Codelebenszyklus verwalten

In diesem Dokument werden Best Practices für die Verwaltung des Codelebenszyklus in Dataform: Entwicklungs-, Staging- und Produktionsumgebungen erstellen und die Kompilierungs- und Ausführungseinstellungen für jede Umgebung konfigurieren.

Um einen standardisierten Lebenszyklus von Dataform-SQL-Workflows zu erstellen, die Datenhygiene verwaltet und Entwicklungsprozesse optimiert, empfehlen wir Folgendes:

  • Ausführungsumgebungen erstellen, um Tabellen zu isolieren, die während von Tabellen, die Endnutzern zur Verfügung stehen.

  • Release- und Workflowkonfigurationen zum Ausführen von Workflows konfigurieren in einer Produktionsumgebung und optional in einer Staging-Umgebung.

In diesem Dokument werden Lösungen zum Isolieren der Entwicklung beschrieben. Tabellen mit Überschreibungen von Arbeitsbereichskompilierungen und Staging- und Produktionsumgebungen konfigurieren Releasekonfigurationen und Workflowkonfigurationen.

Mit diesen Lösungen können Sie Ausführungsumgebungen Dataform-Repository und Google Cloud-Projekt. Sie können sich Kopien eines Dataform-Repositorys, die in unterschiedlichen Google Cloud-Projekt, wobei jedes Projekt einer Phase Ihres Codes entspricht z. B. Entwicklung, Staging und Produktion. Dieser Ansatz ermöglicht das Anpassen von Identity and Access Management-Berechtigungen in jeder Phase des Codelebenszyklus.

Best Practices für isolierte Ausführungsumgebungen

Es empfiehlt sich, Tabellen zu isolieren, die während des SQL-Entwicklungsworkflows erstellt wurden. Ausführungen aus Produktionstabellen in BigQuery. Dadurch wird sichergestellt, dass Endnutzer zur Produktion navigieren können. und eliminiert das Risiko, dass Endnutzer versehentlich auf falsche Daten zugreifen.

So erstellen Sie isolierte Ausführungsumgebungen:

Entwicklungs- und Produktionstabellen nach Schema aufteilen
Empfohlen für kleine Teams. Dataform schafft Entwicklungs- und Produktionstabellen in verschiedenen BigQuery-Schemas. Dataform führt alle Entwicklungstabellen in Schemas aus, die dasselbe Suffix, das anzeigt, dass sie während der Entwicklung erstellt wurden. Entwickler können ihre Entwicklungstabellen gegenseitig überschreiben.
Entwicklungs- und Produktionstabellen nach Schema und Google Cloud-Projekt aufteilen
Empfohlen für mittelgroße Teams. Dataform schafft Entwicklungs- und Produktionstabellen in verschiedenen Schemas und Projekten in BigQuery. Dataform hat alle Entwicklungstabellen veröffentlicht in einem speziellen Google Cloud-Entwicklungsprojekt. Jeder Dataform-Entwickler hat sein eigenes eindeutiges Entwicklungsschema Tabellen. Diese Lösung beseitigt das Risiko von Entwicklern die Entwicklungstabellen der anderen überschreiben. Der Nachteil von besteht dieser Ansatz darin, Entwicklungstabellen und -schemas zu löschen und kann dies mehr Zeit in Anspruch nehmen.
Entwicklungs-, Staging- und Produktionstabellen nach Google Cloud-Projekt aufteilen
Empfohlen für große Teams oder Teams, die eine Staging-Umgebung benötigen. Dataform führt Tabellen aus jeder Umgebung in einer dedizierten Google Cloud-Projekt in BigQuery. Diese Lösung bietet Ihnen den meisten Kontrolle über den Codelebenszyklus.

Alle Lösungen erfordern ein einziges Dataform-Repository mit einem einzelnen Remote-Repository eines Drittanbieters verbunden.

Bei allen Lösungen müssen Entwickler Ausführungen der Entwicklung manuell auslösen Tabellen innerhalb ihrer Dataform-Arbeitsbereiche. Dataform Produktions- und Staging-Tabellen automatisch in einer Releasekonfiguration kompiliert, und führt sie mit der in einer Workflowkonfiguration festgelegten Häufigkeit aus.

Entwicklung und Produktion nach Schema aufteilen

Diese Lösung erstellt zwei Ausführungsumgebungen, in denen Dataform führt Ihre SQL-Workflows aus: Entwicklung und Produktion. Wenn Sie Entwicklungs- und Produktionstabellen nach Schema aufteilen möchten, müssen Sie Folgendes konfigurieren: Workflow-Einstellungen, Überschreibungen von Arbeitsbereichskompilierungen und ein Release Konfiguration. Um Produktionsausführungen zu planen, müssen Sie Workflowkonfiguration erstellen.

Dataform führt alle Entwicklungstabellen in Schemas aus, die die Dies bedeutet, dass sie während der Entwicklung erstellt wurden. Dataform führt alle Produktionstabellen in Schemas ohne Suffix aus.

Die folgende Tabelle zeigt eine Konfiguration, bei der die Entwicklung aufgeteilt wird und Produktionstabellen nach Schema, mit einem Entwicklungsschema:

Einstellung Entwicklung Produktion
Google Cloud-Projekt enterprise-analytics enterprise-analytics
Git-Zweig Name des Arbeitsbereichs main
Überschreibungen von Arbeitsbereichskompilierungen Schemasuffix: dev -
Releasekonfiguration - production
Workflowkonfiguration - production

Bei dieser Lösung werden Entwicklungs- und Produktionstabellen in einem einzigen Google Cloud-Projekt

Entwickler lösen die Ausführung manuell in ihren Dataform-Arbeitsbereichen aus. Bei allen manuell ausgelösten Ausführungen führt Dataform Tabellen Schemas mit demselben Suffix, das anzeigt, dass sie erstellt wurden während der Entwicklung. Entwickler müssen sich darüber im Klaren sein, die Tabellen des jeweils anderen überschreiben.

In Dataform übernehmen Entwickler ihre Änderungen und übertragen diese an ihre benutzerdefinierten Zweige des Remote-Repositorys. Auf der Drittanbieter-Git-Hostingplattform senden sie Pull-Anfragen. Durch die Genehmigung einer Pull-Anfrage werden Änderungen zusammengeführt. zum Zweig main des Remote-Repositorys.

Dataform kompiliert automatisch Produktionstabellen aus der Zweig main des Remote-Repositorys in ein Kompilierungsergebnis gemäß die Konfigurationseinstellungen des Release production.

Dataform führt das Kompilierungsergebnis production automatisch aus gemäß dem in der production-Workflowkonfiguration festgelegten Zeitplan.

Konfigurieren Sie die folgenden Dataform-Einstellungen, um diese Lösung zu implementieren:

Workfloweinstellungen

Je nach Ihrer Dataform Core-Version sind die Workfloweinstellungen in workflow_settings.yaml oder dataform.json gespeichert. Weitere Informationen finden Sie unter Konfigurieren Sie die Einstellungen für den Dataform-Workflow.

Konfigurieren Sie in workflow_settings.yaml die folgenden Einstellungen:

defaultProject: enterprise-analytics
defaultDataset: analytics

Konfigurieren Sie in dataform.json die folgenden Einstellungen:

{
defaultSchema: "analytics",
defaultDatabase: "enterprise-analytics"
}

Arbeitsbereichsüberschreibungen

Schema suffix: "dev"

Releasekonfiguration

Git Commitish: "main"

Um die Ausführung von production-Kompilierungsergebnissen zu planen, eine Workflowkonfiguration zu erstellen.

Beispielentwicklungsprozess

In diesem Beispiel arbeiten die Entwickler Sasha und Kai im Dataform-Repository verwenden. Das Dataform-Repository ist verbunden in ein Remote-Git-Repository von Drittanbietern.

Sie führen Commits durch und übertragen Änderungen per Push an benutzerdefinierte Zweige im Remote-Repository. namens sasha und kai.

Die folgende Tabelle zeigt die angewendeten Umgebungseinstellungen für Sasha, Kai, und der Produktionsumgebung:

Einstellung Sascha Kai Produktion
Google Cloud-Projekt enterprise-analytics enterprise-analytics enterprise-analytics
Git-Zweig sasha kai main
Schema analytics_dev analytics_dev analytics

Sascha erstellt in folgendem Prozess eine neue Tabelle und stellt sie in der Produktion bereit:

  1. In einem Dataform-Arbeitsbereich erstellt Sasha die Tabelle user_stats.sqlx.
  2. Im Arbeitsbereich löst Sasha die Ausführung der Tabelle manuell aus.
  3. Dataform erstellt die Tabelle enterprise-analytics.analytics_dev.user_stats im analytics_dev-Schema in enterprise-analytics Google Cloud-Projekt in BigQuery.
  4. Im Arbeitsbereich übergibt Sasha die Änderung und überträgt sie an das sasha Branch im Remote-Git-Repository.
  5. Im Remote-Repository sendet Sasha eine Pull-Anfrage.
  6. Im Remote-Repository prüft und genehmigt Kai die Pull-Anfrage. Die Änderung wird im main-Zweig zusammengeführt.
  7. Dataform aktualisiert automatisch das Kompilierungsergebnis im production Release mit der angegebenen Häufigkeit. Bei der nächsten Aktualisierung des production-Kompilierungsergebnis fügt Dataform die enterprise-analytics.analytics.user_stats zum Kompilierungsergebnis hinzu.
  8. Bei einer geplanten Ausführung einer Workflowkonfiguration Führt die Tabelle enterprise-analytics.analytics.user_stats aus im Schema analytics im Google Cloud-Projekt enterprise-analytics in BigQuery.
  9. Die Tabelle „user_stats.sqlx“ ist für Endnutzer in der Region „analytics“ verfügbar im Google Cloud-Projekt enterprise-analytics in BigQuery erstellen.

Entwicklung und Produktion nach Schema und Projekt aufteilen

Diese Lösung erstellt zwei Ausführungsumgebungen: Entwicklung und Produktion. Um Entwicklungs- und Produktionstabellen nach Schema und Google Cloud-Projekt aufzuteilen, müssen Sie Workflow-Einstellungen, Überschreibungen von Arbeitsbereichskompilierungen und eine Releasekonfiguration. Um Produktionsausführungen zu planen, müssen Sie Workflowkonfiguration erstellen.

In dieser Lösung führt Dataform die Entwicklung aus dedizierten Google Cloud-Entwicklungsprojekt in Schemas mit einem anderen Schemasuffix für jeden Arbeitsbereich.

Dataform führt alle Produktionstabellen in BigQuery aus Ein dediziertes Google Cloud-Produktionsprojekt ohne Schemasuffix.

Die folgende Tabelle zeigt eine Konfiguration, bei der die Entwicklung aufgeteilt wird und Produktionstabellen nach Schema und Google Cloud-Projekt, mit einer Entwicklung Schema pro Dataform-Arbeitsbereich:

Einstellung Entwicklung Produktion
Google Cloud-Projekt enterprise-dev enterprise-prod
Git-Zweig Name des Arbeitsbereichs main
Überschreibungen von Arbeitsbereichskompilierungen Schemasuffix: ${workspaceName} -
Releasekonfiguration - production
Workflowkonfiguration - production

In dieser Lösung führt Dataform Entwicklungs- und Produktionstabellen aus in verschiedenen Schemas und Google Cloud-Projekten in BigQuery.

Entwickler lösen die Ausführung manuell in ihren Dataform-Arbeitsbereichen aus. Jeder Entwickelnde arbeitet in seinem eigenen, nach ihm benannten Arbeitsbereich. z. B. sasha.

Wenn ein Entwickler die Ausführung in seinem Arbeitsbereich auslöst, Dataform hängt den Namen des Arbeitsbereichs als Schemasuffix an auf alle Schemas anwenden. Dann führt Dataform Tabellen im benutzerdefinierten Schema.

Dataform erstellt beispielsweise Tabellen aus dem Arbeitsbereich sasha im analytics_sasha-Schema in BigQuery. So kann jeder Entwickler ihre Entwicklungstabellen in eigenen Schemas speichert. Es besteht kein Risiko, Tabellen anderer Entwickler überschreibt.

In Dataform übernehmen Entwickler ihre Änderungen und übertragen diese an ihre benutzerdefinierten Zweige des Remote-Repositorys. Auf der Drittanbieter-Git-Hostingplattform senden sie Pull-Anfragen. Durch die Genehmigung einer Pull-Anfrage werden Änderungen zusammengeführt. zum Zweig main des Remote-Repositorys.

Dataform kompiliert automatisch Produktionstabellen aus der Zweig main des Remote-Repositorys in ein Kompilierungsergebnis gemäß die Konfigurationseinstellungen des Release production.

Dataform führt das Kompilierungsergebnis production automatisch aus gemäß dem in der production-Workflowkonfiguration festgelegten Zeitplan.

Konfigurieren Sie die folgenden Dataform-Einstellungen, um diese Lösung zu implementieren:

Workfloweinstellungen

Je nach Ihrer Dataform Core-Version sind die Workfloweinstellungen in workflow_settings.yaml oder dataform.json gespeichert. Weitere Informationen finden Sie unter Konfigurieren Sie die Einstellungen für den Dataform-Workflow.

Konfigurieren Sie in workflow_settings.yaml die folgenden Einstellungen:

defaultProject: enterprise-dev
defaultDataset: analytics

Konfigurieren Sie in dataform.json die folgenden Einstellungen:

{
defaultSchema: "analytics",
defaultDatabase: "enterprise-dev"
}

Arbeitsbereichsüberschreibungen

Schema suffix: "${workspaceName}"

Releasekonfiguration

  • Git Commitish: "main"
  • Google Cloud-Projekt-ID: "enterprise-prod"

Um die Ausführung von production-Kompilierungsergebnissen zu planen, eine Workflowkonfiguration mit einem benutzerdefinierten Zeitplan erstellen die Ihren Anforderungen am besten entspricht.

Beispielentwicklungsprozess

In diesem Beispiel arbeiten die Entwickler Sasha und Kai an der Dataform-Repository verwenden. Das Dataform-Repository ist verbunden in ein Remote-Git-Repository von Drittanbietern.

Sascha arbeitet in einem eigenen Arbeitsbereich namens sasha. und Kai arbeitet in ihrem eigenen Arbeitsbereich namens Kai. Sie führen Commits durch und übertragen Änderungen per Push an benutzerdefinierte Zweige im Remote-Repository. namens sasha und kai.

Die folgende Tabelle zeigt die angewendeten Umgebungseinstellungen für Sasha, Kai, und der Produktionsumgebung:

Einstellung Sascha Kai Produktion
Google Cloud-Projekt enterprise-dev enterprise-dev enterprise-prod
Git-Zweig sasha kai main
Überschreibungen von Arbeitsbereichskompilierungen Schemasuffix: ${workspaceName} Schemasuffix: ${workspaceName} -
Releasekonfiguration - - production
Workflowkonfiguration - - production

Sascha erstellt in folgendem Prozess eine neue Tabelle und stellt sie in der Produktion bereit:

  1. Im Dataform-Arbeitsbereich sasha erstellt Sasha der Tabelle user_stats.sqlx.
  2. Im Arbeitsbereich sasha löst Sasha die Ausführung der Tabelle manuell aus.
  3. Dataform führt die Tabelle enterprise-dev.analytics_sasha.user_stats im analytics_sasha-Schema im Google Cloud-Projekt enterprise-dev in BigQuery.
  4. Im Arbeitsbereich sasha übergibt Sasha die Änderung und überträgt sie an den Zweig sasha im Remote-Git-Repository.
  5. Im Remote-Repository sendet Sasha eine Pull-Anfrage.
  6. Im Remote-Repository prüft und genehmigt Kai die Pull-Anfrage. Die Änderung wird im main-Zweig zusammengeführt.
  7. Dataform aktualisiert automatisch das Kompilierungsergebnis im production Release mit der angegebenen Häufigkeit. Bei der nächsten Aktualisierung des production-Kompilierungsergebnis fügt Dataform die enterprise-prod.analytics.user_stats zum Kompilierungsergebnis hinzu.
  8. Bei einer geplanten Ausführung einer Workflowkonfiguration Führt die Tabelle enterprise-prod.analytics.user_stats aus im Schema analytics im Google Cloud-Projekt enterprise-prod in BigQuery.
  9. Die Tabelle „user_stats.sqlx“ ist für Endnutzer in der Region „analytics“ verfügbar im Google Cloud-Projekt enterprise-prod in BigQuery erstellen.

Entwicklung, Staging und Produktion nach Schema und Projekt aufteilen

Diese Lösung erstellt drei Ausführungsumgebungen: Entwicklung, Staging, und der Produktion. Alle Umgebungen sind nach Google Cloud-Projekt aufgeteilt. Außerdem wird die Entwicklung nach Schema von Staging und Produktion getrennt.

Um Entwicklungs-, Staging- und Produktionstabellen nach Schema und Google Cloud-Projekt aufzuteilen, müssen Sie Workflow-Einstellungen, Überschreibungen von Arbeitsbereichskompilierungen und zwei Releasekonfigurationen. Staging und Produktion planen ausführen, müssen Sie zwei separate Workflowkonfigurationen erstellen.

Bei dieser Lösung führt Dataform Entwicklungstabellen in in mehreren Entwicklungsschemas, eine pro Dataform-Arbeitsbereich in einem dedizierten Google Cloud-Entwicklungsprojekt.

Dataform führt alle Staging-Tabellen in BigQuery aus in einem dedizierten Google Cloud-Staging-Projekt in Schemas mit demselben Suffix dass sie in Staging erstellt wurden.

Dataform führt alle Produktionstabellen in BigQuery aus in einem dedizierten Google Cloud-Produktionsprojekt in Schemas mit demselben Suffix dass sie in der Produktion erstellt wurden.

Die folgende Tabelle zeigt eine Beispielkonfiguration, bei der die Entwicklung aufgeteilt wird, Staging- und Produktionstabellen nach Schema und Google Cloud-Projekt, wobei eine Entwicklungsschema für einen Dataform-Arbeitsbereich:

Einstellung Entwicklung Staging Produktion
Google Cloud-Projekt enterprise-dev enterprise-staging enterprise-prod
Git-Zweig Name des Arbeitsbereichs main prod
Überschreibungen von Arbeitsbereichskompilierungen Schemasuffix: ${workspaceName} - -
Releasekonfiguration - staging production
Workflowkonfiguration - staging production

In dieser Lösung führt Dataform Entwicklung, Staging und Produktionstabellen in verschiedenen Google Cloud-Projekten in BigQuery. Außerdem führt Dataform Entwicklungstabellen in mehreren benutzerdefinierten Schemas, eines pro Arbeitsbereich. Dataform führt Staging und Produktion aus Tabellen im selben Schema, aber in verschiedenen Google Cloud-Projekten.

Entwickler lösen die Ausführung manuell in ihren Dataform-Arbeitsbereichen aus. Jeder Entwickelnde arbeitet in seinem eigenen, nach ihm benannten Arbeitsbereich. z. B. sasha.

Jeder Arbeitsbereich entspricht einem benutzerdefinierten BigQuery-Schema, benannt nach dem Arbeitsbereich. Wenn ein Entwickler die Ausführung in seinem Arbeitsbereich auslöst, Dataform hängt den Namen des Arbeitsbereichs als Schemasuffix an Standardschema zurück. Dann führt Dataform Tabellen im benutzerdefinierten Schema in BigQuery.

Dataform führt beispielsweise Tabellen aus dem Arbeitsbereich sasha aus im analytics_sasha-Schema in BigQuery. So kann jeder Entwickler ihre Entwicklungstabellen in einem eigenen Schema speichert. Es besteht kein Risiko, Tabellen anderer Entwickler überschreibt.

In Dataform übernehmen Entwickler ihre Änderungen und übertragen diese an ihre benutzerdefinierten Zweige des Remote-Repositorys. Auf der Drittanbieter-Git-Hostingplattform senden sie Pull-Anfragen an den main-Zweig. Genehmigung einer Pull-Anfrage führt Änderungen im Zweig main des Remote-Repositorys zusammen.

Dataform kompiliert Staging-Tabellen automatisch aus der Zweig main des Remote-Repositorys in ein Kompilierungsergebnis gemäß die Konfigurationseinstellungen des Release staging.

Dataform führt das Kompilierungsergebnis staging automatisch aus gemäß dem in der staging-Workflowkonfiguration festgelegten Zeitplan.

Um Tabellen vom Staging in die Produktion hochzustufen, im Drittanbieter-Git-Hosting Plattform senden Entwickler Pull-Anfragen vom main-Zweig an die prod Branch. Durch die Genehmigung einer Pull-Anfrage werden Änderungen im Zweig prod zusammengeführt des Remote-Repositorys.

Dataform kompiliert automatisch Produktionstabellen aus der Zweig prod des Remote-Repositorys in ein Kompilierungsergebnis gemäß die Konfigurationseinstellungen des Release production.

Dataform führt das Kompilierungsergebnis production automatisch aus gemäß dem in der production-Workflowkonfiguration festgelegten Zeitplan.

Konfigurieren Sie die folgenden Dataform-Einstellungen, um diese Lösung zu implementieren:

Workfloweinstellungen

Je nach Ihrer Dataform Core-Version sind die Workfloweinstellungen in workflow_settings.yaml oder dataform.json gespeichert. Weitere Informationen finden Sie unter Konfigurieren Sie die Einstellungen für den Dataform-Workflow.

Konfigurieren Sie in workflow_settings.yaml die folgenden Einstellungen:

defaultProject: enterprise-dev
defaultDataset: analytics

Konfigurieren Sie in dataform.json die folgenden Einstellungen:

{
defaultSchema: "analytics",
defaultDatabase: "enterprise-dev"
}

Arbeitsbereichsüberschreibungen

Schema suffix: "${workspaceName}"

staging-Releasekonfiguration

  • Git Commitish: "main"
  • Google Cloud-Projekt-ID: "enterprise-staging"

prod-Releasekonfiguration

  • Git Commitish: "prod"
  • Google Cloud-Projekt-ID: "enterprise-prod"

Um die Ausführung der Kompilierungsergebnisse staging und production zu planen, Zwei separate Workflowkonfigurationen mit benutzerdefinierten Zeitplänen erstellen die Ihren Anforderungen am besten entspricht.

Beispielentwicklungsprozess

In diesem Beispiel arbeiten die Entwickler Sasha und Kai im Dataform-Repository verwenden. Das Dataform-Repository ist verbunden in ein Remote-Git-Repository von Drittanbietern.

Sascha arbeitet in einem eigenen Arbeitsbereich namens sasha. und Kai arbeitet in ihrem eigenen Arbeitsbereich namens Kai. Sie führen Commits durch und übertragen Änderungen per Push an benutzerdefinierte Zweige im Remote-Repository. namens sasha und kai.

Die folgende Tabelle zeigt die angewendeten Umgebungseinstellungen für Sasha, Kai, und der Produktionsumgebung:

Einstellung Sascha Kai Staging Produktion
Google Cloud-Projekt enterprise-dev enterprise-dev enterprise-staging enterprise-prod
Git-Zweig sasha kai main prod
Schema analytics_sasha analytics_kai analytics analytics

Sascha erstellt in folgendem Prozess eine neue Tabelle und stellt sie in der Produktion bereit:

  1. Im Dataform-Arbeitsbereich sasha erstellt Sasha der Tabelle user_stats.sqlx.
  2. Im Arbeitsbereich sasha löst Sasha die Ausführung der Tabelle manuell aus.
  3. Dataform führt die Tabelle enterprise-dev.analytics_sasha.user_stats im analytics_sasha-Schema im Google Cloud-Projekt enterprise-dev in BigQuery.
  4. Im Arbeitsbereich sasha übergibt Sasha die Änderung und überträgt sie an den Zweig sasha im Remote-Git-Repository.
  5. Im Remote-Repository sendet Sasha eine Pull-Anfrage an den Zweig main.
  6. Im Remote-Repository prüft und genehmigt Kai die Pull-Anfrage. Die Änderung wird im main-Zweig zusammengeführt.
  7. Dataform aktualisiert automatisch das Kompilierungsergebnis im staging Release mit der angegebenen Häufigkeit. Bei der nächsten Aktualisierung des staging-Kompilierungsergebnis fügt Dataform die enterprise-staging.analytics.user_stats zum Kompilierungsergebnis hinzu.
  8. Bei einer geplanten Ausführung einer Workflowkonfiguration Führt die Tabelle enterprise-staging.analytics.user_stats aus im Schema analytics im Google Cloud-Projekt enterprise-staging in BigQuery.
  9. Im Remote-Repository sendet Sasha eine Pull-Anfrage an den Zweig prod.
  10. Im Remote-Repository prüft und genehmigt Kai die Pull-Anfrage. Die Änderung wird im prod-Zweig zusammengeführt.
  11. Dataform aktualisiert automatisch das Kompilierungsergebnis im production Release mit der angegebenen Häufigkeit. Bei der nächsten Aktualisierung des production-Kompilierungsergebnis fügt Dataform die enterprise-prod.analytics.user_stats zum Kompilierungsergebnis hinzu.
  12. Bei einer geplanten Ausführung einer Workflowkonfiguration Führt die Tabelle enterprise-prod.analytics.user_stats aus im Schema analytics im Google Cloud-Projekt enterprise-prod in BigQuery
  13. Die Tabelle „user_stats.sqlx“ ist für Endnutzer in der Region „analytics“ verfügbar im Google Cloud-Projekt enterprise-prod in BigQuery erstellen.

Nächste Schritte