DBT中Seeds使用场景及无宏实现CSV字段大写转换方法

• 静态小体量维度字典：比如国家/行政区编码映射、订单状态枚举值、业务标签分类规则这类更新频率极低（年级别/季度级别更新）、行数通常在千行以内的维度数据，直接通过CSV维护随项目代码版本管理，不需要单独配置数据同步链路，维护成本极低。
• 测试固定基准数据：做单元测试、数据质量校验时用到的对照数据集，比如指标计算预期结果样例、异常边界测试样本，用Seeds管理可以保证测试数据和dbt代码版本强绑定，不会出现测试数据和代码逻辑不匹配的问题。
• 环境初始化配置数据：新环境部署时需要预置的基础配置，比如系统角色初始权限、参数默认值、公共枚举项，随dbt deploy流程自动加载，不需要手动单独导入。
• 小型外部补数数据集：比如第三方提供的千行级以内的节假日表、行业对标基准值、渠道映射表，不需要搭建额外的同步任务，直接放入Seeds目录即可参与后续模型计算。

*注意：Seeds不适合加载万行以上的大文件，也不适合存放周级以上频率更新的数据，这类场景走常规离线/实时同步链路性价比更高。

直接通过dbt项目配置实现，不需要创建自定义宏，也不会产生额外存储开销，步骤如下：

1. 打开项目根目录下的dbt_project.yml文件，找到seeds配置块，添加对应seed文件的列配置和后置钩子：

seeds:
  # 替换为你的dbt项目名，和yml里name字段保持一致
  your_project_name:
    # 替换为你的CSV种子文件名，不要带.csv后缀
    your_seed_file_name:
      # 显式声明字段类型，避免dbt自动推断类型出错
      +column_types:
        id: int
        first_name: varchar(255)
        name: varchar(255)
        # 其余字段按实际类型声明
      # 加载完成后直接在原表执行字段值转大写，不产生额外中间表
      +post_hook: "update {{ this }} set name = upper(name)"

2. 重新执行dbt seed --full-refresh命令重新加载该种子文件即可。

方案合规性说明 #

• 无自定义宏：配置中{{ this }}是dbt内置的当前对象引用语法，upper()是所有主流数仓/数据库原生支持的大小写转换函数，全程不需要编写自定义宏。
• 无额外存储开销：dbt加载种子时会先创建临时表导入CSV原始数据，数据写入正式种子表后临时表会被自动删除；后置钩子的update操作直接在正式种子表上执行字段值更新，不会创建额外的中间表或留存冗余数据，没有额外存储占用。
• 转换在加载流程内完成：整个转换动作属于dbt seed加载流程的内置环节，不需要跑额外的独立任务。

注意：不要通过基于该seed新建下游模型的方式做转换，这种方式会额外存储一份转换后的表数据，不符合无额外存储的要求。

内容的提问来源于stack exchange，提问作者Hitesh Bhatt