趋近智
生产环境中的数据治理、质量与可观测性
章节 1: 数据治理代码基本原理
以工程视角定义数据治理
数据分类与标记方法
基于角色的访问控制模型
策略即代码架构
实践：实施访问策略
章节 2: 数据质量维度与测试
数据质量的主要维度
数据断言的剖析
验证模式和类型
统计画像与分布检查
实践：编写数据验证套件
章节 3: 数据可观测系统
数据可观测性的支柱
监控时效性与延迟
数据量与行数异常
模式漂移检测
实践：构建数据新鲜度监控器
章节 4: 数据血缘与元数据管理
静态与动态血缘
OpenLineage 标准
依赖图的构建
影响分析技术
实践：从日志中提取数据血缘
章节 5: CI流水线中的自动化可靠性
数据代码的预提交钩子
实施质量门
流水线中的断路器
告警与事件管理
实践：配置CI数据测试
数据量与行数异常
这部分内容有帮助吗？
- Fundamentals of Data Engineering: Planning and Building Robust Data Systems, Joe Reis and Matt Housley, 2022 (O'Reilly Media) - 这本书涵盖了现代数据工程的关键方面，包括专门讨论数据质量、可靠性和可观测性的内容，这些都是数据管道监控的核心。
- A Survey of Outlier Detection Methodologies, Varun Chandola, Arindam Banerjee, and Vipin Kumar, 2009 ACM Computing Surveys (CSUR), Vol. 41 (Association for Computing Machinery) DOI: 10.1145/1541880.1541882 - 这篇综述文章概述了各种异常值检测技术，包括直接适用于识别数据集中数据量和行数异常的统计方法。
© 2025 ApX Machine Learning用心打造