Dev48
ЯЗЫК
  • О нас
  • Услуги
  • Индустрии
  • Технологии
  • Статьи
  • Контакты
Забронировать звонок
    Главная/Статьи/Chto novogo v dbt noyabr 2026 g
Dev48
info@dev48.org+375 29 320-40-96WhatsApp@isky_by

© 2026 · Все права защищены.

Что нового в dbt: ноябрь 2026 г.

Источник: dbt Labs•17 ноября 2026 г. в 17:22

Что нового в dbt: ноябрь 2026 г.

Локальные модульные тесты, бесплатный план dbt State, публичная бета-версия Wizard Desktop и dbt Charts в Claude и ChatGPT.

Агенты ИИ пишут всё больше SQL-кода с каждым днём. Люди всё чаще обсуждают свои данные с ИИ. Это меняет всё для каждого из нас.

На dbt Summit мы призвали тысячи специалистов по работе с данными, которые присоединились к нам в Лас-Вегасе и онлайн, выйти на новый уровень: от аналитических инженеров к инженерам контекста, от современного стека данных к открытой инфраструктуре данных.

Спустя два месяца вот что мы выпустили, чтобы помочь вам в этом:

  • Локальные модульные тесты (Alpha) и пакетное тестирование в dbt v2 для более быстрого и эффективного тестирования
  • Новый бесплатный план для dbt State, чтобы ваши запуски продолжали пропускать неизмененные модели без дополнительных затрат
  • dbt Wizard Desktop теперь в публичной бета-версии для macOS, Windows и Linux
  • Новые интеграции dbt MCP в один клик на маркетплейсах Cursor и Databricks
  • dbt Charts в Claude и ChatGPT: общайтесь со своими дашбордами и хранилищем прямо там, где вы уже работаете
  • Больше безопасности и управления в платформе dbt, от самостоятельного PrivateLink до истории запросов к моделям на большем количестве платформ данных

Хотите увидеть всё это в действии? Посмотрите вебинар с демонстрациями от наших экспертов по продукту: старший менеджер по продукту Айка Зикибаева о dbt v2 и dbt State, старший директор по продукту Шон Линч о dbt Wizard и генеральный менеджер по Charts Дэйв Фаулер о dbt Charts.

Улучшение движка: более быстрое тестирование в v2 и другие возможности dbt State

Главная новость dbt Summit: dbt v2, наш движок нового поколения, стал общедоступным (GA). По сравнению с dbt v1 он:

  • Быстрее, так как написан на Rust и масштабируется до тысяч моделей.
  • Умнее, благодаря встроенному пониманию SQL и сквозной прослеживаемости на уровне столбцов.
  • Готов к работе с агентами, генерируя структурированные метаданные проекта во время компиляции, которым могут доверять ваши агенты и инструменты управления.

Независимо от того, используете ли вы self-hosted dbt, предпочитаете open source или являетесь клиентом платформы dbt, пришло время обновиться. dbt v2 доступен для Amazon Redshift, Databricks, Google BigQuery, Snowflake и DuckDB, а для ClickHouse и Apache Spark находится в стадии бета-тестирования.

Более 14 000 активных проектов уже работают на dbt v2 каждую неделю, и клиенты отмечают ускорение сквозных запусков на 30-40%. Как говорит старший инженер по данным Мэтт Каран из Obie: «Всё в v2 ускорило наши рабочие процессы».

И v2 продолжает становиться быстрее. Одно из первых мест, где вы это почувствуете — тестирование.

Запуск модульных тестов локально (Alpha)

Модульные тесты — это способ обнаружить логические ошибки до того, как они попадут в продакшн. Но каждый запуск требует обращения к хранилищу, что добавляет задержку и вычислительные затраты на каждой итерации. На Summit мы представили локальное модульное тестирование: dbt v2 транслирует ваш SQL в DuckDB и запускает модульные тесты там, где работает dbt, без обращения к хранилищу.

Это означает более быструю обратную связь, снижение стоимости тестирования и больше возможностей для раннего и частого тестирования — для вас и ваших агентов. Локальные модульные тесты уже доступны в альфа-версии.

Как начать: установите DBT_ENGINE_EXPERIMENTAL_LOCAL_UNIT_TESTS=true, затем добавьте compute: local к отдельному тесту или +compute: local для всего проекта.

→ Читать документацию

Пакетное тестирование (GA)

Вы когда-нибудь пропускали запуск нескольких тестов из-за ограничений по бюджету? Поскольку каждый тест выполняется как отдельный запрос, один большой проект может привести к сотням мелких запросов к хранилищу при каждом запуске. Есть более эффективный способ — пакетное тестирование: dbt v2 объединяет тесты unique и not_null для каждой модели в один запрос на тип теста без внесения изменений в сами тесты. В ходе нашего внутреннего тестирования это сократило время выполнения на 40%, а количество запросов к хранилищу — на 65%.

Как начать: добавьте --batch-tests к команде dbt build или dbt test, или установите batch_tests: true в разделе flags в файле dbt_project.yml.

→ Читать документацию

dbt State

Ваша самая дешевая модель — та, которую вы используете повторно, когда ничего не изменилось. Самая большая экономия времени и средств достигается за счет пропуска избыточной работы, а не просто оптимизации запросов. На dbt Summit мы объявили, что dbt State стал общедоступным (GA), что помогает упростить оркестрацию, быстрее и безопаснее итерироваться в разработке и собирать только то, что изменилось.

Вот что мы создали с тех пор:

Рекомендации по допуску задержки (GA)

Чем точнее вы устанавливаете SLA по свежести данных, тем больше dbt State может пропустить. Рекомендации по допуску задержки помогают настроить SLA на уровне подпроектов и моделей, а также показывают влияние установки lag_tolerance до того, как вы примените изменения.

→ Читать документацию

Новый бесплатный план для dbt State

Теперь ваша 30-дневная бесплатная пробная версия переходит в бесплатный план, чтобы ваши запуски продолжали пропускать неизмененные модели без затрат. Каждый месяц вы получаете:

  • 1 000 DATT (ежедневно активных целевых таблиц), если вы используете self-hosted dbt
  • 1 000 DATT на планах Developer и Starter платформы dbt
  • 2 000 DATT на планах Enterprise и Enterprise+ платформы dbt

Если вы исчерпаете лимит, ваши модели будут собираться так же, как и без dbt State, до начала следующего месяца. dbt State работает везде, где вы запускаете dbt: нативно в платформе dbt и dbt v2, а также как плагин для dbt Core 1.7-1.12.

  • Улучшенная функция объяснения: узнайте «почему» за каждым решением dbt State пропустить или пересобрать модель. → Документация
  • Детализация на уровне заданий: переходите от сводки Cost Insights прямо к заданиям, где сосредоточены затраты. Уровень моделей будет следующим.
  • Поддержка dbt v1 и v2: Cost Insights теперь охватывает оба движка, поэтому больше проектов могут воспользоваться этой функцией.
  • Видимость затрат для пользователей с правами только на чтение: покажите экономию владельцам бюджета и заинтересованным сторонам с новыми правами на просмотр затрат.
  • Пользовательские таблицы сопоставления (Beta, Snowflake): сопоставляйте затраты хранилища с вашей собственной структурой для более точного распределения

→ Начать работу с dbt State

Выход на новый уровень с ИИ: dbt Wizard

По мере того как всё больше агентов работают с вашими данными, модели, лежащие в их основе, становятся важнее, а работы по их созданию и поддержке — больше. dbt Wizard помогает делать это быстрее. Это агент, который понимает ваш DAG, ваше хранилище и то, как работает ваша команда.

dbt Wizard Desktop (публичная бета-версия)

Запуск нескольких агентов обычно означает отдельное окно терминала для каждого и опасение, что двое из них пишут в одну и ту же схему разработки. Wizard Desktop предоставляет для этой работы собственное локальное рабочее пространство. Запускайте несколько задач параллельно, каждая из которых изолирована в git и вашем хранилище, и проверяйте каждое изменение с помощью визуальных сравнений DAG перед слиянием. Wizard Desktop теперь в публичной бета-версии для macOS, Windows и Linux:

  • Работайте параллельно: запускайте несколько задач одновременно в одном месте.
  • Собственное пространство: изменения каждой задачи автоматически изолируются в git и в вашем хранилище.
  • Вы всё контролируете: проверяйте каждое изменение с помощью визуальных сравнений DAG перед слиянием.

→ Скачайте Wizard Desktop сегодня

Скоро в dbt Wizard

  • Отчеты об артефактах в платформе dbt: делитесь тем, что создает Wizard, с остальными членами вашей команды.
  • Сторонние коннекторы MCP: привносите контекст из большего количества ваших инструментов в Wizard.
  • Управление и контроль затрат: установите границы того, как ваша команда использует ИИ в dbt.

Выход на новый уровень для ИИ: dbt MCP и dbt Charts

Самостоятельная аналитика наконец-то оправдывает свои ожидания. Агенты ИИ и люди общаются со своими данными и создают графики быстрее, чем вы успеете сказать «дашборд».

Однако развитие ИИ делает управление данными более важным, а не менее. Без общих определений ИИ быстрее и в больших масштабах выдает неверные ответы и «мусорные» графики. Ваши метрики должны означать одно и то же везде: в каждом BI-инструменте, каждом агенте и каждом хранилище.

Хорошая новость заключается в том, что этот контекст уже существует в dbt в виде ваших семантических определений, данных о происхождении (lineage) и тестов. А благодаря тому, что dbt MCP теперь доступен в маркетплейсах Claude, ChatGPT, Databricks и Cursor, до него всего один клик из тех ИИ-инструментов, которые ваша команда уже использует. Официальные интеграции для Snowflake, Google Gemini и AWS Kiro уже в разработке.

НОВИНКА: dbt Charts в Claude и ChatGPT (бета-версия)

Теперь вы можете общаться со своими дашбордами dbt Charts и хранилищем данных прямо внутри Claude или ChatGPT, используя свои собственные права доступа. Это работает в обычных веб-, десктопных и мобильных приложениях, ничего устанавливать не нужно. Способ работы dbt Charts в Claude и ChatGPT сам по себе является MCP-подключением: вы просто добавляете один URL, dbtcharts.com/mcp, в качестве коннектора.

И поскольку каждый дашборд хранится в вашем git-репозитории, вы полностью контролируете все, что создаете. Теперь вы можете использовать аналитику самообслуживания в Claude или ChatGPT под контролем команды обработки данных. В ходе нашего сравнительного тестирования dbt Charts создавали дашборды более высокого качества, используя примерно на 20–50% меньше токенов, чем при создании с нуля.

→ Попробовать dbt Charts

  • Новая панель дизайна (бета-версия): начните с чата, доработайте вручную. Дважды щелкните по тексту, чтобы переписать его, выберите график, чтобы настроить его стиль, и каждое изменение будет обновлять YAML-код.
  • Пользовательские графики (бета-версия): новинка в dbt Charts 0.10.0. Пользовательские графики предназначены для тех случаев, когда нужного варианта нет в меню: вы можете создать любую необходимую форму, сохраняя при этом согласованность и возможность проверки ваших дашбордов.
  • Импортеры для миграции: переход с другого BI-инструмента обычно означает пересборку каждого дашборда вручную. Новинка в dbt Charts 0.11.1: теперь вы можете перенести свои существующие дашборды из Looker, Sigma, Hex и Omni.

Развитие платформы: безопасность, управление и самообслуживание

История запросов к моделям: общедоступна (GA) для Amazon Redshift и Databricks

Отслеживайте использование ваших моделей с течением времени, чтобы находить самые популярные из них и оптимизировать свои продукты данных. История запросов к моделям в dbt Catalog теперь поддерживает Amazon Redshift и Databricks, наряду со Snowflake и BigQuery.

→ Читать документацию

Self-serve PrivateLink (публичная бета-версия)

С помощью PrivateLink трафик между dbt и вашей платформой данных остается внутри вашей сети и никогда не проходит через общедоступный интернет. Теперь вы можете настроить его самостоятельно, без создания тикетов в поддержку, для Amazon Redshift, Databricks и Snowflake (AWS). Private Link на уровне рабочего пространства для Microsoft Fabric также теперь находится в стадии публичного бета-тестирования.

→ Читать документацию

Другие обновления платформы

  • Внешний OAuth для семантического слоя (Semantic Layer) на Amazon Redshift: подключения для разработки семантического слоя к Redshift теперь поддерживают внешний OAuth с Okta или Microsoft Entra через AWS IAM Identity Center.
  • Пользовательское приложение GitHub (закрытая бета-версия): используете GitHub Enterprise Server или GitHub с хранением данных в ЕС? Теперь вы можете зарегистрировать собственное приложение GitHub и подключить его к платформе dbt. Доступно только для планов Enterprise и Enterprise+. → Документация

Новые курсы dbt Learn

Повышайте свои навыки с помощью новых бесплатных курсов:

Что дальше

Увидьте все в действии

Закажите демонстрацию локальных модульных тестов, dbt State, Wizard Desktop и dbt Charts.

Пусть ваш голос будет услышан

Опрос «Состояние аналитической инженерии» (The State of Analytics Engineering) открыт. Ваши ответы сформируют следующий отчет, который поможет командам по работе с данными понять отраслевые тенденции, обосновать необходимость ресурсов и спланировать работу на предстоящий год. Пройдите опрос сегодня.

Есть вопросы или отзывы? Найдите нас в канале #product-updates в Slack-сообществе dbt.

← Все статьи

О чём эта статья

Ещё в разделе «Данные и аналитика»

Все →
Мы случайно запустили наш новый интерфейс
Posthog

Мы случайно запустили наш новый интерфейс

Быстрее находите нужные строки логов с помощью полнотекстового поиска в Grafana Cloud Logs
Grafana Labs

Быстрее находите нужные строки логов с помощью полнотекстового поиска в Grafana Cloud Logs

Прогнозирование и обнаружение аномалий в ClickHouse с помощью фундаментальных моделей временных рядов
ClickHouse

Прогнозирование и обнаружение аномалий в ClickHouse с помощью фундаментальных моделей временных рядов

Ответ находится на расстоянии трех связей. Вычисляемые атрибуты помещают его туда, где он вам нужен.
Collibra

Ответ находится на расстоянии трех связей. Вычисляемые атрибуты помещают его туда, где он вам нужен.

Collibra признана лидером третий год подряд в отчете Gartner® Magic Quadrant™ для платформ управления данными и аналитикой
Collibra

Collibra признана лидером третий год подряд в отчете Gartner® Magic Quadrant™ для платформ управления данными и аналитикой

Отправка готовых к запросам логов в Azure Data Explorer с помощью Datadog Observability Pipelines
Datadog

Отправка готовых к запросам логов в Azure Data Explorer с помощью Datadog Observability Pipelines

Ещё от dbt Labs

ИИ в здравоохранении начинается с данных, которым можно доверять
dbt Labs

ИИ в здравоохранении начинается с данных, которым можно доверять

Как оценить готовность вашей организации к внедрению ИИ
dbt Labs

Как оценить готовность вашей организации к внедрению ИИ

Экономическое обоснование использования хранилища данных в качестве первичного контекста для ИИ
dbt Labs

Экономическое обоснование использования хранилища данных в качестве первичного контекста для ИИ

Fivetran и dbt Labs завершили слияние для создания инфраструктуры данных для доверенных ИИ-агентов
dbt Labs

Fivetran и dbt Labs завершили слияние для создания инфраструктуры данных для доверенных ИИ-агентов

Все, что мы анонсировали на dbt Summit, и почему это важно
dbt Labs

Все, что мы анонсировали на dbt Summit, и почему это важно