Best Practices für den Workflow-Lebenszyklus

In diesem Dokument werden Best Practices für die Verwaltung des Workflow-Lebenszyklus in Dataform beschrieben: Erstellen von Entwicklungs-, Staging- und Produktionsumgebungen sowie Konfigurieren von Kompilierungs- und Ausführungseinstellungen für jede Umgebung.

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

  • Erstellen Sie Ausführungsumgebungen, um Tabellen, die während der Entwicklung erstellt wurden, von Tabellen zu isolieren, die Endnutzern zur Verfügung stehen.

  • Release- und Workflowkonfigurationen konfigurieren, um Workflows in einer Produktionsumgebung und optional in einer Stagingumgebung auszuführen

In diesem Dokument werden Lösungen zum Isolieren von Entwicklungstabellen mit Überschreibungen von Arbeitsbereichskompilierungen und zum Konfigurieren von Staging- und Produktionsumgebungen mit Releasekonfigurationen und Workflowkonfigurationen beschrieben.

Mit diesen Lösungen können Sie Ausführungsumgebungen in einem einzelnen Dataform-Repository und Google Cloud -Projekt erstellen. Sie können mehrere Kopien eines Dataform-Repositorys in verschiedenenGoogle Cloud -Projekten haben. Jedes Projekt entspricht einer Phase des Code-Lebenszyklus, z. B. Entwicklung, Staging und Produktion. Mit diesem Ansatz können Sie IAM-Berechtigungen (Identity and Access Management) in jeder Phase des Lebenszyklus Ihres Codes anpassen.

Best Practices für isolierte Ausführungsumgebungen

Wir empfehlen, Tabellen, die während der Ausführung des Entwicklungs-Workflows erstellt werden, von Produktionstabellen in BigQuery zu isolieren. So können Endnutzer zu Produktionstabellen navigieren und das Risiko, dass sie versehentlich auf falsche Daten zugreifen, wird ausgeschlossen.

Sie können isolierte Ausführungsumgebungen auf folgende Arten erstellen:

Entwicklungs- und Produktionstabellen nach Schema aufteilen
Empfohlen für kleine Teams. In Dataform werden Entwicklungs- und Produktionstabellen in verschiedenen Schemas in BigQuery erstellt. Dataform führt alle Entwicklungstabellen in Schemas mit demselben Suffix aus, das angibt, dass sie während der Entwicklung erstellt wurden. Entwickler können die Entwicklungstabellen anderer Entwickler überschreiben.
Entwicklungs- und Produktionstabellen nach Schema und Google Cloud Projekt aufteilen
Empfohlen für mittelgroße Teams. In Dataform werden Entwicklungs- und Produktionstabellen in verschiedenen Schemas und Projekten in BigQuery erstellt. Dataform hat alle Entwicklungstabellen in einem dedizierten Google Cloud Entwicklungsprojekt veröffentlicht. Jeder Dataform-Entwickler hat ein eigenes Schema für Entwicklungstabellen. Diese Lösung schließt das Risiko aus, dass Entwickler versehentlich die Entwicklungstabellen anderer Entwickler überschreiben. Der Nachteil dieses Ansatzes ist, dass das Löschen von Entwicklungstabellen und ‑schemas und das Neuerstellen aller Tabellen in jeder Umgebung mehr Zeit in Anspruch nehmen kann.
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 einem dediziertenGoogle Cloud -Projekt in BigQuery aus. Diese Lösung bietet Ihnen die größte Kontrolle über den Code-Lebenszyklus.

Für alle Lösungen ist ein einzelnes Dataform-Repository erforderlich, das mit einem einzelnen Remote-Repository eines Drittanbieters verbunden ist.

Bei allen Lösungen lösen Entwickler Ausführungen von Entwicklungstabellen in ihren Dataform-Arbeitsbereichen manuell aus. Dataform kompiliert Produktions- und Staging-Tabellen in einer Releasekonfiguration automatisch und führt sie mit der Häufigkeit aus, die in einer Workflowkonfiguration festgelegt ist.

Entwicklung und Produktion nach Schema aufteilen

Mit dieser Lösung werden zwei Ausführungsumgebungen erstellt, in denen Dataform Ihre Workflows ausführt: Entwicklung und Produktion. Wenn Sie Entwicklungs- und Produktionstabellen nach Schema aufteilen möchten, müssen Sie Workfloweinstellungen, Überschreibungen von Arbeitsbereichskompilierungen und eine Releasekonfiguration konfigurieren. Wenn Sie Produktionsausführungen planen möchten, müssen Sie eine Workflowkonfiguration erstellen.

Dataform führt alle Entwicklungstabellen in den Schemas mit demselben Suffix aus, das angibt, dass sie während der Entwicklung erstellt wurden. In Dataform werden alle Produktionstabellen in den Schemas ohne Suffix ausgeführt.

In der folgenden Tabelle sehen Sie eine Konfiguration, bei der Entwicklungs- und Produktionstabellen nach Schema aufgeteilt werden, 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

In dieser Lösung werden Entwicklungs- und Produktionstabellen in einem einzigenGoogle Cloud -Projekt gespeichert.

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

In Dataform führen Entwickler einen Commit für ihre Änderungen durch und übertragen sie per Push an ihre benutzerdefinierten Zweige des Remote-Repositorys. Anschließend senden sie Pull-Anfragen auf der Git-Hostingplattform des Drittanbieters. Durch die Genehmigung einer Pull-Anfrage werden Änderungen mit dem main-Zweig des Remote-Repository zusammengeführt.

Dataform kompiliert automatisch Produktionstabellen aus dem main-Zweig des Remote-Repositorys in ein Kompilierungsergebnis gemäß den Einstellungen der production-Releasekonfiguration.

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

So implementieren Sie diese Lösung:

Workflow-Einstellungen

Je nach Ihrer Version von Dataform Core werden die Workfloweinstellungen in workflow_settings.yaml oder dataform.json gespeichert. Weitere Informationen finden Sie unter Dataform-Workflow-Einstellungen konfigurieren.

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"

Wenn Sie Ausführungen von production-Kompilierungsergebnissen planen möchten, erstellen Sie eine Workflowkonfiguration.

Beispiel für den Entwicklungsprozess

In diesem Beispiel arbeiten die Entwickler Sasha und Kai im selben Dataform-Repository. Das Dataform-Repository ist mit einem Remote-Git-Repository eines Drittanbieters verbunden.

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

In der folgenden Tabelle sind die angewendeten Umgebungseinstellungen für Sasha, Kai und die Produktionsumgebung aufgeführt:

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

Sasha erstellt eine neue Tabelle und stellt sie in der Produktion bereit:

  1. Sasha erstellt die Tabelle user_stats in einem Dataform-Arbeitsbereich.
  2. Im Arbeitsbereich löst Sasha die Ausführung der Tabelle manuell aus.
  3. Dataform erstellt die Tabelle enterprise-analytics.analytics_dev.user_stats im Schema analytics_dev im Projekt enterprise-analytics Google Cloud in BigQuery.
  4. Im Arbeitsbereich führt Sasha ein Commit der Änderung durch und überträgt sie per Push an den sasha-Zweig im Remote-Git-Repository.
  5. Sasha sendet im Remote-Repository eine Pull-Anfrage.
  6. Im Remote-Repository prüft und genehmigt Kai die Pull-Anfrage und führt die Änderung mit dem main-Zweig zusammen.
  7. Dataform aktualisiert das Kompilierungsergebnis im production-Release automatisch in der angegebenen Häufigkeit. Beim nächsten Update des Kompilierungsergebnisses production fügt Dataform die Tabelle enterprise-analytics.analytics.user_stats dem Kompilierungsergebnis hinzu.
  8. Bei einer geplanten Ausführung einer Workflowkonfiguration führt Dataform die Tabelle enterprise-analytics.analytics.user_stats im Schema analytics im Projekt enterprise-analytics Google Cloud in BigQuery aus.
  9. Die Tabelle user_stats ist für Endnutzer im Schema analytics im Projekt enterprise-analytics Google Cloud in BigQuery verfügbar.

Entwicklung und Produktion nach Schema und Projekt aufteilen

Mit dieser Lösung werden zwei Ausführungsumgebungen erstellt: Entwicklung und Produktion. Wenn Sie Entwicklungs- und Produktionstabellen nach Schema und Google Cloud Projekt aufteilen möchten, müssen Sie Workflow-Einstellungen, Überschreibungen von Arbeitsbereichskompilierungen und eine Releasekonfiguration konfigurieren. Wenn Sie Produktionsausführungen planen möchten, müssen Sie eine Workflowkonfiguration erstellen.

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

Dataform führt alle Produktionstabellen in BigQuery in einem dedizierten Produktionsprojekt Google Cloud ohne Schemasuffix aus.

In der folgenden Tabelle sehen Sie eine Konfiguration, bei der Entwicklungs- und Produktionstabellen nach Schema und Google Cloud Projekt aufgeteilt werden. Dabei gibt es ein Entwicklungsschema 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 werden Entwicklungs- und Produktionstabellen in Dataform in verschiedenen Schemas und Google Cloud Projekten in BigQuery ausgeführt.

Entwickler lösen die Ausführung manuell in ihren Dataform-Arbeitsbereichen aus. Jeder Entwickler arbeitet in seinem eigenen Workspace, der nach ihm benannt ist, z. B. sasha.

Wenn ein Entwickler die Ausführung in seinem Arbeitsbereich auslöst, hängt Dataform den Arbeitsbereichsnamen als Schemasuffix an alle Schemas an. Anschließend werden Tabellen im benutzerdefinierten Schema in Dataform ausgeführt.

Dataform erstellt beispielsweise Tabellen aus dem sasha-Arbeitsbereich im analytics_sasha-Schema in BigQuery. So speichert jeder Entwickler seine Entwicklungstabellen in seinem eigenen Schema bzw. seinen eigenen Schemas. Es besteht kein Risiko, dass Tabellen anderer Entwickler versehentlich überschrieben werden.

In Dataform führen Entwickler einen Commit für ihre Änderungen durch und übertragen sie per Push an ihre benutzerdefinierten Zweige des Remote-Repositorys. Anschließend senden sie Pull-Anfragen auf der Git-Hostingplattform des Drittanbieters. Durch die Genehmigung einer Pull-Anfrage werden Änderungen mit dem main-Zweig des Remote-Repository zusammengeführt.

Dataform kompiliert automatisch Produktionstabellen aus dem main-Zweig des Remote-Repositorys in ein Kompilierungsergebnis gemäß den Einstellungen der production-Releasekonfiguration.

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

So implementieren Sie diese Lösung:

Workflow-Einstellungen

Je nach Ihrer Version von Dataform Core werden die Workfloweinstellungen in workflow_settings.yaml oder dataform.json gespeichert. Weitere Informationen finden Sie unter Dataform-Workflow-Einstellungen konfigurieren.

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"

Wenn Sie Ausführungen von production-Kompilierungsergebnissen planen möchten, erstellen Sie eine Workflowkonfiguration mit einem benutzerdefinierten Zeitplan, der Ihren Anforderungen am besten entspricht.

Beispiel für den Entwicklungsprozess

In diesem Beispiel arbeiten die Entwickler Sasha und Kai am selben Dataform-Repository. Das Dataform-Repository ist mit einem Remote-Git-Repository eines Drittanbieters verbunden.

Sasha arbeitet in ihrem eigenen Arbeitsbereich namens sasha und Kai in seinem eigenen Arbeitsbereich namens Kai. Sie führen Commits durch und übertragen Änderungen per Push an benutzerdefinierte Zweige im Remote-Repository mit den Namen sasha und kai.

In der folgenden Tabelle sind die angewendeten Umgebungseinstellungen für Sasha, Kai und die Produktionsumgebung aufgeführt:

Einstellung Sasha 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

Sasha erstellt eine neue Tabelle und stellt sie in der Produktion bereit:

  1. Im sasha-Dataform-Arbeitsbereich erstellt Sasha die Tabelle user_stats.
  2. Im Arbeitsbereich sasha löst Sasha die Ausführung der Tabelle manuell aus.
  3. Dataform führt die Tabelle enterprise-dev.analytics_sasha.user_stats im Schema analytics_sasha im Projekt enterprise-dev Google Cloud in BigQuery aus.
  4. Im Arbeitsbereich sasha führt Sasha ein Commit der Änderung durch und überträgt sie per Push an den Branch sasha im Remote-Git-Repository.
  5. Sasha sendet im Remote-Repository eine Pull-Anfrage.
  6. Im Remote-Repository prüft und genehmigt Kai die Pull-Anfrage und führt die Änderung mit dem main-Zweig zusammen.
  7. Dataform aktualisiert das Kompilierungsergebnis im production-Release automatisch in der angegebenen Häufigkeit. Beim nächsten Update des Kompilierungsergebnisses production fügt Dataform die Tabelle enterprise-prod.analytics.user_stats dem Kompilierungsergebnis hinzu.
  8. Bei einer geplanten Ausführung einer Workflowkonfiguration führt Dataform die Tabelle enterprise-prod.analytics.user_stats im Schema analytics im Projekt enterprise-prod Google Cloud in BigQuery aus.
  9. Die Tabelle user_stats ist für Endnutzer im Schema analytics im Projekt enterprise-prod Google Cloud in BigQuery verfügbar.

Entwicklung, Staging und Produktion nach Schema und Projekt aufteilen

Mit dieser Lösung werden drei Ausführungsumgebungen erstellt: Entwicklung, Staging und Produktion. Alle Umgebungen sind nach Google Cloud Projekt aufgeteilt. Außerdem wird die Entwicklung durch Schemata von Staging und Produktion getrennt.

Wenn Sie Entwicklungs-, Staging- und Produktionstabellen nach Schema und Google Cloud Projekt aufteilen möchten, müssen Sie Workfloweinstellungen, Überschreibungen von Arbeitsbereichskompilierungen und zwei Releasekonfigurationen konfigurieren. Wenn Sie Staging- und Produktionsausführungen planen möchten, müssen Sie zwei separate Workflowkonfigurationen erstellen.

In dieser Lösung werden Entwicklungstabellen in BigQuery in mehreren Entwicklungsschemas ausgeführt, eines pro Dataform-Arbeitsbereich, in einem dedizierten Google Cloud -Entwicklungsprojekt.

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

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

Die folgende Tabelle zeigt eine Beispielkonfiguration, in der Entwicklungs-, Staging- und Produktionstabellen nach Schema und Google Cloud -Projekt aufgeteilt sind. Dabei gibt es ein Entwicklungsschema pro 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 werden Entwicklungs-, Staging- und Produktionstabellen in verschiedenen Google Cloud Projekten in BigQuery ausgeführt. Außerdem führt Dataform Entwicklungstabellen in mehreren benutzerdefinierten Schemas aus, eines pro Arbeitsbereich. Dataform führt Staging- und Produktionstabellen im selben Schema, aber in verschiedenen Google Cloud -Projekten aus.

Entwickler lösen die Ausführung manuell in ihren Dataform-Arbeitsbereichen aus. Jeder Entwickler arbeitet in seinem eigenen Workspace, der nach ihm benannt ist, z. B. sasha.

Jeder Arbeitsbereich entspricht einem benutzerdefinierten BigQuery-Schema, das nach dem Arbeitsbereich benannt ist. Wenn ein Entwickler die Ausführung in seinem Arbeitsbereich auslöst, hängt Dataform den Arbeitsbereichsnamen als Schemasuffix an das Standardschema an. Anschließend werden Tabellen im benutzerdefinierten Schema in BigQuery ausgeführt.

Dataform führt beispielsweise Tabellen aus dem sasha-Arbeitsbereich im Schema analytics_sasha in BigQuery aus. So speichert jeder Entwickler seine Entwicklungstabellen in seinem eigenen Schema. Es besteht kein Risiko, dass Tabellen anderer Entwickler versehentlich überschrieben werden.

In Dataform führen Entwickler einen Commit für ihre Änderungen durch und übertragen sie per Push an ihre benutzerdefinierten Zweige des Remote-Repositorys. Anschließend senden sie auf der Git-Hostingplattform des Drittanbieters Pull-Anfragen für den main-Zweig. Durch die Genehmigung einer Pull-Anfrage werden Änderungen im main-Zweig des Remote-Repository zusammengeführt.

Dataform kompiliert Staging-Tabellen automatisch aus dem main-Branch des Remote-Repositorys in ein Kompilierungsergebnis gemäß den Einstellungen der staging-Releasekonfiguration.

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

Um Tabellen vom Staging- in die Produktionsumgebung zu übertragen, senden Entwickler auf der Git-Hostingplattform eines Drittanbieters Pull-Anfragen vom main-Zweig an den prod-Zweig. Durch die Genehmigung einer Pull-Anfrage werden Änderungen im prod-Zweig des Remote-Repository zusammengeführt.

Dataform kompiliert automatisch Produktionstabellen aus dem prod-Zweig des Remote-Repositorys in ein Kompilierungsergebnis gemäß den Einstellungen der production-Releasekonfiguration.

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

So implementieren Sie diese Lösung:

Workflow-Einstellungen

Je nach Ihrer Version von Dataform Core werden die Workfloweinstellungen in workflow_settings.yaml oder dataform.json gespeichert. Weitere Informationen finden Sie unter Dataform-Workflow-Einstellungen konfigurieren.

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"

Wenn Sie Ausführungen von staging- und production-Kompilierungsergebnissen planen möchten, erstellen Sie zwei separate Workflowkonfigurationen mit benutzerdefinierten Zeitplänen, die Ihren Anforderungen am besten entsprechen.

Beispiel für den Entwicklungsprozess

In diesem Beispiel arbeiten die Entwickler Sasha und Kai im selben Dataform-Repository. Das Dataform-Repository ist mit einem Remote-Git-Repository eines Drittanbieters verbunden.

Sasha arbeitet in ihrem eigenen Arbeitsbereich namens sasha und Kai in seinem eigenen Arbeitsbereich namens Kai. Sie führen Commits durch und übertragen Änderungen per Push an benutzerdefinierte Zweige im Remote-Repository mit den Namen sasha und kai.

In der folgenden Tabelle sind die angewendeten Umgebungseinstellungen für Sasha, Kai und die Produktionsumgebung aufgeführt:

Einstellung Sasha 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

Sasha erstellt eine neue Tabelle und stellt sie in der Produktion bereit:

  1. Im sasha-Dataform-Arbeitsbereich erstellt Sasha die Tabelle user_stats.
  2. Im Arbeitsbereich sasha löst Sasha die Ausführung der Tabelle manuell aus.
  3. Dataform führt die Tabelle enterprise-dev.analytics_sasha.user_stats im Schema analytics_sasha im Projekt enterprise-dev Google Cloud in BigQuery aus.
  4. Im Arbeitsbereich sasha führt Sasha ein Commit der Änderung durch und überträgt sie per Push an den Branch sasha im Remote-Git-Repository.
  5. Sasha sendet im Remote-Repository eine Pull-Anfrage für den main-Zweig.
  6. Im Remote-Repository prüft und genehmigt Kai die Pull-Anfrage und führt die Änderung mit dem main-Zweig zusammen.
  7. Dataform aktualisiert das Kompilierungsergebnis im staging-Release automatisch in der angegebenen Häufigkeit. Beim nächsten Update des Kompilierungsergebnisses staging fügt Dataform die Tabelle enterprise-staging.analytics.user_stats dem Kompilierungsergebnis hinzu.
  8. Bei einer geplanten Ausführung einer Workflowkonfiguration führt Dataform die Tabelle enterprise-staging.analytics.user_stats im Schema analytics im Projekt enterprise-staging Google Cloud in BigQuery aus.
  9. Sasha sendet im Remote-Repository eine Pull-Anfrage für den prod-Zweig.
  10. Im Remote-Repository prüft und genehmigt Kai die Pull-Anfrage und führt die Änderung mit dem prod-Zweig zusammen.
  11. Dataform aktualisiert das Kompilierungsergebnis im production-Release automatisch in der angegebenen Häufigkeit. Beim nächsten Update des Kompilierungsergebnisses production fügt Dataform die Tabelle enterprise-prod.analytics.user_stats dem Kompilierungsergebnis hinzu.
  12. Bei einer geplanten Ausführung einer Workflowkonfiguration führt Dataform die Tabelle enterprise-prod.analytics.user_stats im Schema analytics im Projekt enterprise-prod Google Cloud in BigQuery aus.
  13. Die Tabelle user_stats ist für Endnutzer im Schema analytics im Projekt enterprise-prod Google Cloud in BigQuery verfügbar.

Nächste Schritte