Samenvatting
ClickHouse en dbt vervangen bij Twilio drie systemen door één GitOps-pijplijn voor Voice Insights.
ClickHouse en dbt bij Twilio
Tijdens dbt Summit 2026 legden Marek Radonsky en Pavan Kotikalapudi van Twilio uit hoe het Voice & Video Insights-team zijn dataverwerking heeft herbouwd. De dienst verwerkt volgens Twilio meer dan 2,5 biljoen interacties per jaar en levert klanten bijna realtime analyses van gesprekken en conferenties.
Jarenlang gebruikte Twilio Kafka voor ingestie, Spark Streaming voor transformaties en Elasticsearch voor de Twilio-console en REST-API’s. Het team bracht ingestie, transformatie en uitlevering samen in ClickHouse. Materialized views namen daarbij werk over dat eerder in aangepaste Spark Scala-applicaties zat.
De workflow verschoof stapsgewijs van gedeelde documenten met DDL-wijzigingen naar GitOps. Met dbt, de open-source dbt-clickhouse-adapter, GitHub en Argo Workflows beheert Twilio schema’s als code en voert het team transformaties, tests en lineage uit. Een groot dbt-project werd opgesplitst per productgebied, met een gedeelde laag voor logica die meerdere gebieden gebruiken.
Waarom ClickHouse en dbt belangrijk zijn
De casus laat zien welke operationele gevolgen een verspreide datapijplijn heeft. Twilio verving drie afzonderlijke systemen door ClickHouse en veranderde aangepaste Spark-code in SQL-modellen en materialized views. Daardoor verlopen productieaanpassingen versiegestuurd en gecontroleerd, in plaats van via directe wijzigingen op het cluster.
De testaanpak sluit nauw aan op deze werkwijze. Engineers starten echte ClickHouse-testcontainers voor lokale en CI-integratietests en kunnen per Git-branch een previewomgeving met een deel van de productiedata maken. dbt-artifacts leveren automatisch lineage op, waardoor handmatig bijgehouden architectuurdiagrammen verdwijnen.
Concrete takeaway voor ClickHouse en dbt
Behandel ClickHouse-schema’s en dbt-modellen als code: versieer wijzigingen in Git, test ze met echte ClickHouse-containers en richt previewomgevingen per branch in voordat je een vergelijkbare migratie uitvoert.
Verdiep je kennis
ETL uitgelegd — Extract, Transform, Load in gewone taal
Wat is ETL? Leer hoe Extract, Transform en Load werkt, het verschil met ELT, en welke tools je kunt gebruiken. Helder ui...
KennisbankData lakehouse uitgelegd — Het beste van twee werelden
Wat is een data lakehouse en waarom combineert het het beste van data warehouses en data lakes? Vergelijking, architectu...