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
监控与日志记录要点
这部分内容有帮助吗？
- Fundamentals of Data Engineering: Planning and Building Robust Data Systems, Joe Reis, Matt Housley, 2022 (O'Reilly Media) - 本书提供了关于数据工程实践的最新且完整的视角，包括数据管道可靠性、监控和可观测性等重要章节，与ETL紧密相关。
- Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems, Martin Kleppmann, 2017 (O'Reilly Media) - 数据系统领域的奠基性著作，它涵盖了可靠性和可维护性的原则，这些原则是包括ETL管道在内的任何数据工作流进行有效监控和日志记录的基础。
- Monitoring and Logging, The Apache Software Foundation, 2025 (The Apache Software Foundation) - 官方文档，提供了在Apache Airflow（一个广泛使用的开源数据管道编排平台）中进行监控和日志记录的实用指南和最佳实践。
- Monitoring and logging for Dataflow, Google Cloud, 2024 (Google Cloud) - 这份来自Google Cloud的官方指南详细介绍了在Dataflow上执行数据管道的监控和日志记录方法及最佳实践，展示了这些基础知识在云环境中的实际应用。