dbt Fusion エンジン（v2.0）完全解説 — Rust製次世代エンジンとAI開発者機能の全貌

この記事はClaudeが自動収集・まとめた学習ログです。

概要

2026年、dbt Labs は dbt Fusion エンジン（v2.0） を中心に大規模なプラットフォーム刷新を進めている。Rust で再構築された新エンジンは、従来の Python ベースの dbt Core とは異なるアーキテクチャを採用し、実行速度・ローカル開発体験・AI連携の面で大きな変化をもたらしている。

あわせて、AI を活用した Developer Agent（自然言語でモデルを生成）や Cost Insights（ウェアハウスコスト可視化）などの新機能が続々プレビュー・ベータ公開されており、データエンジニアリングのワークフローが急速に変化しつつある。

主要トピック

dbt Fusion エンジン（v2.0）とは

dbt Fusion は Rust で書かれた次世代 dbt エンジンで、公式では「v2.0」相当の位置づけとされている。従来の dbt Core（Python）とは別に、dbt platform（dbt Cloud）向けに導入が進められており、公式ドキュメントでは upgrading-to-fusion というアップグレードガイドが整備されている。

主な特徴として報告されているのは以下の点:

ローカル実行が可能 — DuckDB アダプタが public beta として対応済みで、ウェアハウスアカウントなしでローカルに dbt プロジェクトを実行できる
DuckDB の採用理由 — 約50MBと軽量で認証不要。dbt-core コミュニティの中で採用率が最も高いアダプタとされており、開発・テスト環境の立ち上げを容易にする
Spark アダプタも対応 — DuckDB と同様に public beta として Spark のローカルサポートも追加された

DuckDB アダプタに関しては、初期の extension ロード問題などのバグが修正済みとされており、既存の dbt-duckdb ユーザー（MotherDuck ユーザーを含む）にも試用が公式に推奨されている。

dbt Core v1.10 の新機能

dbt Core v1.10 では以下の機能が追加されたと公式ドキュメントに記載されている:

--sample フラグ — run と build コマンドで利用可能。サンプルモードで実行することでビルド時間とウェアハウスコストを削減できる
予期しない YAML キーへの警告 — プロパティ YAML ファイルに未知のトップレベルキーがある場合に警告を出力するようになった
top-level anchors: キー — 再利用可能な設定ブロックのコンテナとして使用できる新しいトップレベルキー
Hybrid プロジェクト — dbt platform（Cloud）と dbt Core が混在する環境でのクロスプロジェクト参照を可能にし、両者のワークフローを統合する機能

Developer Agent（AIによるモデル自動生成）

dbt platform 上で Developer Agent がプレビュー公開されている。これは自然言語プロンプトによって以下を生成できる機能とされている:

SQL モデルのビルドまたはリファクタリング
テスト・ドキュメント・セマンティックモデルのスクラッチ生成

あわせて、Studio IDE でも dbt YAML のバリデーションが強化されており、dbt-jsonschema に基づく Fusion 対応 JSON Schema を用いたオートコンプリートと構造フィードバックが提供されている。

Cost Insights（コスト可視化）

Cost Insights が private beta として公開されている。この機能は dbt プロジェクト・モデルごとの推定ウェアハウスコンピューティングコストと実行時間を可視化し、State-aware オーケストレーションなどの最適化によるコスト削減効果をハイライトする。

その他の2026年アップデート

Snowflake PrivateLink 設定の自律化 — サポートへの連絡なしに dbt platform から直接設定可能（private beta）
モデルクエリ履歴の Databricks / Redshift 対応 — beta として追加
Slack / Microsoft Teams 通知の GA — アカウントレベルのジョブ通知が正式リリース
Snowflake の列サイズ変更対応 — 2026年5月に Snowflake が string / binary 型のデフォルト列サイズを拡張する予定。dbt-snowflake v1.10.6 未満ではインクリメンタルモデルのビルドが失敗する可能性があると報告されている

dbt Labs × Fivetran の合併

2025年10月13日、dbt Labs と Fivetran が全株式交換による合併の確定契約を締結したと発表された。合併後の統合会社は約6億ドルの ARR に達する見込みとされている。

合併の方向性は「オープンデータインフラ」の実現とされており、Fivetran のデータムーブメント自動化と dbt の変換機能を統合することで、データ移動・変換・メタデータ・アクティベーションを一元的に扱う基盤を目指すとしている。なお、規制当局の承認などのクロージング条件が満たされるまで、両社は引き続き独立した組織として運営するとされている。

まとめ

2026年の dbt エコシステムは以下の3つの軸で大きく変化している:

エンジンの刷新 — Rust ベースの Fusion エンジンにより、DuckDB を用いたウェアハウスレスなローカル開発が実用レベルに
AI 統合 — Developer Agent による自然言語モデル生成が本格的なプレビューフェーズへ
組織・エコシステムの再編 — dbt Labs × Fivetran の合併による ELT 全体の統合基盤化

特に Fusion エンジンの DuckDB 対応は、既存の dbt-duckdb ユーザーにとって移行の障壁が低く、試しやすい変化点といえる。