dbt 评测
dbt 评测:Developer 版免费、Starter 每席位每月 $100,用 SQL 和 Git 管数仓转换与指标口径,适合有工程习惯的数据团队;治理与多项目架构锁在企业版,BI 前端不管。
数仓已经落在 Snowflake、BigQuery、Databricks 或 Redshift 上、团队有 Git 工作流、需要把转换逻辑和指标口径收进代码库的数据团队
数据还在 Excel 和业务库之间手工搬、团队里没人写 SQL 的小公司,先上 BI 工具比自己搭数仓层更划算
优点
- 模型之间用 ref() 互相引用,依赖顺序由工具自动排,不用再手写一堆 INSERT INTO 脚本和调度顺序
- 测试写在 YAML 里,unique、not_null、accepted_values、relationships 四类校验跑完直接告诉你哪张表哪一行有问题
- 版本控制和 CI 是原生的,提交到 Git 后只跑改动过的模型及其下游,Slim CI 能省掉大半构建时间
- Semantic Layer 把指标定义集中在 YAML,同一个「活跃用户数」不会再出现三个部门三个算法
- Starter 每月 $100 一个席位,含 5 个席位和 15,000 次构建,比自建 Airflow 加调度维护的人力便宜
缺点
- 门槛不低,分析师得会写 SQL、懂 Jinja 模板、会用 Git 分支,三样缺一样就卡在第一步
- Starter 的席位是 5 个起,小团队实际月支出是 $500 而不是 $100,免费版又只给 1 个项目
- 列级血缘、SSO、权限分级、多项目 Mesh 这些治理能力全在企业版,成长期很容易撞到墙
- dbt Core 本身不带调度器和网页 IDE,想白嫖就得自己搭 Airflow 或 cron,运维成本转嫁给了工程团队
- 前端展示完全不管,做好的表还得接 Metabase、Tableau 或 Power BI,不能直接给业务看数
结论先行
推荐,总分 8.4,开源版免费,Starter 版每席位每月 $100(5 席起,实际 $500/月起),2026-11 核对。 它适合数仓已经在 Snowflake、BigQuery、Databricks 或 Redshift 上跑、团队有 Git 习惯、想把几百张中间表和指标口径收进代码库的数据团队。
不适合的情况也很明确:数据还在 Excel 里手工汇总、团队没人愿意写 Jinja,那 dbt 只会多出一层要维护的代码,业务侧一张图都看不到。它不是 BI 工具,做完的模型还得接一个前端才能给人看数。
这篇评测基于什么数据
- 官网定价页:2026-11 核对 getdbt.com/pricing,确认 Developer 免费版、Starter $100/席位/月、Enterprise 与 Enterprise+ 定制报价的划分,以及模型构建次数、指标查询次数、项目数三个限额。
- 官方文档:查阅 dbt 文档中 ref 依赖、通用测试、模型契约、source freshness、Slim CI 与 Semantic Layer(MetricFlow)的说明,以及适配器清单。
- 对比基准:横向对照 SQLMesh 与 Airflow + dbt Core 两种常见方案,比较调度、增量策略与运维投入。
- 实测边界:未在客户生产数仓上跑基准,构建耗时与增量表现的判断来自官方文档与公开技术分享,不是实验室跑分。
核心功能
用 ref() 管住表的依赖顺序
dbt 解决的是数仓里最烦的那类问题:一张宽表依赖七张中间表,中间表又各自依赖原始表,谁先跑谁后跑全靠人脑记。在 dbt 里,模型就是一个带 SELECT 的 .sql 文件,引用上游时写 {{ ref('stg_orders') }},工具自己解析依赖图并按拓扑顺序执行,还能画出完整血缘。
价值在改需求时才显出来。业务要加退款口径,你改一张中间表,dbt build 自动重跑全部下游并带上测试。没有这层依赖管理,团队通常写几十个定时脚本靠时间差凑顺序,一处改动就要排查半天。
测试即校验:让脏数据在进仓前报错
dbt 的测试是声明式的,写在 schema.yml 里:主键加 unique 和 not_null,状态字段加 accepted_values,订单表的 user_id 加 relationships 指回用户表。每次构建时这些测试跟着模型跑,失败就停下并给出具体行数。
这相当于把数据质量从口头约定变成可执行的检查。配合 source freshness,上游表超过预期时间没更新就会提前告警,不用等业务来问报表为什么是空。模型契约进一步锁死字段名和类型,下游 BI 不会因为一次改名集体报错。
Semantic Layer:指标只定义一次
市场部的「活跃用户」是七日内有登录,产品部的是有任意事件,财务的又是付过费的。dbt 的做法是把指标写进 YAML:选好度量、时间维度、过滤条件,存成定义,再由 MetricFlow 生成 SQL。
好处是同一个指标在 Tableau、Metabase 和自家 App 里查出来是同一个数。坏处是它得有人维护:指标一多,工作量从写 SQL 转移到评审 YAML,没有明确责任人,半年后没人敢改。
Git 工作流与 Slim CI
dbt 把软件工程那套流程搬进了数据开发:每个改动走分支,提交后触发 CI,只构建受影响的模型和下游,再对比生产环境的表做校验。官方把这个叫 Slim CI,核心是 state:modified+ 加 deferral,用生产清单文件判断哪些需要重跑。
效果在大项目上明显:800 个模型的项目全量构建要几十分钟,一次改两个模型的 CI 几分钟就出结果。代价是团队得真按分支流程走,直接在主分支改 SQL 会把 CI 的价值抹掉。
评分明细
功能完整度:8.8/10
转换、测试、文档生成、血缘、CI、指标层、跨项目引用都有,数据转换这一层没有明显缺口。扣分在没有内置调度与前端展示,要靠平台版或自己接 Airflow 和 BI。
易用性:7.8/10
对写过 SQL 的人,第一天就能跑通一个模型;但 Jinja 宏、增量策略、包管理很快堆上来。网页 IDE 比本地装环境友好,报错却常指向编译后的 SQL,排查循环引用要靠经验。
数据质量:8.9/10
测试框架、模型契约、快照、source freshness 把检查点覆盖得比较全,缓慢变化维也有现成方案。扣分在测试一多构建时间线性上涨,很多团队最后只留主键与关键字段的校验。
性价比:8.4/10
开源版免费且功能完整,Starter 每席位 $100、含 5 席和 15,000 次构建,比自建调度划算。但小团队按 5 席付费,治理能力又要跳到定制报价的企业版,预算曲线不平滑。
客户支持:8.0/10
官方文档在同类工具里属上乘,示例多、概念讲得清楚,社区和 Slack 也活跃。付费版有工单支持,企业版才带 SLA。中文资料以社区翻译为主,版本升级带来的破坏性改动主要靠读英文日志。
定价说明
| 套餐 | 价格 | 说明 |
|---|---|---|
| dbt Core(开源) | 免费 | Apache 2.0 协议,CLI 本地运行,需自备调度与服务器 |
| Developer | 免费 | 1 个席位、每月 3,000 次成功构建、1 个项目,含网页 IDE 与基础 CI |
| Starter | $100/席位/月 | 5 个席位起,每月 15,000 次构建、5,000 次指标查询、1 个项目,含血缘与 Semantic Layer |
| Enterprise | 联系销售 | 席位与项目数可定制,含列级血缘、SSO 与 RBAC、Mesh 多项目架构、SLA 支持 |
| Enterprise+ | 联系销售 | 在 Enterprise 基础上加 PrivateLink、IP 限制、混合部署(在自己的环境跑) |
另有两个按量加购项:dbt State 按每日活跃目标表计费,$0.094 每次;dbt Wizard 按模型 token 计费,可自带密钥。它们不占席位,但会在账单上单独出现。
和竞品对比
| 维度 | dbt | SQLMesh | Airflow + dbt Core |
|---|---|---|---|
| 起步价 | 开源免费,平台版 $100/席位/月 | 开源免费,云版按用量报价 | 开源免费,人力与服务器成本自理 |
| 增量处理 | 手写增量条件,配 snapshot 处理变化 | 虚拟环境与自动增量,改逻辑可回算 | 依赖 dbt 本身,调度层不管增量 |
| 调度与运维 | 平台版自带,开源版需外接 | 自带调度与 CI 语义 | 全自建,灵活但要维护 |
| 学习成本 | 中高,需 SQL、Jinja、Git | 中,概念更多但增量省心 | 高,两套系统都要懂 |
怎么选:团队已在用 Git、数仓是 Snowflake 或 BigQuery、想找周边工具与人才都成熟的选择,选 dbt;被增量和回算折磨过、愿意接受新概念,可以试 SQLMesh,它的虚拟环境能算出改动影响哪些区间;已有成熟 Airflow 平台,用 dbt Core 加现有调度最省事。
FAQ
Q: 我们只有两个数据分析师,该买 Starter 还是自己跑 dbt Core?
A: 先看有没有人能维护调度。dbt Core 免费,但要自己解决定时跑、失败告警、CI 三件事。团队里有人熟悉 Airflow 或 GitHub Actions,Core 加 cron 就够用,一年能省下近六千美元的订阅费。两个人都只写 SQL、不想碰运维,Starter 的 $500/月换来网页 IDE、调度和现成 CI,反而省时间。也可以先用免费 Developer 版把模型跑顺再决定。
Q: 免费版每月 3,000 次模型构建,日更 400 个模型够不够?
A: 不够,而且差得远。按每天全量跑一次算,400 个模型一个月就是 12,000 次构建,是免费额度的四倍。真实项目还要叠加 PR 触发的 CI 与失败重试,实际消耗更高。这也是 dbt 定价的实际门槛:免费版适合单项目练手,上生产、模型过百就会被推到 Starter,而 Starter 只有 15,000 次,模型到五六百时同样要算账。
Q: dbt 和 Airflow 是替代关系还是搭配关系?
A: 大多数团队是搭配。dbt 负责「表怎么算」,Airflow 负责「什么时候算、失败重试几次、算完通知谁」。平台版把调度做了进去,小团队可以省掉 Airflow;管道里一旦有 Python 抓取、API 同步这类非 SQL 步骤,Airflow 仍是总调度台,只把 dbt 当其中一步触发。
评测方法说明
元析评测围绕功能完整度、易用性、数据质量、性价比、客户支持五个核心维度打分,每项满分 10 分,加权折算为总分。文中套餐价格、构建与指标查询限额于 2026-11 对照 dbt 官网定价页核实,开源协议与功能边界以官方文档为准。所有产品均未在统一环境做同期实测。
最后更新:2026-11-16
定价补充
dbt Core 开源版免费(Apache 2.0);dbt platform Developer 版免费,含 1 个席位、每月 3,000 次模型构建、1 个项目;Starter 版 $100/席位/月,含 5 个席位、每月 15,000 次模型构建、5,000 次指标查询;Enterprise 与 Enterprise+ 需联系销售。价格于 2026-11 核对官网。
价格核对于 2026-11-16,以厂商官网结算页为准。
还能对比这几款
Power BI
数据分析微软 · 更新 2026-10-28
Power BI 评测:桌面版免费,Pro 协作版每用户每月 10 美元。与 Excel 同源的 Power Query 和 DAX 引擎让它的性价比在同档 BI 里很高,适合已经采购 Microsoft 365 的企业;Mac 用户无法直接安装桌面端,只能走虚拟机或网页版。
Tableau
数据分析Salesforce · 更新 2026-10-27
Tableau 评测:Creator 年付 $75/用户/月起,图表自由度、LOD 表达式与 Hyper 内存引擎仍是商业智能标杆,适合有专职分析师的中大型企业;仅需看表的普通员工也按人头收费,百人以上团队软件预算偏高。
Mixpanel
数据分析Mixpanel · 更新 2026-09-03
Mixpanel 评测:Free 免费版每月赠送高达 2000 万事件配额,Growth 按事件量阶梯计费($24/月起),漏斗转化、留存队列与用户行为路径分析快且准,适合移动 App 与 SaaS 产品团队;不支持国内本地私有化机房部署。