Öffentliches Register
Software-GesundheitsberichtSchema 0.31.0 · Metriken 2.10.0 · 2026-08-19 15:35 UTC

databricks / dbt-databricks

A dbt adapter for Databricks.

PythonApache-2.0★ 375 Sterne⑂ 212 Forksseit Okt. 2021Auf GitHub ansehen ↗
ArtBibliothekKommandozeilenwerkzeugwie das ermittelt wird
#dbt#sql#etl#databricks

databricks/dbt-databricks erreicht einen Gesundheitsindex von 97 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (95/100) ab, am schwächsten bei Security (66/100). Zuletzt heute aktualisiert. 3 Mitwirkende tragen den Großteil der jüngsten Arbeit.

97
gesamt / 100
Außergewöhnlich

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

97
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 85 wird auf der veröffentlichten Indexskala auf 97 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

DatabricksOrganisation
3.968 Follower256 öffentliche Reposseit Juli 2013

Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIdbt-databricks1.12.49.096.304184vor 7 Tagen

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

95Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

91Exzellent
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
27/36Commit-Rhythmus — 39/52 Wochen mit Commits
18/18Commit-Volumen — 240 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 13 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year240
human_commit_share1
days_since_last_push0
active_weeks_last_year39

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 7 Tagen
27/27Release-Rhythmus — ein Release etwa alle 19,3 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count100
latest_release_tagv1.12.4
releases_from_tagsnein
days_since_latest_release7
mean_days_between_releases19,3
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

79Gut · 17 % des Gesamtindex

Popularität & Verbreitung

68Gut
Wie die Bewertung erfolgt
41.7/60Stars — 375 Stars
19.4/25Forks — 212 Forks
7.2/15Watcher — 21 Watcher
Verwendete Eingangsdaten
forks212
stars375
watchers21
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

77Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges2
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesgithub.com
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

100Außergewöhnlich
Wie die Bewertung erfolgt
80/80Downloads pro Monat — 9.096.304 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesdbt-databricks
dependents—
ecosystemspypi
total_downloads—
monthly_downloads9.096.304
unverified_packages_excluded—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Abhängige in der Registry. Die verbleibenden Gewichte wurden renormalisiert.

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

89Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

75Gut
Wie die Bewertung erfolgt
36/54Bus-Faktor — 3 Beitragende decken die Hälfte aller Commits ab
15.3/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 32 % der Commits
13.5/13.5Breite der Beitragenden — 100 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 12 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor3
contributors_sampled100
top_contributor_share0,322

Reaktionsfähigkeit bei Issues & PRs

85Exzellent
Wie die Bewertung erfolgt
34.7/42Issue-Lösungsquote — 83 % der Issues geschlossen
25.6/30PR-Annahme — 884/1.036 entschiedene PRs gemergt
11.1/13Newcomer PR acceptance — 6/7 PRs von Erstbeitragenden in 30 Tagen gemergt
13.5/15OpenSSF Scorecard: Code-Review — Found 27/30 approved changesets -- score normalized to 9
Verwendete Eingangsdaten
merged_prs884
open_issues98
closed_issues464
prs_merged_7d2
prs_decided_7d2
prs_merged_30d28
prs_decided_30d32
issue_closed_ratio0,826
closed_unmerged_prs152
first_time_authors_30d5
first_time_prs_merged_30d6
first_time_prs_decided_30d7

Eigentümerschaft & Trägerschaft

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
25/25Reichweite des Inhabers — 3.968 Follower von databricks
25/25Kontohistorie — 256 öffentliche Repos, Kontoalter ca. 13 Jahre
Verwendete Eingangsdaten
followers3.968
owner_typeOrganization
is_verified—
owner_logindatabricks
public_repos256
account_age_days4.786
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 7 Tagen
20/20Versionshistorie — 184 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesdbt-databricks
ecosystemspypi
any_deprecatednein
min_days_since_publish7

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

95Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 14 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
18/20OpenSSF Scorecard: CI-Tests — 27 out of 30 merged PRs checked by a CI test -- score normalized to 9
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://databricks.com
10/10Repository-Beschreibung
10/10Topics — 4 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsdbt, sql, etl, databricks
has_wikija
homepagehttps://databricks.com
docs_sitehttps://databricks.com
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

66Gut · 16 % des Gesamtindex

Sicherheitslage

61Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
2.2/2.5CI-Tests — 27 out of 30 merged PRs checked by a CI test -- score normalized to 9
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
6.8/7.5Code-Review — Found 27/30 approved changesets -- score normalized to 9
2.5/2.5Contributors — project has 12 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 13 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — keine Daten
5/5Pinned-Dependencies — all dependencies are pinned
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 27 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate6,1
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Packaging, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

85Exzellent
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
10/25Indirekte Abhängigkeiten ohne bekannte Advisories — 1 betroffen: sqlparse 0.5.5 (high 7.5)
40/40Keine offenen Advisories — kein Advisory ist länger als 90 Tage öffentlich
Verwendete Eingangsdaten
sourceosv
advisories8
affected_packages1
assessed_packages76
unassessed_packages0
affected_by_severityhigh 1
direct_affected_packages0
Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:dbt-databricks@1.12.4 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 76 Paketen. Erreichbarkeit wird nicht analysiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

68Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

85Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md, CLAUDE.md
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 100 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share1
agent_instruction_filesAGENTS.md, CLAUDE.md
agent_instruction_max_bytes25.278

AI-Verify-Loop (Build / Test / Typprüfung)

60Mittel
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — lockfile
2/10Belegte Agentenpraxis — 1 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
5/8Automatisierte Wartung — Abhängigkeits-Automatisierung konfiguriert, in den erfassten Commits nicht beobachtet
10/10OpenSSF Scorecard: Pinned-Dependencies — all dependencies are pinned
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,01
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54.5/55Handhabbare Dateigrößen — 3/325 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes88.501
source_files_sampled325
oversized_source_files3

Eckdaten

375GitHub-Sterne
100Mitwirkende
240Commits, letzte 12 Monate
0Tage seit letztem Push
100Releases
3Bus-Faktor
98offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 212 ⇿
0Sterne
212Forks
99Releases

Wann jeder Stern und Fork hinzugefügt wurde, von GitHub erfasst und nach Tagen gruppiert. Das kumulierte Wachstum steht direkt über den täglichen Zugängen, aus denen es besteht, sodass beide gegeneinander lesbar sind: stetiger organischer Zuwachs sieht ganz anders aus als ein abrupter, kurzlebiger Ausschlag. Wo dieser Unterschied messbar ist, wird er als Wachstumsauthentizität ausgewiesen.

0408012016020024020532021-122024-042026-08
Major 0Minor 9Patch 78

Jeder Punkt umfasst 5 Tage.

OpenSSF Scorecard 6.1 / 10
6.1Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-08-19 15:34 UTC

10Binary-Artifactsno binaries found in the repo
k. A.Branch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
9CI-Tests27 out of 30 merged PRs checked by a CI test -- score normalized to 9
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
9Code-ReviewFound 27/30 approved changesets -- score normalized to 9
10Contributorsproject has 12 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 13 issue activity found in the last 90 days -- score normalized to 10
k. A.Packagingpackaging workflow not detected
10Pinned-Dependenciesall dependencies are pinned
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities27 existing vulnerabilities detected
Direkte Abhängigkeiten 9
RegistryPaketVersionsvorgabeManifest
PyPIclick>=8.2.0, <9.0.0pyproject.toml
PyPIdatabricks-sdk>=0.68.0, <0.118.0pyproject.toml
PyPIdatabricks-sql-connector>=4.1.1, <4.4.1pyproject.toml
PyPIdbt-adapters>=1.22.0, <1.25.0pyproject.toml
PyPIdbt-common>=1.37.0, <1.39.0pyproject.toml
PyPIdbt-core>=1.11.2, <1.12.1pyproject.toml
PyPIdbt-spark>=1.10.0, <1.11.0pyproject.toml
PyPIpackaging>=21.0, <26.0pyproject.toml
PyPIpydantic>=1.10.0, <2.13.0pyproject.toml
Alle Abhängigkeiten 139

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 18 direkte und 121 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIclick8.2.0direkt
PyPIclick8.3.1direkt
PyPIdatabricks-sdk0.117.0direkt
PyPIdatabricks-sdk0.68.0direkt
PyPIdatabricks-sql-connector4.1.2direkt
PyPIdatabricks-sql-connector4.4.0direkt
PyPIdbt-adapters1.22.0direkt
PyPIdbt-adapters1.24.5direkt
PyPIdbt-common1.37.2direkt
PyPIdbt-common1.38.0direkt
PyPIdbt-core1.11.2direkt
PyPIdbt-core1.12.0direkt
PyPIdbt-spark1.10.0direkt
PyPIdbt-spark1.10.1direkt
PyPIpackaging21.0direkt
PyPIpackaging25.0direkt
PyPIpydantic1.10.0direkt
PyPIpydantic2.12.5direkt
PyPIagate1.9.1indirekt
PyPIannotated-types0.7.0indirekt
PyPIattrs26.1.0indirekt
PyPIbabel2.18.0indirekt
PyPIcertifi2026.2.25indirekt
PyPIcertifi2026.4.22indirekt
PyPIcffi2.0.0indirekt
PyPIcfgv3.5.0indirekt
PyPIcharset-normalizer3.4.6indirekt
PyPIcharset-normalizer3.4.7indirekt
PyPIcolorama0.4.6indirekt
PyPIcoverage7.14.0indirekt
PyPIcryptography46.0.5indirekt
PyPIcryptography48.0.0indirekt
PyPIdaff1.4.2indirekt
PyPIdbt-core-experimental-parser2.0.0a4indirekt
PyPIdbt-extractor0.6.0indirekt
PyPIdbt-protos1.0.498indirekt
PyPIdbt-protos1.0.541indirekt
PyPIdbt-semantic-interfaces0.9.0indirekt
PyPIdbt-tests-adapter1.20.0indirekt
PyPIdebugpy1.8.20indirekt
PyPIdeepdiff8.6.2indirekt
PyPIdistlib0.4.0indirekt
PyPIet-xmlfile2.0.0indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIexecnet2.1.2indirekt
PyPIfilelock3.29.0indirekt
PyPIfreezegun1.5.1indirekt
PyPIfreezegun1.5.5indirekt
PyPIgoogle-auth2.49.1indirekt
PyPIgoogle-auth2.52.0indirekt
PyPIidentify2.6.19indirekt
PyPIidna3.11indirekt
PyPIidna3.15indirekt
PyPIimportlib-metadata8.8.0indirekt
PyPIimportlib-metadata8.9.0indirekt
PyPIiniconfig2.3.0indirekt
PyPIisodate0.7.2indirekt
PyPIjinja23.1.6indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIleather0.4.1indirekt
PyPIlibrt0.11.0indirekt
PyPIlz44.4.5indirekt
PyPImarkupsafe3.0.3indirekt
PyPImashumaro3.14indirekt
PyPImetricflow0.211.0indirekt
PyPImore-itertools10.8.0indirekt
PyPImsgpack1.1.2indirekt
PyPImypy1.19.1indirekt
PyPImypy-extensions1.1.0indirekt
PyPInetworkx3.4.2indirekt
PyPInetworkx3.6.1indirekt
PyPInodeenv1.10.0indirekt
PyPInumpy2.2.6indirekt
PyPInumpy2.4.3indirekt
PyPIoauthlib3.3.1indirekt
PyPIopenpyxl3.1.5indirekt
PyPIorderly-set5.5.0indirekt
PyPIpandas2.2.3indirekt
PyPIparsedatetime2.6indirekt
PyPIpathspec0.12.1indirekt
PyPIplatformdirs4.9.6indirekt
PyPIpluggy1.6.0indirekt
PyPIpre-commit4.6.0indirekt
PyPIprotobuf6.33.6indirekt
PyPIpyarrow23.0.1indirekt
PyPIpyarrow24.0.0indirekt
PyPIpyasn10.6.3indirekt
PyPIpyasn1-modules0.4.2indirekt
PyPIpybreaker1.4.1indirekt
PyPIpycparser3.0indirekt
PyPIpydantic-core2.41.5indirekt
PyPIpygments2.20.0indirekt
PyPIpyjwt2.12.1indirekt
PyPIpyparsing3.3.2indirekt
PyPIpytest8.3.5indirekt
PyPIpytest9.0.3indirekt
PyPIpytest-cov6.0.0indirekt
PyPIpytest-cov7.1.0indirekt
PyPIpytest-dotenv0.5.2indirekt
PyPIpytest-rerunfailures16.2indirekt
PyPIpytest-timeout2.4.0indirekt
PyPIpytest-xdist3.6.1indirekt
PyPIpytest-xdist3.8.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-discovery1.3.1indirekt
PyPIpython-dotenv1.2.2indirekt
PyPIpython-slugify8.0.4indirekt
PyPIpytimeparse1.1.8indirekt
PyPIpytz2026.1.post1indirekt
PyPIpytz2026.2indirekt
PyPIpyyaml6.0.3indirekt
PyPIrapidfuzz3.14.5indirekt
PyPIreferencing0.37.0indirekt
PyPIrequests2.32.5indirekt
PyPIrequests2.34.2indirekt
PyPIrpds-py0.30.0indirekt
PyPIruff0.14.2indirekt
PyPIsix1.17.0indirekt
PyPIsnowplow-tracker1.1.0indirekt
PyPIsqlglot30.12.0indirekt
PyPIsqlparams6.2.0indirekt
PyPIsqlparse0.5.4indirekt
PyPIsqlparse0.5.5indirekt
PyPItabulate0.10.0indirekt
PyPItext-unidecode1.3indirekt
PyPIthrift0.20.0indirekt
PyPIthrift0.24.0indirekt
PyPItomli2.4.1indirekt
PyPItypes-requests2.33.0.20260513indirekt
PyPItyping-extensions4.15.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPItzdata2025.3indirekt
PyPItzdata2026.2indirekt
PyPIurllib32.6.3indirekt
PyPIurllib32.7.0indirekt
PyPIvirtualenv21.3.3indirekt
PyPIzipp3.23.0indirekt
PyPIzipp3.23.1indirekt
Abhängigkeits-Advisories 1

Die Installation von pypi:dbt-databricks@1.12.4 zieht 76 Pakete nach sich, direkt und transitiv: 1 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

PaketVersionBeziehungSchweregradAdvisoriesBehoben in
sqlparse0.5.5indirekthoch80.6.0

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit databricks/dbt-databricks teilen. Nebeneinander lesen →

98SQLMesh/sqlmeshScalable and efficient data transformation framework - backwards compatible with dbt.Außergewöhnlich98sqlfluff/sqlfluffA modular SQL linter and auto-formatter with support for multiple dialects and templated code.Außergewöhnlich84AltimateAI/altimate-codeOpen-source agentic data engineering harness for dbt, SQL, and cloud warehouses. 100+ tools, 10 warehouses, AI-powered.Exzellent91multiwoven/multiwoven🔥🔥🔥 Open source Reverse ETL - alternative to hightouch and census. Exzellent93databricks/databricks-sql-pythonDatabricks SQL Connector for PythonAußergewöhnlich93tobymao/sqlglotPython SQL Parser and TranspilerAußergewöhnlich

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.31.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.