dbt : schemas dynamiques par tenant

🎯 Objectif

Tu veux un seul projet dbt, mais que :

• chaque client (tenant) ait ses propres tables dans un schema dédié (leclerc., carrefour., etc.),
• le même modèle dbt (fact_ventes.sql) soit exécuté pour chaque tenant sans dupliquer le code.

✅ Solution : schemas dynamiques par tenant

dbt permet d’utiliser des schemas dynamiques à l’aide de la méthode generate_schema_name.

🧱 1. Définir les tenants dans dbt_project.yml

vars:
  tenants: ["leclerc", "carrefour", "intermarche"]

vars:
  tenants: ["leclerc", "carrefour", "intermarche"]

🧠 2. Surcharge du comportement de dbt dans dbt_project.yml

Ajoute ceci pour personnaliser les noms de schemas générés :

models:
  mon_projet:
    +schema: "{{ target.schema }}_{{ var('current_tenant', 'default') }}"

models:
  mon_projet:
    +schema: "{{ target.schema }}_{{ var('current_tenant', 'default') }}"

Ex : si target.schema = "analytics" et current_tenant = "leclerc" ⇒ les modèles seront dans le schéma analytics_leclerc

⚙️ 3. Surcharge generate_schema_name (optionnel mais plus propre)

Dans macros/generate_schema_name.sql :

{% macro generate_schema_name(custom_schema_name, node) %}
    {{ target.schema }}_{{ var('current_tenant', 'default') }}
{% endmacro %}

{% macro generate_schema_name(custom_schema_name, node) %}
    {{ target.schema }}_{{ var('current_tenant', 'default') }}
{% endmacro %}

📄 4. Exemple de modèle unique exécuté pour tous les tenants

-- models/fact_ventes.sql

select
    id_vente,
    produit,
    quantite,
    prix
from {{ ref('stg_ventes') }}

-- models/fact_ventes.sql

select
    id_vente,
    produit,
    quantite,
    prix
from {{ ref('stg_ventes') }}

🔁 5. Exécution multi-tenant avec script bash

for tenant in leclerc carrefour intermarche
do
  dbt run --vars "{current_tenant: '$tenant'}"
done

for tenant in leclerc carrefour intermarche
do
  dbt run --vars "{current_tenant: '$tenant'}"
done

✅ Cela exécute le même code, mais chaque fois avec un schéma différent (analytics_leclerc, analytics_carrefour…)

🔎 6. Organisation des schémas dans ton entrepôt

Tu obtiendras dans BigQuery ou Snowflake ou Redshift :

analytics_leclerc.fact_ventes
analytics_carrefour.fact_ventes
analytics_intermarche.fact_ventes

👉 Ce qui t’apporte :

• isolation des données (chaque client a son propre espace)
• code unique (pas besoin de copier-coller fact_ventes_leclerc.sql, fact_ventes_carrefour.sql…)

✅ Avantages