Diese Seite wurde von der Cloud Translation API übersetzt.

Codelebenszyklus verwalten

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

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

Ausführungsumgebungen erstellen, um während der Entwicklung erstellte Tabellen von Tabellen zu isolieren, die für Endnutzer verfügbar sind.
Konfigurieren Sie Release- und Workflowkonfigurationen, um Workflows in einer Produktionsumgebung und optional in einer Staging-Umgebung auszuführen.

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

Mit diesen Lösungen können Sie Ausführungsumgebungen in einem einzigen Dataform-Repository und Google Cloud-Projekt erstellen. Sie können mehrere Kopien eines Dataform-Repositorys in verschiedenen Google Cloud-Projekten verwenden. Jedes Projekt entspricht einer Phase des Codelebenszyklus, z. B. Entwicklung, Staging und Produktion. Mit diesem Ansatz können Sie die IAM-Berechtigungen in jeder Phase des Codelebenszyklus anpassen.

Best Practices für isolierte Ausführungsumgebungen

Wir empfehlen, Tabellen, die während der Ausführung des SQL-Workflows für die Entwicklung erstellt wurden, von Produktionstabellen in BigQuery zu isolieren. So können Endnutzer Produktionstabellen aufrufen und das Risiko wird verringert, dass sie versehentlich auf falsche Daten zugreifen.

Sie haben folgende Möglichkeiten, isolierte Ausführungsumgebungen zu erstellen:

Entwicklungs- und Produktionstabellen nach Schema aufteilen: Empfohlen für kleine Teams. Dataform erstellt Entwicklungs- und Produktionstabellen in verschiedenen Schemas in BigQuery. Dataform führt alle Entwicklungstabellen in Schemas mit demselben Suffix aus, was 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. Mit Dataform werden Entwicklungs- und Produktionstabellen in verschiedenen Schemas und Projekten in BigQuery erstellt. Dataform hat alle Entwicklungstabellen in einem speziellen Google Cloud-Entwicklungsprojekt veröffentlicht. Jeder Dataform-Entwickler hat ein eigenes Schema für Entwicklungstabellen. So wird das Risiko vermieden, dass Entwickler die Entwicklungstabellen anderer Entwickler versehentlich überschreiben. Der Nachteil dieses Ansatzes besteht darin, dass das Löschen von Entwicklungstabellen und ‑schemata und das Erstellen 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 speziellen Google Cloud-Projekt in BigQuery aus. Mit dieser Lösung haben Sie die größte Kontrolle über den Codelebenszyklus.

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

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

Entwicklung und Produktion nach Schema aufteilen

Mit dieser Lösung werden zwei Ausführungsumgebungen erstellt, in denen Dataform Ihre SQL-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 Schemas mit demselben Suffix aus, was angibt, dass sie während der Entwicklung erstellt wurden. In Dataform werden alle Produktionstabellen in Schemas ohne Suffix ausgeführt.

Die folgende Tabelle zeigt eine Konfiguration, bei der Entwicklungs- und Produktionstabellen nach Schema aufgeteilt werden, wobei ein Entwicklungsschema verwendet wird:

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 gespeichert.

Entwickler lösen die Ausführung manuell in ihren Dataform-Arbeitsbereichen aus. Bei allen manuell ausgelösten Ausführungen führt Dataform Tabellen in Schemas mit demselben Suffix aus. Das weist darauf hin, dass sie während der Entwicklung erstellt wurden. Entwickler müssen sich darüber im Klaren sein, dass sie die Tabellen anderer Entwickler überschreiben können.

In Dataform führen Entwickler Commits durch und übertragen ihre Änderungen an ihre benutzerdefinierten Zweige des Remote-Repositories. Anschließend reichen sie über die Git-Hostingplattform des Drittanbieters Pull-Anfragen ein. Wenn eine Pull-Anfrage genehmigt wird, werden die Änderungen mit dem main-Zweig des Remote-Repositories zusammengeführt.

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

Dataform führt das production-Kompilierungsergebnis automatisch gemäß dem Zeitplan aus, der in der production-Workflowkonfiguration festgelegt ist.

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

WorkfloweinstellungenÜberschreibungen für ArbeitsbereicheReleasekonfiguration

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

Konfigurieren Sie in workflow_settings.yaml Folgendes:

defaultProject: enterprise-analytics
defaultDataset: analytics

Konfigurieren Sie in dataform.json die folgenden Einstellungen:

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

Schema suffix: "dev"

Git Commitish: "main"

Wenn Sie production-Kompilierungsergebnisse ausführen möchten, erstellen Sie eine Workflowkonfiguration.

Beispiel für einen Entwicklungsablauf

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.

Er führt Commits durch und überträgt Änderungen an benutzerdefinierte Zweige im Remote-Repository namens 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 führt die folgenden Schritte aus, um sie in der Produktion bereitzustellen:

In einem Dataform-Arbeitsbereich erstellt Sasha die Tabelle user_stats.
Im Arbeitsbereich löst Sasha die Ausführung der Tabelle manuell aus.
Dataform erstellt die Tabelle enterprise-analytics.analytics_dev.user_stats im Schema analytics_dev im Google Cloud-Projekt enterprise-analytics in BigQuery.
Im Arbeitsbereich führt Sasha einen Commit der Änderung durch und überträgt sie an den Zweig sasha im Remote-Git-Repository.
Im Remote-Repository reicht Sasha einen Pull-Request ein.
Kai prüft und genehmigt die Pull-Anfrage im Remote-Repository und führt die Änderung in den main-Zweig ein.
Dataform aktualisiert das Kompilierungsergebnis im production-Release automatisch mit der angegebenen Häufigkeit. Beim nächsten Aktualisieren des production-Kompilierungsergebnisses fügt Dataform dem Kompilierungsergebnis die Tabelle enterprise-analytics.analytics.user_stats hinzu.
Bei einer geplanten Ausführung einer Workflowkonfiguration führt Dataform die Tabelle enterprise-analytics.analytics.user_stats im Schema analytics im Google Cloud-Projekt enterprise-analytics in BigQuery aus.
Die Tabelle user_stats ist für Endnutzer im Schema analytics im Google Cloud-Projekt enterprise-analytics 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, Workspace-Überschreibungen für die Kompilierung und eine Release-Konfiguration konfigurieren. Wenn Sie Produktionsausführungen planen möchten, müssen Sie eine Workflowkonfiguration erstellen.

Bei dieser Lösung führt Dataform die Entwicklung in einem speziellen Google Cloud-Entwicklungsprojekt in Schemas mit einem unterschiedlichen Schemasuffix für jeden Arbeitsbereich aus.

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

In der folgenden Tabelle ist eine Konfiguration zu sehen, 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 führt Dataform Entwicklungs- und Produktionstabellen in verschiedenen Schemas und Google Cloud-Projekten in BigQuery 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.

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

Beispielsweise erstellt Dataform Tabellen aus dem Arbeitsbereich sasha im Schema analytics_sasha in BigQuery. So speichert jeder Entwickler seine Entwicklungstabellen in seinen eigenen Schemas. Es besteht keine Gefahr, dass Tabellen anderer Entwickler versehentlich überschrieben werden.

In Dataform führen Entwickler Commits durch und übertragen ihre Änderungen an ihre benutzerdefinierten Zweige des Remote-Repositories. Anschließend reichen sie über die Git-Hosting-Plattform des Drittanbieters Pull-Anfragen ein. Wenn eine Pull-Anfrage genehmigt wird, werden die Änderungen mit dem main-Zweig des Remote-Repositories zusammengeführt.

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

Dataform führt das production-Kompilierungsergebnis automatisch gemäß dem Zeitplan aus, der in der production-Workflowkonfiguration festgelegt ist.

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

WorkfloweinstellungenÜberschreibungen für ArbeitsbereicheReleasekonfiguration

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"
}

Schema suffix: "${workspaceName}"

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

Wenn Sie production-Kompilierungsergebnisse ausführen möchten, erstellen Sie eine Workflowkonfiguration mit einem benutzerdefinierten Zeitplan, der Ihren Anforderungen am besten entspricht.

Beispiel für einen Entwicklungsablauf

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. Er führt Commits durch und überträgt Änderungen an benutzerdefinierte Zweige im Remote-Repository namens 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 führt die folgenden Schritte aus, um sie in der Produktion bereitzustellen:

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

Entwicklung, Staging und Produktion nach Schema und Projekt aufteilen

Mit dieser Lösung werden drei Ausführungsumgebungen erstellt: Entwicklungs-, Staging- und Produktionsumgebung. Alle Umgebungen werden nach Google Cloud-Projekt aufgeteilt. Außerdem wird die Entwicklung nach Schema von der Staging- und Produktionsumgebung getrennt.

Wenn Sie Entwicklungs-, Staging- und Produktionstabellen nach Schema und Google Cloud-Projekt aufteilen möchten, müssen Sie Workflow-Einstellungen, Workspace-Überschreibungen für die Kompilierung und zwei Release-Konfigurationen konfigurieren. Wenn Sie Staging- und Produktionsausführungen planen möchten, müssen Sie zwei separate Workflowkonfigurationen erstellen.

Bei dieser Lösung führt Dataform Entwicklungstabellen in BigQuery in mehreren Entwicklungsschemata aus, jeweils eines pro Dataform-Arbeitsbereich, in einem speziellen Google Cloud-Entwicklungsprojekt.

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

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

Die folgende Tabelle zeigt eine Beispielkonfiguration, bei der Entwicklungs-, Staging- und Produktionstabellen nach Schema und Google Cloud-Projekt aufgeteilt werden, wobei jedes Dataform-Arbeitsverzeichnis ein Entwicklungsschema hat:

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 Entwicklungs-, Staging- und Produktionstabellen in verschiedenen Google Cloud-Projekten in BigQuery aus. Darüber hinaus führt Dataform Entwicklungstabellen in mehreren benutzerdefinierten Schemas aus, jeweils eines pro Arbeitsbereich. In Dataform werden Staging- und Produktionstabellen im selben Schema, aber in verschiedenen Google Cloud-Projekten 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.

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 Namen des Arbeitsbereichs als Schemasuffix an das Standardschema an. Anschließend führt Dataform Tabellen im benutzerdefinierten Schema in BigQuery aus.

In Dataform werden beispielsweise Tabellen aus dem Arbeitsbereich sasha im Schema analytics_sasha in BigQuery ausgeführt. So speichert jeder Entwickler seine Entwicklungstabellen in seinem eigenen Schema. Es besteht keine Gefahr, dass Tabellen anderer Entwickler versehentlich überschrieben werden.

In Dataform führen Entwickler Commits durch und übertragen ihre Änderungen an ihre benutzerdefinierten Zweige des Remote-Repositories. Anschließend sendet er über die Git-Hostingplattform des Drittanbieters Pull-Anfragen an den main-Zweig. Durch die Genehmigung einer Pull-Anfrage werden die Änderungen in den main-Zweig des Remote-Repositories zusammengeführt.

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

Dataform führt das staging-Kompilierungsergebnis automatisch gemäß dem Zeitplan aus, der in der staging-Workflowkonfiguration festgelegt ist.

Wenn Entwickler Tabellen von der Staging-Umgebung in die Produktionsumgebung verschieben möchten, reichen sie auf der Git-Hostingplattform des Drittanbieters Pull-Anfragen vom Zweig main an den Zweig prod ein. Wenn eine Pull-Anfrage genehmigt wird, werden die Änderungen mit dem prod-Zweig des Remote-Repositories zusammengeführt.

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

Dataform führt das production-Kompilierungsergebnis automatisch gemäß dem Zeitplan aus, der in der production-Workflowkonfiguration festgelegt ist.

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

WorkfloweinstellungenÜberschreibungen für Arbeitsbereichestaging-Releasekonfigurationprod-Releasekonfiguration

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"
}

Schema suffix: "${workspaceName}"

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

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

Wenn Sie staging- und production-Kompilierungsergebnisse ausführen möchten, erstellen Sie zwei separate Workflowkonfigurationen mit benutzerdefinierten Zeitplänen, die Ihren Anforderungen am besten entsprechen.

Beispiel für einen Entwicklungsablauf

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.

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 führt die folgenden Schritte aus, um sie in der Produktion bereitzustellen:

Im Dataform-Arbeitsbereich sasha erstellt Sasha die Tabelle user_stats.
Im Arbeitsbereich sasha löst Sasha die Ausführung der Tabelle manuell aus.
Dataform führt die Tabelle enterprise-dev.analytics_sasha.user_stats im Schema analytics_sasha im Google Cloud-Projekt enterprise-dev in BigQuery aus.
Im Arbeitsbereich sasha führt Sasha einen Commit für die Änderung durch und überträgt sie an den Zweig sasha im Remote-Git-Repository.
Im Remote-Repository reicht Sasha einen Pull-Request für den main-Branch ein.
Kai prüft und genehmigt die Pull-Anfrage im Remote-Repository und führt die Änderung in den main-Zweig ein.
Dataform aktualisiert das Kompilierungsergebnis im staging-Release automatisch mit der angegebenen Häufigkeit. Beim nächsten Aktualisieren des staging-Kompilierungsergebnisses fügt Dataform dem Kompilierungsergebnis die Tabelle enterprise-staging.analytics.user_stats hinzu.
Bei einer geplanten Ausführung einer Workflowkonfiguration führt Dataform die Tabelle enterprise-staging.analytics.user_stats im Schema analytics im Google Cloud-Projekt enterprise-staging in BigQuery aus.
Im Remote-Repository reicht Sasha einen Pull-Request für den prod-Branch ein.
Kai prüft und genehmigt die Pull-Anfrage im Remote-Repository und führt die Änderung in den prod-Zweig ein.
Dataform aktualisiert das Kompilierungsergebnis im production-Release automatisch mit der angegebenen Häufigkeit. Beim nächsten Aktualisieren des production-Kompilierungsergebnisses fügt Dataform dem Kompilierungsergebnis die Tabelle enterprise-prod.analytics.user_stats hinzu.
Bei einer geplanten Ausführung einer Workflowkonfiguration führt Dataform die Tabelle enterprise-prod.analytics.user_stats im Schema analytics im Google Cloud-Projekt enterprise-prod in BigQuery aus.
Die Tabelle user_stats ist für Endnutzer im Schema analytics im Google Cloud-Projekt enterprise-prod in BigQuery verfügbar.

Nächste Schritte

Weitere Informationen zum Codelebenszyklus in Dataform und zu den verschiedenen Konfigurationsoptionen finden Sie unter Einführung in den Codelebenszyklus in Dataform.
Informationen zum Erstellen von Dataform-Arbeitsbereichskompilierungsüberschreibungen finden Sie unter Überschreibungen von Arbeitsbereichskompilierungen erstellen.
Informationen zum Erstellen einer Dataform-Releasekonfiguration finden Sie unter Releasekonfiguration erstellen.
Informationen zum Erstellen einer Dataform-Workflowkonfiguration finden Sie unter Ausführungen mit Workflowkonfigurationen planen.