Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-10-19 19:55 UTC

databricks / dbt-databricks

A dbt adapter for Databricks.

PythonApache-2.0★ 382 estrellas⑂ 225 forksdesde oct 2021Ver en GitHub ↗
TipoBibliotecaHerramienta de línea de comandoscómo se determina

databricks/dbt-databricks tiene un índice de salud de 97 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Vitality (96/100) y la más baja, Security (63/100). Se actualizó por última vez hoy. 3 personas concentran la mayor parte del trabajo reciente.

97
global / 100
Excepcional

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

97
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 85 se calibra a 97 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

DatabricksOrganización · dominio verificado
4171 seguidores251 repositorios públicosdesde jul 2013

Este repositorio está respaldado por una organización: una custodia compartida y responsable que puede sobrevivir a cualquier mantenedor individual.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicación
PyPIdbt-databricks1.12.73.741.376187hace 7 días

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

96Excepcional · 21% del índice global
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
30.5/36Cadencia de commits — 44/52 semanas con commits
18/18Volumen de commits — 247 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 18 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year247
human_commit_share1
days_since_last_push0
active_weeks_last_year44
Cómo se puntúa
27/27Publica versiones — 100 versiones publicadas
36/36Recencia de las versiones — última versión hace 7 días
27/27Cadencia de publicación — una versión cada ~19,5 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count100
latest_release_tagv1.12.7
releases_from_tagsno
days_since_latest_release7
mean_days_between_releases19,5
Excluidos de la puntuación (sin datos o no aplicable): OpenSSF Scorecard: Signed-Releases. Los pesos restantes se han renormalizado.

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

80Excelente · 17% del índice global
Cómo se puntúa
41.9/60Estrellas — 382 estrellas
19.6/25Forks — 225 forks
7.2/15Observadores — 21 observadores
Datos de entrada utilizados
forks225
stars382
watchers21
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (Apache-2.0)
18/18Guía CONTRIBUTING
0/13.5Código de conducta
0/7.2Plantilla de issues
6.3/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges2
has_contributingsí
has_issue_templateno
has_code_of_conductno
readme_badge_servicesgithub.com
has_pull_request_templatesí
Cómo se puntúa
80/80Descargas mensuales — 3.741.376 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesdbt-databricks
dependents—
ecosystemspypi
total_downloads—
monthly_downloads3.741.376
unverified_packages_excluded—
Excluidos de la puntuación (sin datos o no aplicable): Dependientes en el registro. Los pesos restantes se han renormalizado.

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

87Excelente · 23% del índice global
Cómo se puntúa
36/54Factor bus — la mitad de los commits recae en 3 contribuyente(s)
15.4/22.5Distribución de commits — el principal contribuyente firma el 32% de los commits
13.5/13.5Amplitud de contribuyentes — 100 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 12 contributing companies or organizations
Datos de entrada utilizados
bus_factor3
contributors_sampled100
top_contributor_share0,317
Cómo se puntúa
35.2/42Resolución de issues — 84% de issues cerradas
25.5/30Aceptación de PR — 923/1087 PR decididos fusionados
5.2/13Newcomer PR acceptance — 2/5 PR de contribuyentes primerizos fusionados en 30 d
13.5/15OpenSSF Scorecard: Code-Review — Found 28/30 approved changesets -- score normalized to 9
Datos de entrada utilizados
merged_prs923
open_issues94
closed_issues485
prs_merged_7d3
prs_decided_7d6
prs_merged_30d25
prs_decided_30d32
issue_closed_ratio0,838
closed_unmerged_prs164
first_time_authors_30d4
first_time_prs_merged_30d2
first_time_prs_decided_30d5

Propiedad y custodia

100Excepcional
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
20/20Dominio verificado
25/25Alcance del propietario — 4171 seguidores de databricks
25/25Trayectoria — 251 repos públicos, cuenta de ~13 años
Datos de entrada utilizados
followers4171
owner_typeOrganization
is_verifiedsí
owner_logindatabricks
public_repos251
account_age_days4847
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 7 días
20/20Historial de versiones — 187 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesdbt-databricks
ecosystemspypi
any_deprecatedno
min_days_since_publish7

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

95Excepcional · 19% del índice global
Cómo se puntúa
24/24Flujos de trabajo de CI — 14 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — pyproject.toml ([tool.ruff])
9.6/9.6Hooks de pre-commit
0/6.4.editorconfig
18/20OpenSSF Scorecard: CI-Tests — 28 out of 30 merged PRs checked by a CI test -- score normalized to 9
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configsí

Documentación

100Excepcional
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://databricks.com
10/10Descripción del repositorio
10/10Topics — 4 topics
10/10Wiki
Datos de entrada utilizados
topicsdbt, sql, etl, databricks
has_wikisí
homepagehttps://databricks.com
docs_sitehttps://databricks.com
has_readmesí
has_docs_dirsí
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

63Moderado · 16% del índice global
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
0.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.2/2.5CI-Tests — 28 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 28/30 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
2.5/2.5Licencia — license file detected
7.5/7.5Maintained — 30 commit(s) and 18 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — sin datos
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 — sin datos
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 49 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate5,6
Excluidos de la puntuación (sin datos o no aplicable): Packaging, Signed-Releases. Los pesos restantes se han renormalizado.
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
11.4/25Dependencias indirectas libres de avisos conocidos — 1 afectados: oauthlib 3.3.1 (moderate 6.8)
40/40Sin avisos pendientes — ningún aviso lleva público más de 90 días
Datos de entrada utilizados
sourceosv
advisories4
affected_packages1
assessed_packages77
unassessed_packages0
affected_by_severitymoderate 1
direct_affected_packages0
Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:dbt-databricks@1.12.7 —lo que arrastra la instalación del paquete publicado—: 77 paquetes. No se analiza la alcanzabilidad.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

73Bueno · 4% del índice global
Cómo se puntúa
45/45Instrucciones para agentes — AGENTS.md, CLAUDE.md
15/15Documentación legible por máquinas (llms.txt) — llms.txt servido por el sitio web del proyecto (https://databricks.com/llms.txt)
40/40Historial de commits legible — 100 de 100 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtsí
llms_txt_urlhttps://databricks.com/llms.txt
legible_history_share1
agent_instruction_filesAGENTS.md, CLAUDE.md
agent_instruction_max_bytes25.278
Cómo se puntúa
0/18Arranque con un solo comando
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.ruff])
0/11Verificación estática de tipos
10/10Entorno reproducible — lockfile
2/10Práctica demostrada con agentes — 1 de los últimos 100 commits con autoría o crédito de agente
5/8Mantenimiento automatizado — automatización de dependencias configurada, no observada en los commits muestreados
10/10OpenSSF Scorecard: Pinned-Dependencies — all dependencies are pinned
Datos de entrada utilizados
has_nixno
has_testssí
lockfilesuv.lock
has_dockerfileno
typed_languageno
bootstrap_files—
has_devcontainerno
has_linter_configsí
typecheck_configs—
agent_commit_share0,01
toolchain_manifests—
dependency_bot_commit_share0
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
54.5/55Tamaños de archivo manejables — 3/331 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes93.552
source_files_sampled331
oversized_source_files3

Datos clave

382estrellas de GitHub
100contribuidores
247commits en los últimos 12 meses
0días desde el último push
100versiones publicadas
3factor bus
94issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

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

Más detalle

Historial de estrellas y forks 0 ★ / 225 ⇿
0Estrellas
225Forks
100Versiones

Cuándo se añadió cada estrella y fork, recopilado de GitHub y agrupado por día. El crecimiento acumulado se sitúa justo encima de las adiciones diarias que lo componen, de modo que ambos se leen en conjunto: la acumulación orgánica sostenida no se parece en nada a un pico abrupto y efímero. Cuando esa diferencia es medible, se informa como autenticidad del crecimiento.

0408012016020024021832021-122024-052026-10
Mayor 0Menor 8Parche 80

Cada punto abarca 5 días.

OpenSSF Scorecard 5.6 / 10
5.6agregado

Evaluación de seguridad independiente y agnóstica en cuanto a herramientas, procedente del proyecto de código abierto OpenSSF Scorecard. Cada comprobación premia una práctica de seguridad, no la herramienta de un proveedor concreto. Las comprobaciones que Scorecard no pudo determinar se marcan como n/d y se excluyen de la puntuación de seguridad (nunca se cuentan como cero).Scorecard v5.5.0 · 2026-10-19 19:54 UTC

10Binary-Artifactsno binaries found in the repo
1Branch-Protectionbranch protection is not maximal on development and all release branches
9CI-Tests28 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 28/30 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 18 issue activity found in the last 90 days -- score normalized to 10
n/dPackagingpackaging 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
n/dSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities49 existing vulnerabilities detected
Dependencias directas 9
RegistroPaqueteRestricción de versiónManifiesto
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, <1.12.6pyproject.toml
PyPIdbt-spark>=1.10.0, <1.11.0pyproject.toml
PyPIpackaging>=21.0, <26.0pyproject.toml
PyPIpydantic>=1.10.0, <2.13.0pyproject.toml
Todas las dependencias 140

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 18 paquetes directos y 122 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIclick8.2.0directa
PyPIclick8.3.1directa
PyPIdatabricks-sdk0.117.0directa
PyPIdatabricks-sdk0.68.0directa
PyPIdatabricks-sql-connector4.1.2directa
PyPIdatabricks-sql-connector4.4.0directa
PyPIdbt-adapters1.22.0directa
PyPIdbt-adapters1.24.5directa
PyPIdbt-common1.37.2directa
PyPIdbt-common1.38.0directa
PyPIdbt-core1.11.2directa
PyPIdbt-core1.12.5directa
PyPIdbt-spark1.10.0directa
PyPIdbt-spark1.10.1directa
PyPIpackaging21.0directa
PyPIpackaging25.0directa
PyPIpydantic1.10.0directa
PyPIpydantic2.12.5directa
PyPIagate1.9.1indirecta
PyPIannotated-types0.7.0indirecta
PyPIattrs26.1.0indirecta
PyPIbabel2.18.0indirecta
PyPIcertifi2026.2.25indirecta
PyPIcertifi2026.4.22indirecta
PyPIcffi2.0.0indirecta
PyPIcfgv3.5.0indirecta
PyPIcharset-normalizer3.4.6indirecta
PyPIcharset-normalizer3.4.7indirecta
PyPIcolorama0.4.6indirecta
PyPIcoverage7.14.0indirecta
PyPIcryptography46.0.5indirecta
PyPIcryptography48.0.0indirecta
PyPIdaff1.4.2indirecta
PyPIdbt-core-experimental-parser2.0.0b2indirecta
PyPIdbt-extractor0.6.0indirecta
PyPIdbt-protos1.0.498indirecta
PyPIdbt-protos1.0.541indirecta
PyPIdbt-semantic-interfaces0.9.0indirecta
PyPIdbt-tests-adapter1.20.0indirecta
PyPIdebugpy1.8.20indirecta
PyPIdeepdiff8.6.2indirecta
PyPIdistlib0.4.0indirecta
PyPIet-xmlfile2.0.0indirecta
PyPIexceptiongroup1.3.1indirecta
PyPIexecnet2.1.2indirecta
PyPIfilelock3.29.0indirecta
PyPIfreezegun1.5.1indirecta
PyPIfreezegun1.5.5indirecta
PyPIgoogle-auth2.49.1indirecta
PyPIgoogle-auth2.52.0indirecta
PyPIidentify2.6.19indirecta
PyPIidna3.11indirecta
PyPIidna3.15indirecta
PyPIimportlib-metadata8.8.0indirecta
PyPIimportlib-metadata8.9.0indirecta
PyPIiniconfig2.3.0indirecta
PyPIisodate0.7.2indirecta
PyPIjinja23.1.6indirecta
PyPIjsonschema4.26.0indirecta
PyPIjsonschema-specifications2025.9.1indirecta
PyPIleather0.4.1indirecta
PyPIlibrt0.11.0indirecta
PyPIlz44.4.5indirecta
PyPImarkupsafe3.0.3indirecta
PyPImashumaro3.14indirecta
PyPImetricflow0.213.0indirecta
PyPImore-itertools10.8.0indirecta
PyPImsgpack1.1.2indirecta
PyPImypy1.19.1indirecta
PyPImypy-extensions1.1.0indirecta
PyPInetworkx3.4.2indirecta
PyPInetworkx3.6.1indirecta
PyPInodeenv1.10.0indirecta
PyPInumpy2.2.6indirecta
PyPInumpy2.4.3indirecta
PyPIoauthlib3.3.1indirecta
PyPIopenpyxl3.1.5indirecta
PyPIopentelemetry-api1.44.0indirecta
PyPIorderly-set5.5.0indirecta
PyPIpandas2.2.3indirecta
PyPIparsedatetime2.6indirecta
PyPIpathspec0.12.1indirecta
PyPIplatformdirs4.9.6indirecta
PyPIpluggy1.6.0indirecta
PyPIpre-commit4.6.0indirecta
PyPIprotobuf6.33.6indirecta
PyPIpyarrow23.0.1indirecta
PyPIpyarrow24.0.0indirecta
PyPIpyasn10.6.3indirecta
PyPIpyasn1-modules0.4.2indirecta
PyPIpybreaker1.4.1indirecta
PyPIpycparser3.0indirecta
PyPIpydantic-core2.41.5indirecta
PyPIpygments2.20.0indirecta
PyPIpyjwt2.12.1indirecta
PyPIpyparsing3.3.2indirecta
PyPIpytest8.3.5indirecta
PyPIpytest9.0.3indirecta
PyPIpytest-cov6.0.0indirecta
PyPIpytest-cov7.1.0indirecta
PyPIpytest-dotenv0.5.2indirecta
PyPIpytest-rerunfailures16.2indirecta
PyPIpytest-timeout2.4.0indirecta
PyPIpytest-xdist3.6.1indirecta
PyPIpytest-xdist3.8.0indirecta
PyPIpython-dateutil2.9.0.post0indirecta
PyPIpython-discovery1.3.1indirecta
PyPIpython-dotenv1.2.2indirecta
PyPIpython-slugify8.0.4indirecta
PyPIpytimeparse1.1.8indirecta
PyPIpytz2026.1.post1indirecta
PyPIpytz2026.2indirecta
PyPIpyyaml6.0.3indirecta
PyPIrapidfuzz3.14.5indirecta
PyPIreferencing0.37.0indirecta
PyPIrequests2.32.5indirecta
PyPIrequests2.34.2indirecta
PyPIrpds-py0.30.0indirecta
PyPIruff0.14.2indirecta
PyPIsix1.17.0indirecta
PyPIsnowplow-tracker1.1.0indirecta
PyPIsqlglot30.12.0indirecta
PyPIsqlparams6.2.0indirecta
PyPIsqlparse0.5.4indirecta
PyPIsqlparse0.5.5indirecta
PyPItabulate0.10.0indirecta
PyPItext-unidecode1.3indirecta
PyPIthrift0.20.0indirecta
PyPIthrift0.24.0indirecta
PyPItomli2.4.1indirecta
PyPItypes-requests2.33.0.20260513indirecta
PyPItyping-extensions4.15.0indirecta
PyPItyping-inspection0.4.2indirecta
PyPItzdata2025.3indirecta
PyPItzdata2026.2indirecta
PyPIurllib32.6.3indirecta
PyPIurllib32.7.0indirecta
PyPIvirtualenv21.3.3indirecta
PyPIzipp3.23.0indirecta
PyPIzipp3.23.1indirecta
Avisos de dependencias 1

Instalar pypi:dbt-databricks@1.12.7 arrastra 77 paquetes, directos y transitivos: 1 tienen avisos conocidos, de los cuales 0 son dependencias directas.

PaqueteVersiónRelaciónGravedadAvisosCorregido en
oauthlib3.3.1indirectamoderada44.0.0

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.34.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.