趋近智
ETL管道入门
章节 1: 理解 ETL 基本知识
什么是数据整合？
ETL 介绍：抽取、转换、加载
ETL流程的目的
区分ETL与ELT
常见数据源和数据目标
明确ETL需求
章节 2: 提取阶段
连接数据源
完全抽取与增量抽取
处理结构化数据（例如：数据库、CSV）
半结构化数据（例如JSON、XML）简介
数据变化捕获（CDC）原理
处理提取错误
实践：模拟数据提取
章节 3: 转换阶段
数据转换的必要性
数据清洗：处理缺失值
数据清洗：纠正错误
数据验证规则
数据格式化与标准化
数据丰富：增加信息
数据结构化：数据连接与拆分
数据聚合简介
实践：应用简单转换
章节 4: 加载阶段
选择目标系统
加载策略：完整加载
加载策略：增量加载（追加/更新）
理解目标模式
模式映射：从源到目标
处理加载失败
加载后数据验证
练习：数据加载
章节 5: 搭建简单ETL数据管道
什么是 ETL 流水线？
管道工作流与依赖关系
ETL 工具分类介绍
可视化ETL工具概述
ETL 脚本编程概述
调度与自动化基础知识
监控与日志记录要点
动手实践：设计一个简单的数据管道
常见数据源和数据目标
这部分内容有帮助吗？
- The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling, Ralph Kimball and Margy Ross, 2013 (John Wiley & Sons, Inc.) - 理解数据仓库原则（包括ETL设计中的源和目标系统考量）的经典著作。(第三版)
- Database Management Systems, Raghu Ramakrishnan and Johannes Gehrke, 2002 (McGraw-Hill Education) - 提供数据库系统的全面基础知识，涵盖关系模型、SQL和数据存储。(第三版)
- Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems, Martin Kleppmann, 2017 (O'Reilly Media) - 探讨多种数据存储和处理系统，提供源和目标架构选择的见解，包括批处理和流式处理模式。
- Apache Kafka Documentation, The Apache Software Foundation, 2024 - Apache Kafka 的官方文档，Kafka 是文中所述流数据源技术的一个重要示例。