趋近智
数据工程导论
章节 1: 什么是数据工程？
数据工程的定义
数据工程师的职责
数据工程 vs 数据科学 vs 数据分析
数据生命周期
常见数据工程任务
数据工程对人工智能的重要性
章节 2: 基础知识
认识数据类型
数据来源与采集方法
数据库简介
数据仓库解析
数据湖解析
数据获取的API简介
动手实践：识别数据类型
章节 3: 搭建你的第一个数据管道
数据管道是什么？
ETL 过程说明
ELT流程解析
数据提取方法
基本数据转换操作
将数据加载到存储中
简单管道编排原理
实践：勾勒基础数据管道
章节 4: 数据存储基本原理
选择合适的数据存储
操作关系型数据库 (SQL 基础)
NoSQL 数据库简介
理解文件存储系统
对象存储基础知识
常见数据格式
实践：设置一个简单的数据库表
章节 5: 数据处理入门
批处理说明
流式处理介绍
处理框架概述
理解计算资源
数据清洗入门
数据验证方法
实践：简单数据清洗脚本
章节 6: 数据工程师必备工具
SQL数据操作入门
代码版本控制与 Git
命令行界面 (CLI) 基本操作
云平台概览
工作流调度器简介
实践：Git 基本命令
章节 7: 数据工程的下一步
可进一步学习的方面
构建作品集项目构思
贡献开源
跟进新工具
课程要点回顾
理解文件存储系统
这部分内容有帮助吗？
- HDFS Architecture Guide, The Apache Software Foundation, 2025 (The Apache Software Foundation) - 解释Hadoop分布式文件系统基本设计原则和架构的官方文档。
- The Google File System, Sanjay Ghemawat, Howard Gobioff, and Shun-Tak Leung, 2003 SOSP '03: Proceedings of the nineteenth ACM symposium on Operating systems principles (ACM) DOI: 10.1145/945445.945450 - 描述Google分布式文件系统的开创性论文，该系统对HDFS的设计和开发产生了巨大影响。
- Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems, Martin Kleppmann, 2017 (O'Reilly Media) - 这本著作涵盖了数据系统的基础概念，其中包括HDFS等分布式文件系统，并将其置于构建可伸缩和弹性应用的更广阔范围中。