Create Table Skill

帮助您将已有的 SQL 接入到 The Nomad Data Stack 的某一层。

项目架构

本项目使用 Airflow + DuckDB + MinIO 架构：

• 数据分层：raw → ods → dwd → dim → ads
• 存储格式：Parquet + Hive 分区（dt=YYYY-MM-DD）
• 查询引擎：DuckDB 视图
• 调度：Apache Airflow

⚠️ 表命名规范（必须遵守）

所有表名必须使用以下后缀之一，以确保数据栈的一致性和可维护性：

命名规则：

• 格式：{layer}{业务描述}{类型后缀}
• 示例：

- ✅ dimtradecalendarfull （DIM 层交易日历全量表） - ✅ dwdorderdetailinc （DWD 层订单明细增量表） - ✅ dimcustomerzip （DIM 层客户拉链表） - ❌ dimtradecalendar （缺少类型后缀）

类型选择指南：

• 使用 _full：数据需要每日全量快照，或者数据量不大且需要查询当前全量
• 使用 _inc：数据量大，只需要存储增量变更（通常配合流式处理）
• 使用 _zip：需要追踪历史状态变化，支持任意时间点查询

两种接入场景

场景 A：接入到 ODS 层

前提：数据已经在 lake/raw/daily/{target} 目录（CSV 格式）

步骤 1：配置数据源

在 dags/dw_config.yaml 添加配置：

sources:
  ods_{table_name}:
    path: "lake/raw/daily/{target}"
    format: "csv"

步骤 2：创建 SQL 文件

在 dags/ods/ 目录创建 ods_{target}.sql：

SELECT
  field1,
  field2,
  CAST(STRPTIME(CAST(date_field AS VARCHAR), '%Y%m%d') AS DATE) AS trade_date,
  '${PARTITION_DATE}' AS dt
FROM tmp_ods_{target};

关键点：

• 文件名必须包含 ods 前缀（例如 odsfundetfspot.sql）
• 从 tmpods{target} 读取（Airflow 自动创建的临时表）
• 进行字段类型转换
• 添加 ${PARTITION_DATE} 作为分区列

步骤 3：创建 Migration 文件

在 catalog/migrations/ 创建 {number}ods{target}_table.sql

参考示例中的 Migration 文件格式，包含：

• Schema 定义宏
• Seed parquet 初始化
• DuckDB 视图定义
• 分区查询宏

步骤 4：完成

• Airflow 会自动识别新文件
• 运行 dw_ods DAG 即可

场景 B：接入到 DIM/DWD/ADS 层

前提：SQL 查询语句已准备好

步骤 1：分析同层依赖

检查 SQL 是否依赖同层的其他表。

示例：如果 SQL 中使用了 dim.other_table，则需要配置同层依赖。

步骤 2：创建 SQL 文件

在 dags/{layer}/ 目录创建 {layer}{tablename}_{type}.sql

⚠️ 重要：表名必须包含类型后缀（full、inc 或 _zip）

SELECT
  field1,
  field2,
  '${PARTITION_DATE}' AS dt
FROM ods.ods_source_table;

关键点：

• 使用标准 SQL 从下层读取
• 添加 ${PARTITION_DATE} 作为分区列
• SQL 中使用的表即为依赖
• 表名格式：{layer}{业务描述}{类型后缀}

步骤 3：配置同层依赖

在 dags/dw_config.yaml 添加配置：

table_dependencies:
  {layer}:
    {table_name}: [dependency_table1, dependency_table2]

示例：

table_dependencies:
  dim:
    dim_trade_calendar_full: [dim_other_table_full]

如果没有同层依赖，可以省略此步骤。

步骤 4：创建 Migration 文件

在 catalog/migrations/ 创建 {number}{tablename}_table.sql

参考示例中的 Migration 文件格式，包含：

• Schema 定义宏
• Seed parquet 初始化
• DuckDB 视图定义
• 分区查询宏

步骤 5：完成

• 跨层依赖由框架自动处理
• 运行对应的 dw_{layer} DAG

快速参考

文件位置

注意：{type} 是 full、inc 或 _zip，ODS 层除外。

配置文件

dags/dw_config.yaml：

# ODS 数据源配置
sources:
  ods_fund_etf_spot:
    path: "lake/raw/daily/fund_etf_spot"
    format: "csv"

# 同层依赖配置（仅用于有同层依赖的情况）
table_dependencies:
  dim:
    dim_table_a_full: [dim_table_b_full]
  dwd:
    dwd_table_x_inc: [dwd_table_y_inc]

Migration 命名规则

• 查找现有 migration：ls catalog/migrations/
• 使用下一个编号：如现有 0006.sql，新文件用 0007.sql
• 格式：00XX{tablename}_table.sql

常见问题

Q: 如何确定表应该使用什么类型后缀？

A:

• _full：每日全量快照，适合数据量不大或需要查询当前全量的场景（如维度表、配置表）
• _inc：仅存储增量数据，适合大数据量且只需要变更记录的场景（如日志、交易流水）
• _zip：需要追踪历史状态变化，支持任意时间点查询（如客户信息、账户状态）

Q: 如何确定同层依赖？

A: 检查 SQL 中 FROM 或 JOIN 的表。如果引用了同层的表（如 dim.xxx），就是同层依赖。

Q: 跨层依赖需要配置吗？

A: 不需要。框架通过 layer_dependencies 自动处理跨层依赖。

Q: SQL 中必须有 ${PARTITION_DATE} 吗？

A: 是的。所有表都是分区表，必须添加分区列。

Q: 如果表名没有类型后缀会怎样？

A: 这会破坏数据栈的命名一致性，导致：

• 无法清晰识别表的更新策略
• 可能与全量/增量/拉链表混淆
• 必须在创建表时指定正确的类型后缀

Q: 如何测试新接入的表？

A:

1. 运行对应的 DAG
2. 查询验证：SELECT * FROM {layer}.{table_name} LIMIT 10

示例

查看完整示例：

• ODS 接入完整流程：examples/ods_integration.md
• DIM 接入完整流程：examples/dim_integration.md

快速参考：

• 命令速查、SQL 函数、数据类型等：REFERENCE.md

开始使用

告诉我：

1. 您要接入哪一层？（ODS/DIM/DWD/ADS）
2. SQL 是什么？（或者描述数据来源）
3. 有什么依赖关系？
4. 表类型是什么？（全量 full / 增量 inc / 拉链 _zip）

我会引导您完成接入流程。