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
实施质量门
这部分内容有帮助吗？
- Data Quality: The Field Guide, Thomas C. Redman, 2001 (Digital Press) - 一本开创性著作，详细阐述了管理和改进数据质量的基本概念和实践方法，是质量门中数据验证检查的理论基础。
- DataOps: A New Way to Deliver Value with Data, Christopher Bergh, Michael Stonebraker, and David Loshin, 2020 (O'Reilly Media) - 本书将DevOps原则应用于数据领域，为自动化数据管道、确保数据质量和改善数据工程协作提供了实践指导，与本节内容直接相关。
- Testing and Data Quality in dbt, dbt Labs, 2024 (dbt Labs) - dbt Labs 的官方文档，展示了在数据转换框架中实现数据质量测试、模式验证和自定义断言的实践策略，与第1门和第3门质量门高度相关。
© 2025 ApX Machine Learning用心打造