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
ETL 脚本编程概述
这部分内容有帮助吗？
- Fundamentals of Data Engineering, Joe Reis, Matt Housley, 2022 (O'Reilly Media) - 本书提供了现代数据工程的全面指南，涵盖了数据管道、ETL/ELT 原理以及使用代码实现数据处理的实践。
- Python for Data Analysis, Wes McKinney, 2022 (O'Reilly Media) - 由
pandas的创建者编写，这本重要指南详细介绍了 Python 中的数据操作、清洗和准备技术，这些技术对于脚本化 ETL 的转换阶段至关重要。(第三版) - pandas documentation, The pandas development team, 2025 -
pandas库的官方和最新参考资料，为 Python ETL 中用于数据操作的所有数据结构和函数提供详细信息和示例。