Glossário

Termos usados de forma recorrente em toda a documentação da equipe dados.

Adicione termos aqui em ordem alfabética. Mantenha definições curtas (1–3 frases) e linke para a página de referência ou explicação completa quando houver.

A

B

BD Pro — assinatura paga da Base dos Dados que dá acesso a tabelas com Row Access Policies específicas (bdpro_filter).

C

D

Datalake House — arquitetura híbrida que combina um data lake (arquivos brutos/tratados em object storage) com um data warehouse (engine SQL com modelos materializados), unidos por tabelas externas. Na BD: os buckets GCS (basedosdados-dev, basedosdados-staging) são o lake; os projetos BigQuery (basedosdados-dev, basedosdados-staging, basedosdados) são o warehouse; tabelas <dataset>_staging são externas e leem direto do GCS, enquanto <dataset> são materializadas pelo dbt. Ver Fluxo de dados e infraestrutura.

E

F

G

H

I

J

L

M

Manual de estilo — conjunto de regras canônicas da BD para nomeação, tipagem, formato e padronização de datasets, tabelas, colunas e diretórios. Mantido publicamente em https://basedosdados.org/docs/style_data e aplicado tanto no preenchimento de metadados (backend GraphQL) quanto na estrutura dos modelos dbt. Ver Manual de estilo — explicação.

N

O

P

Pipeline — tabela cuja atualização é automatizada via Prefect.

Pipeline semi-automatizada — tabela com código de ELT/ETL no repositório, mas sem schedule do Prefect; depende de execução humana.

Q

R

S

T

Tabela de arquitetura — planilha no Google Drive em que descrevemos a estrutura de uma tabela antes de subi-la para o BigQuery: nome e descrição das colunas, tipo no BigQuery, cobertura temporal, unidade de medida, presença em diretórios, marcação de dados sensíveis, partições. É o artefato revisado pela equipe antes do table-approve. Ver ADR-0001 — Manter tabelas de arquitetura no Google Drive.

U

V

Z

Zona de dev — ambiente de desenvolvimento e validação na GCP. Componentes:

• GCS — bucket basedosdados-dev.
• BigQuery — projeto basedosdados-dev, que contém as duas camadas no mesmo projeto: <dataset>_staging (tabelas externas sobre o bucket basedosdados-dev) e <dataset> (modelos materializados pelo dbt com target=dev).

Usada pela equipe para validar dados e modelos antes da promoção para prod. Ver Fluxo de dados e infraestrutura.

Zona de prod — ambiente de produção na GCP, dividido em dois projetos BigQuery distintos:

• GCS — bucket basedosdados-staging (espelho dos datasets com sufixo _staging basedosdados-dev após aprovação).
• BigQuery basedosdados-staging — camada de tabelas externas (<dataset>_staging) sobre o bucket basedosdados-staging. Não é exposto ao público.
• BigQuery basedosdados — modelos materializados pelo dbt (target=prod) a partir de basedosdados-staging. É o projeto consultado pelos usuários no site e no pacote Python.

A separação basedosdados-staging ↔ basedosdados é o que diferencia prod de dev: em prod, externas e materializadas vivem em projetos diferentes; em dev, vivem no mesmo projeto.