使用查询标签实现dbt管道的细粒度使用归因 - 克隆
内容提要
本文介绍Databricks dbt Query Tags功能，通过一行配置或Genie自动为每个模型注入标签（如模型名、团队、成本中心），记录在system.query.history中，实现成本归因、性能调试和监控。参考项目展示如何用SQL或Genie构建仪表板，识别高计算模型（如四个mart表占92%时间），并支持指标视图标签，帮助团队优化FinOps实践。
延伸解读
零配置的自动标签
dbt-databricks适配器（1.11+）会自动为每个模型执行注入标签，如模型名、物化策略和版本信息。这意味着无需任何手动配置，就能获得每个模型的可见性。这些自动标签与自定义标签一起记录在system.query.history中，为成本归因和性能监控提供了基础数据。
标签的层级与优先级
查询标签可以在三个层级应用：配置文件（profile）、项目文件（dbt_project.yml）和模型级配置。模型级标签会与配置文件级标签合并，若键相同，模型级优先。这种设计允许团队在全局设置通用标签（如团队、成本中心），同时在特定模型上覆盖或添加更细粒度的标签，实现灵活而精确的归因。
成本归因的实践价值
通过查询标签，数据团队可以直接用SQL从system.query.history中获取每个模型的运行时间和资源消耗，无需手动分析日志或拆分仓库资源。参考项目中，四个mart表占用了92%的计算时间，这一洞察在无标签时不可见。这有助于识别高成本模型，指导优化工作，并支持FinOps实践。
指标视图的标签区分
Databricks指标视图（metric views）也支持查询标签，但需注意与databricks_tags的区别：查询标签附加在创建或刷新指标视图的SQL查询上，用于查询级跟踪；而databricks_tags是Unity Catalog对象级标签，用于治理和发现。理解这一区别有助于正确使用标签进行成本归因和元数据管理。
Q&A
如何在Databricks上为dbt管道配置查询标签？
在dbt profile的target中添加query_tags字段，例如：query_tags: {team: finance, cost_center: marketing, project_name: my_project, env: prod}。这样所有查询都会自动带上这些标签。
dbt-databricks自动注入哪些查询标签？
自动注入的标签包括：@@dbt_model_name（模型名）、@@dbt_materialized（物化策略）、@@dbt_core_version（dbt-core版本）、@@dbt_databricks_version（适配器版本）。
如何通过SQL查询system.query.history获取带标签的查询？
使用类似SELECT query_tags['team'] AS team, query_tags['cost_center'] AS cost_center FROM system.query.history WHERE query_tags['project_name'] = 'my_project' AND timestamp > now() - interval 7 days的SQL语句，可以提取标签并聚合分析。
查询标签在成本归因和FinOps实践中有哪些应用？
查询标签可以用于成本归因、性能调试和监控。通过分析system.query.history中的标签，可以识别高计算模型、按团队或成本中心分配成本，并优化资源使用，从而支持FinOps实践。
模型级标签和profile级标签的优先级是怎样的？
模型级标签会与profile级标签合并，如果键相同，模型级标签的值优先。
如何利用Genie进行查询标签的即席分析？
可以直接向Genie提问，例如“按dbt模型计算最近7天的计算时间”，Genie会自动生成SQL并返回结果，无需手动编写SQL。
查询标签和Unity Catalog标签有什么区别？
查询标签（query_tags）附加在SQL查询上，记录在system.query.history中，用于查询级跟踪；而Unity Catalog标签（databricks_tags）是对象级标签，用于治理和发现。
参考项目中四个mart表占用了多少计算时间？
参考项目中四个mart表占用了92%的计算时间，而staging视图和metric视图几乎瞬时完成。
