris_demo

在 ~/.dbt/profiles.yml 中配置 Doris 连接：

doris_demo:
  target: dev
  outputs:
    dev:
      type: doris
      host: 127.0.0.1
      port: 9030
      username: dbt_user
      password: "{{ env_var('DORIS_PASSWORD') }}"
      schema: analytics
      threads: 4

配置项说明：

配置项	推荐配置	当前实现的行为
`type`	必须显式设置为 `doris`	选择 Doris Adapter
`host`	显式设置 Doris FE 地址	省略时底层凭据回退到 `127.0.0.1`；`dbt init` 不提供默认输入
`port`	通常使用 `9030`	省略时为 `9030`，指 FE Query Port，不是 HTTP Port
`username`	显式设置专用 Doris 用户	省略时底层凭据回退到 `root`；`dbt init` 不提供默认输入
`password`	建议通过环境变量传入	省略时为空字符串
`schema`	必须填写目标 Doris Database 名称	`dbt init` 的提示默认值为 `dbt`；底层凭据本身的默认值为 `None`
`threads`	按 FE 和任务负载设置	`dbt init` 的提示默认值为 `1`
`database`	不要在 Profile 中配置	这是 dbt 通用凭据字段；如果提供，当前实现要求它与 `schema` 完全相同

Adapter 将 dbt Schema 映射为 Doris Database。目标 Database 不存在时， Adapter 会尝试创建它，因此执行用户需要相应权限。执行用户还需要读取源表，以及在目标 Database 中创建、修改、删除和写入对象的权限。

这里的 database 不是 Doris Catalog。它只是 dbt 通用的 database.schema.identifier 命名模型遗留到 Adapter 的字段；Doris Internal Catalog 中只需要 database.table 两层，因此 Profile 使用 schema 表示 Doris Database，并省略 database。Source 资源中的 database 是另一种用法：当前 Adapter 会把它作为 Doris Database 覆盖 schema，用于跨 Database 读取。Profile 和标准 source() 当前不能同时表示 Doris Catalog 与 Database 两个层级。

警告

当前不支持 External Catalog 的 Catalog、Database、Table 三段式命名空间。

确保 dbt_project.yml 中的 profile 与 profiles.yml 顶层名称一致：

name: doris_demo
version: "1.0.0"
config-version: 2
profile: doris_demo

model-paths: ["models"]

models:
  doris_demo:
    +materialized: view

在 macOS 或 Linux 中验证连接：

export DORIS_PASSWORD='your_password'
dbt debug

Windows PowerShell 使用：

$env:DORIS_PASSWORD = 'your_password'
dbt debug

构建第一个 Model

先在 Doris 中准备示例 Source。副本数 1 只适用于单 BE 开发环境：

CREATE DATABASE IF NOT EXISTS raw;

CREATE TABLE IF NOT EXISTS raw.orders (
    order_id BIGINT,
    customer_id BIGINT,
    order_time DATETIME,
    amount DECIMAL(18, 2),
    status VARCHAR(20),
    updated_at DATETIME,
    is_valid BOOLEAN
)
DUPLICATE KEY(order_id)
DISTRIBUTED BY HASH(order_id) BUCKETS 1
PROPERTIES ("replication_num" = "1");

INSERT INTO raw.orders VALUES
    (1, 101, '2026-08-01 10:00:00', 20.00, 'PAID', '2026-08-01 10:05:00', true),
    (2, 102, '2026-08-01 11:00:00', 35.00, 'PAID', '2026-08-01 11:05:00', true);

然后在 models/sources.yml 中声明 Source：

version: 2

sources:
  - name: raw
    schema: raw
    tables:
      - name: orders

创建 models/fct_daily_sales.sql：

{{
  config(
    materialized='table',
    duplicate_key=['order_date'],
    distributed_by=['order_date'],
    buckets=1,
    properties={'replication_num': '1'}
  )
}}

select
    cast(order_time as date) as order_date,
    sum(amount) as sales_amount
from {{ source('raw', 'orders') }}
group by cast(order_time as date)

在 models/schema.yml 中添加说明和数据测试：

version: 2

models:
  - name: fct_daily_sales
    description: Daily sales summary
    columns:
      - name: order_date
        description: Order date
        data_tests:
          - not_null
          - unique
      - name: sales_amount
        description: Daily sales amount
        data_tests:
          - not_null

构建 Model 并执行测试：

dbt build --select fct_daily_sales

Model 默认创建在 Profile 的 schema 所指定的 Doris Database 中。本例生成 analytics.fct_daily_sales。本快速示例将副本数设为 1 以适配单 BE 开发环境；生产环境应按集群部署调整。

Source 位于其他 Doris Database 时，优先直接设置 schema：

sources:
  - name: finance
    schema: finance_raw
    tables:
      - name: payments

为兼容已有 dbt 项目，也可以只设置 database: finance_raw，或同时把 database 和 schema 设置为相同值。对于 Source，若两者不同，当前 Adapter 会采用 database 作为 Doris Database；这与 Profile 中必须保持两者相同的连接校验不同。为了避免歧义，新项目建议统一使用 schema。

Materialization

dbt-for-apache-doris 支持以下主要 Materialization：

Materialization	Doris 对象或行为	适用场景
`view`	Doris View	轻量转换、始终读取最新源数据
`table`	每次运行完整重建的 Doris Duplicate Key Table	结果规模可控、需要稳定查询性能
`incremental`	按策略追加、Upsert 或覆盖本批数据	大表增量加工
`materialized_view`	Doris 异步物化视图	由 Doris 管理刷新和透明改写
`ephemeral`	由 dbt 编译为下游 Model 中的公共表表达式（CTE）	只复用 SQL、不创建 Doris 对象

Seed 和 Snapshot 也可创建 Doris Table。Adapter 当前不包含自定义 partition Materialization；需要替换分区时使用 Incremental insert_overwrite。下文示例沿用单 BE 开发环境，将 replication_num 设为 1；生产环境应按实际部署设置副本数。

View

{{ config(materialized='view') }}

select order_id, customer_id, amount
from {{ source('raw', 'orders') }}
where status = 'PAID'

每次运行会更新 View 定义。View 不保存数据，查询成本由 View SQL 和下游查询决定。

Table

{{
  config(
    materialized='table',
    duplicate_key=['event_date', 'event_id'],
    partition_by=['event_date'],
    partition_type='RANGE',
    partition_by_init=[
      "PARTITION p_before_202608 VALUES LESS THAN ('2026-08-01')",
      "PARTITION p202608 VALUES LESS THAN ('2026-09-01')",
      "PARTITION pmax VALUES LESS THAN (MAXVALUE)"
    ],
    distributed_by=['event_id'],
    buckets=16,
    properties={'replication_num': '1'}
  )
}}

select
    cast(order_time as date) as event_date,
    order_id as event_id,
    status as event_type
from {{ source('raw', 'orders') }}

Table Materialization 创建 Duplicate Key 表，后续运行会完整替换目标。Table Model 可配置以下建表参数：

配置项	类型和默认值	说明
`duplicate_key`	字符串或列表；可选	Duplicate Key 列
`partition_by`	字符串或列表；可选	分区列
`partition_type`	`RANGE` 或 `LIST`；默认 `RANGE`	与 `partition_by` 配合使用的分区类型
`partition_by_init`	字符串列表；可选	创建表时与 `partition_by` 配合使用的 Doris 分区定义
`distributed_by`	字符串或列表；可选	Hash Distribution 列
`buckets`	正整数；生成 Hash Distribution 时默认 `10`	Hash 分桶数；仅在配置 `distributed_by` 时使用
`replication_num`	正整数或数字字符串；可选	副本数；顶层配置会覆盖 `properties` 中的同名项
`properties`	字典；可选	生成到 Doris `PROPERTIES` 中的键值对

duplicate_key、分区列和分桶列必须出现在 Model 输出中，并满足 Doris 建表规则。 Adapter 会将 partition_by_init 和 properties 生成到 CREATE TABLE 语句中；分区定义、属性名称和取值是否合法，由 Doris 校验。

普通 Table Model 当前不支持配置 Aggregate Key 或独立 Unique Key；Unique Key Upsert 使用 Incremental merge。

Incremental

对于 append、merge 和 insert_overwrite，Incremental Model 由两部分共同决定：

Model SQL（通常配合 is_incremental()）决定本次返回哪些源数据；
incremental_strategy 决定 Adapter 如何将本批数据写入目标表。

microbatch 不使用这套筛选方式；它由 dbt Core 根据批次上下文和上游资源的 event_time 注入时间过滤。

以下示例按 order_id 执行全行 Upsert：

{{
  config(
    materialized='incremental',
    incremental_strategy='merge',
    unique_key=['order_id'],
    distributed_by=['order_id'],
    buckets=16,
    properties={'replication_num': '1'},
    on_schema_change='append_new_columns'
  )
}}

select
    order_id,
    customer_id,
    amount,
    updated_at
from {{ source('raw', 'orders') }}

{% if is_incremental() %}
where updated_at >= (
    select coalesce(max(updated_at), '1970-01-01 00:00:00')
    from {{ this }}
)
{% endif %}

支持的增量策略：

`incremental_strategy`	目标表和写入语义	主要配置
`append`	向 Duplicate Key 表追加数据，不去重	不需要 `unique_key`
`merge`	向 Merge-on-Write 或 Merge-on-Read Unique Key 表执行全行 `INSERT INTO` Upsert	必须设置 `unique_key`
`insert_overwrite`	使用 Doris `INSERT OVERWRITE` 覆盖整表、指定分区或本批涉及的分区	不能设置 `unique_key`；可设置 `overwrite_partitions`
`microbatch`	按 dbt Core 的 UTC 时间窗口逐批覆盖一个精确的 Doris RANGE 分区	设置 `event_time`、`batch_size` 和 `begin`；不能设置 `unique_key`

未设置 incremental_strategy 时，有 unique_key 使用 merge，否则使用 append。Adapter 支持 ignore、fail、append_new_columns 和 sync_all_columns 四种 on_schema_change 策略。

delete+insert 和 delete_insert 已被当前实现明确拒绝；Doris Unique Key Upsert 应使用 merge。merge 不生成原生 MERGE INTO，而是依赖 Doris Unique Key 表的全行 INSERT INTO 语义。每批数据中的 unique_key 必须唯一。需要 Sequence Column 时，在 properties 中设置可见列 function_column.sequence_col，并继续使用 merge。裸 sequence_col 配置和使用隐藏 __DORIS_SEQUENCE_COL__ 的 function_column.sequence_type 当前均不受支持。

覆盖指定 Doris 分区：

{{
  config(
    materialized='incremental',
    incremental_strategy='insert_overwrite',
    duplicate_key=['event_date', 'event_id'],
    partition_by=['event_date'],
    partition_type='RANGE',
    partition_by_init=[
      "PARTITION p_before_202607 VALUES LESS THAN ('2026-07-01')",
      "PARTITION p202607 VALUES LESS THAN ('2026-08-01')",
      "PARTITION p202608 VALUES LESS THAN ('2026-09-01')",
      "PARTITION pmax VALUES LESS THAN (MAXVALUE)"
    ],
    overwrite_partitions=['p202607', 'p202608'],
    distributed_by=['event_id'],
    buckets=16,
    properties={'replication_num': '1'}
  )
}}

select event_date, event_id, event_type
from (
    select
        cast(order_time as date) as event_date,
        order_id as event_id,
        status as event_type,
        order_time
    from {{ source('raw', 'orders') }}
) events

{% if is_incremental() %}
where order_time >= '2026-07-01'
  and order_time < '2026-09-01'
{% endif %}

首次运行走 CTAS 建表路径，不执行 INSERT OVERWRITE，所以示例必须用 partition_by_init 创建目标分区。overwrite_partitions 只决定目标表已存在时的覆盖范围。省略 overwrite_partitions 会覆盖整张表；设置分区名列表会只覆盖这些分区；设置 '*' 时，Doris 根据本批数据动态覆盖涉及的分区。空批次无法识别需要清空的分区；需要清空分区时应显式指定分区名。

Microbatch

microbatch 使用 dbt Core 的批处理上下文，把每个 UTC 时间窗口映射为一个精确的 Doris RANGE 分区，并逐分区执行 INSERT OVERWRITE。例如：

先为每个直接上游资源和目标 Model 配置 Event Time 字段，使 dbt Core 能向每批输入注入时间过滤。对于前文示例中创建的 raw.orders Source，在已有 Table 声明下增加：

sources:
  - name: raw
    schema: raw
    tables:
      - name: orders
        config:
          event_time: order_time

再定义 Microbatch Model：

{{
  config(
    materialized='incremental',
    incremental_strategy='microbatch',
    event_time='event_time',
    batch_size='day',
    begin=modules.datetime.datetime(2026, 8, 1, 0, 0, 0),
    duplicate_key=['event_id', 'event_time'],
    partition_by=['event_time'],
    partition_type='RANGE',
    distributed_by=['event_id'],
    buckets=16,
    properties={'replication_num': '1'}
  )
}}

select
    order_id as event_id,
    order_time as event_time,
    status as event_type
from {{ source('raw', 'orders') }}

event_time 必须是未加引号的列名，并与 partition_by 指向同一个单列； batch_size 支持 hour、 day、month 和 year。目标是 Duplicate Key 表；duplicate_key 是 Doris 表的 Key 配置，不是 dbt 的 unique_key。不要为 Microbatch 设置 unique_key、 overwrite_partitions 或 partition_by_init，分区边界和覆盖目标由 Adapter 根据当前批次管理。若上游 ref() 或 source() 也配置了 event_time，dbt Core 会按当前批次窗口过滤输入。Microbatch 批次串行执行；即使遇到空批次，也会覆盖对应的精确分区，因此可以清除该窗口中已不存在的数据。

Microbatch 也可使用 Doris Dynamic Partition，但必须在 properties 中显式启用并满足当前 Adapter 的校验：

dynamic_partition.enable='true'；
dynamic_partition.time_unit 与 batch_size 一致，且 dynamic_partition.time_zone 为 UTC、Etc/UTC 或 +00:00；
dynamic_partition.create_history_partition='true'，并设置 dynamic_partition.start 或 dynamic_partition.history_partition_num；
dynamic_partition.prefix 是合法标识符，dynamic_partition.end 是正整数；
月批次若设置 dynamic_partition.start_day_of_month，其值必须为 1。

Doris 创建 Dynamic Partition 表时还要求 dynamic_partition.buckets 为正整数；该项由 Doris 校验，不在 Adapter 上述校验项中。保留窗口必须覆盖 begin、lookback 和手动回填范围。目标表已存在时，Adapter 校验的物理属性必须与 Model 配置一致，否则需要对齐配置或执行 --full-refresh。

警告

对于 append、merge 和按分区执行的 insert_overwrite，Adapter 不会自动识别新增或变更的源数据；Model SQL 必须返回预期批次。整表 insert_overwrite 则应返回目标表所需的完整数据。同一批 merge 数据中的 unique_key 必须唯一。Microbatch 的时间过滤由 dbt Core 根据已配置 event_time 的上游资源生成，不需要使用 is_incremental()。修改 Key、分区方式或其他不兼容表结构后，应执行 dbt run --full-refresh。

异步物化视图

设置 materialized='materialized_view' 可以由 dbt 管理 Doris 异步物化视图：

备注

使用该 Materialization 时，Adapter 的 FE 版本检查接受 Doris 2.x 的 2.1.5 及以上版本、Doris 3.x 中除 3.0.0 外的版本、Doris 4.x 和更高版本，以及形如 doris-0.0.0-<git-sha> 的可识别源码构建。源码构建仅用于开发测试；这些规则只是代码中的准入条件，不是相关版本均已通过兼容性测试的结论。

{{
  config(
    materialized='materialized_view',
    build_mode='immediate',
    refresh_method='auto',
    refresh_trigger='manual',
    duplicate_key=['order_date'],
    distribution_type='hash',
    distributed_by=['order_date'],
    buckets=8,
    wait_for_refresh=true,
    properties={'replication_num': '1'}
  )
}}

select order_date, sales_amount
from {{ ref('fct_daily_sales') }}

主要配置：

配置项	默认值	支持值或格式
`build_mode`	`immediate`	`immediate`、`deferred`
`refresh_method`	`auto`	`auto` 由 Doris 决定刷新范围；`complete` 刷新全部分区
`refresh_trigger`	`manual`	`manual`、`schedule`、`commit`
`refresh_schedule`	-	`schedule` 触发器必填；包含正整数 `interval`、`minute/hour/day/week` 单位和可选 `start_time`
`wait_for_refresh`	`true`	是否等待 `BUILD IMMEDIATE` 初始构建或 Adapter 提交的手动刷新任务
`refresh_wait_timeout`	`300`	等待刷新任务的超时秒数，正整数
`refresh_poll_interval`	`1`	查询刷新任务状态的间隔秒数，正整数且不大于超时值
`duplicate_key`	-	异步物化视图的 Duplicate Key 列，字符串或列表
`partition_by`	-	一个 Doris 分区列或分区函数表达式，字符串或单元素列表
`distribution_type`	自动选择	有 `distributed_by` 时为 `hash`，否则为 `random`
`distributed_by`	-	Hash Distribution 列
`buckets`	`auto`	正整数或 `auto`
`replication_num`	-	副本数便捷配置；会覆盖 `properties` 中的同名值
`properties`	`{}`	Doris 异步物化视图属性
`on_configuration_change`	`apply`	`apply`、`continue`、`fail`

默认的 BUILD IMMEDIATE 会在创建或替换定义时启动初始构建。Adapter 先创建临时名称的异步物化视图，默认等待初始构建成功，再发布为目标名称；这一步不会额外提交一次 REFRESH MATERIALIZED VIEW。BUILD DEFERRED 只创建定义，不执行初始构建。

定义未变化时，刷新行为完全由 refresh_trigger 决定，当前实现没有 refresh_on_run 配置：

manual：每次后续 dbt run 选中该 Model 时，提交 REFRESH MATERIALIZED VIEW ... AUTO|COMPLETE；默认等待任务成功；
schedule 或 commit：后续选中运行跳过刷新，由 Doris 按定时计划或基表提交触发刷新。

定时刷新示例：

{{
  config(
    materialized='materialized_view',
    build_mode='deferred',
    refresh_method='auto',
    refresh_trigger='schedule',
    refresh_schedule={
      'interval': 1,
      'unit': 'day'
    },
    properties={'replication_num': '1'}
  )
}}

select order_date, sales_amount
from {{ ref('fct_daily_sales') }}

设置 wait_for_refresh=false 只是不轮询任务状态，并不会阻止手动刷新请求。Doris 刷新任务本身仍是异步任务；dbt 等待超时不会取消已经提交的任务。Adapter 通过比较提交前后的 Doris MV Task ID 识别新任务，因此应避免同一个异步物化视图被并发手动刷新。

Model SQL 或 DDL 配置变化时，on_configuration_change=apply 默认通过临时异步物化视图和 Doris 原子替换部署新定义；continue 保留旧定义且不提交手动刷新， fail 终止运行。--full-refresh 会强制重新部署定义。

使用其他 dbt 功能

功能	用法
Seed	将小型、版本受控的 CSV 放入 `seeds/`，执行 `dbt seed`；支持类型推断、`column_types` 和 `ref`
Snapshot	在 `snapshots/` 中定义 `check` 或 `timestamp` 策略，执行 `dbt snapshot`；支持 Hard Delete、Schema 演进和原子替换
Data Test	在 YAML 中配置 Generic Test，或在 `tests/` 中编写 Singular Test；支持 Ephemeral 和 `store_failures` 路径
Unit Test	在 Model YAML 中提供 Inline Row 或 CSV Fixture，执行 `dbt test --select test_type:unit`
Model Contract	对 Table、View 或 Incremental Model 设置 `contract.enforced: true` 并声明字段名称和类型；不会创建数据库 PK 或 NOT NULL 约束
Persisted Docs	启用 `persist_docs`，为主要 Relation 类型写入 Relation 和字段注释
Source Freshness	配置 `loaded_at_field` 或 `loaded_at_query` 以及 `freshness`，执行 `dbt source freshness`
Grants	使用标准 `grants` 配置管理 Doris `user` 和 `user@host` 表权限；当前不支持 Role 授权主体
Hooks	使用 `pre_hook` 和 `post_hook` 在 Materialization 前后执行 Doris SQL；Hook 副作用没有事务回滚
文档与血缘	编写 Description 并执行 `dbt docs generate`，生成 Doris Database、Table、View、字段、注释和异步物化视图元数据

Seed 适合国家代码、状态映射等小型静态数据，不适合批量导入业务数据。大文件应使用 Doris Stream Load、Broker Load 或 Doris Connector。

Snapshot 源数据中的 unique_key 必须非 NULL 且每批唯一；使用 timestamp 策略时，updated_at 必须非 NULL，且不能早于该 Key 的当前历史版本。

为 Table 写入表和字段说明：

models:
  - name: fct_daily_sales
    description: Daily sales summary
    config:
      persist_docs:
        relation: true
        columns: true
    columns:
      - name: order_date
        description: Order date
      - name: sales_amount
        description: Daily sales amount

Source Freshness

Source Freshness 支持两种显式取值方式。常见场景使用 loaded_at_field：

sources:
  - name: raw
    schema: raw
    tables:
      - name: orders
        config:
          loaded_at_field: updated_at
          freshness:
            warn_after: {count: 1, period: hour}
            error_after: {count: 2, period: hour}

使用 loaded_at_field 时，如只需过滤参与 Freshness 计算的行，可在 freshness 下配置 filter，例如 filter: is_valid = 1。需要自定义取值 SQL 或聚合逻辑时使用 loaded_at_query：

sources:
  - name: raw
    schema: raw
    tables:
      - name: orders
        config:
          loaded_at_query: |
            select max(updated_at)
            from {{ this }}
            where is_valid = 1
          freshness:
            warn_after: {count: 1, period: hour}
            error_after: {count: 2, period: hour}

二者不能同时配置。Adapter 使用 utc_timestamp() 作为当前时间，以符合 dbt Core 对无时区时间戳按 UTC 计算 Freshness 的约定。当前实现没有从 Doris 表元数据自动推导加载时间；必须提供字段或查询。

Grants

声明式 Grants 以 Doris 用户为授权主体：

models:
  doris_demo:
    +grants:
      select:
        - analyst
        - reporter@10.0.0.%

未带 @host 的名称按 username@% 处理。权限映射为：select → SELECT_PRIV、 insert → LOAD_PRIV、alter → ALTER_PRIV、create → CREATE_PRIV、drop → DROP_PRIV、show_view → SHOW_VIEW_PRIV。当前不支持把 Doris Role 写入 grants，应配置具体用户；执行 dbt 的用户需要能够检查授权主体并调整目标对象权限。

常用命令

命令	作用
`dbt debug`	检查项目配置和 Doris 连接
`dbt parse`	解析项目，不执行 SQL
`dbt compile`	编译 Model 并查看生成的 Doris SQL
`dbt run`	构建选中的 Model
`dbt test`	执行 Data Test 和 Unit Test
`dbt build`	按依赖顺序执行 Seed、Model、Snapshot 和 Test
`dbt seed`	加载 Seed CSV
`dbt snapshot`	更新 Snapshot
`dbt source freshness`	检查 Source Freshness
`dbt docs generate`	生成 Catalog、文档和血缘数据

常用选择器：

# Run one model
dbt run --select fct_daily_sales

# Run the model and all upstream dependencies
dbt build --select +fct_daily_sales

# Run the model and all downstream dependencies
dbt build --select fct_daily_sales+

# Fully rebuild an incremental model
dbt run --select fct_orders --full-refresh

当前限制

当前不支持 Aggregate Key 表建模和 Secondary Index 配置。
当前不支持完整的 External Catalog 命名空间。
当前未实现 SSL 配置、超时与重试、多 FE 故障转移、服务端取消和完整的查询遥测。
部分 Table、View 和 MV 类型切换存在短暂的标准对象名不可用窗口，无法做到零停机切换。

故障处理

`dbt debug` 无法连接

确认 host 和 port 指向可访问的 Doris FE Query Port，并检查用户名、密码和网络策略。9030 是默认 Query Port，8030 通常是 FE HTTP Port。

`database` 与 `schema` 不一致

Profile 中的 schema 就是目标 Doris Database。删除 database；它不是 Doris Catalog，而且在 Profile 中没有提供额外命名层级。如果保留该兼容字段，当前实现要求它与 schema 完全相同。

环境要求​

已发布版本​

安装 dbt-for-apache-doris​

配置连接​

构建第一个 Model​

Materialization​

View​

Table​

Incremental​

Microbatch​

异步物化视图​

使用其他 dbt 功能​

Source Freshness​

Grants​

常用命令​

当前限制​

故障处理​

dbt debug 无法连接​

database 与 schema 不一致​