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
调度与自动化基础知识
这部分内容有帮助吗？
- Apache Airflow Documentation, Apache Software Foundation, 2024 - 提供关于使用Python定义、调度和编排数据管道的全面细节，包括基于时间和传感器驱动（基于事件）的自动化。
- Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems, Martin Kleppmann, 2017 (O'Reilly Media) - 本书讨论构建可靠和可伸缩数据系统的核心原则，这对于理解自动化和调度ETL管道的要求非常重要。