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
加载策略：增量加载（追加/更新）
这部分内容有帮助吗？
- The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling, Ralph Kimball, Margy Ross, 2013 (John Wiley & Sons, Inc.) - 涵盖基础ETL概念、维度建模以及与增量更新和插入相关的加载策略。
- Fundamentals of Data Engineering: Plan and Build Robust Data Systems, Joe Reis, Matt Housley, 2022 (O'Reilly Media) - 在现代数据工程管道的背景下，讨论了各种数据加载模式和策略，包括增量方法。
- Debezium Documentation: Change Data Capture for various databases, Debezium Community, 2024 - 提供了变更数据捕获（CDC）机制的详细信息，这是识别源系统中用于增量加载的变更的技术。
- PostgreSQL Documentation: INSERT (ON CONFLICT DO UPDATE/NOTHING), The PostgreSQL Global Development Group, 2024 - 解释了
INSERT ... ON CONFLICT语句，这是许多关系数据库中实现增量更新的upsert操作的直接SQL实现。