페이지 - 효율적인 독서

책소개

데이터 파이프라인은 데이터 분석의 성공을 위한 기반이다. 이 핵심 가이드 북은 데이터 파이프라인을 정의하고 최신 데이터 스택에서 작동하는 방식을 설명한다.

▣ 01장: 데이터 파이프라인 소개 데이터 파이프라인이란? 누가 파이프라인을 구축할까? ___SQL과 데이터 웨어하우징 기초 ___파이썬 그리고/또는 자바 ___분산 컴퓨팅 ___기본 시스템 관리 ___목표 지향적 사고방식 왜 데이터 파이프라인을 구축할까? 어떻게 데이터 파이프라인을 구축할까? ▣ 02장: 최신 데이터 인프라 데이터 소스의 다양성 ___소스 시스템 소유권 ___수집 인터페이스 및 데이터 구조 ___데이터 사이즈 ___데이터 클렌징 작업과 유효성 검사 ___소스 시스템의 지연 시간 및 대역폭 클라우드 데이터 웨어하우스 및 데이터 레이크 데이터 수집 도구 데이터 변환 및 모델링 도구 워크플로 오케스트레이션 플랫폼 ___방향성 비순환 그래프 데이터 인프라 커스터마이징 ▣ 03장: 일반적인 데이터 파이프라인 패턴 ETL과 ELT ETL을 넘어선 ELT의 등장 EtLT 하위 패턴 데이터 분석을 위한 ELT 데이터 과학을 위한 ELT 데이터 제품 및 머신러닝을 위한 ELT ___머신러닝 파이프라인의 단계 ___파이프라인에 피드백 통합 ___ML 파이프라인에 대한 추가 자료 ▣ 04장: 데이터 수집: 데이터 추출 파이썬 환경 설정 클라우드 파일 스토리지 설정 MySQL 데이터베이스에서 데이터 추출 ___전체 또는 증분 MySQL 테이블 추출 ___MySQL 데이터의 이진 로그 복제 PostgreSQL 데이터베이스에서 데이터 추출 ___전체 또는 증분 Postgres 테이블 추출 ___Write-Ahead 로그를 사용한 데이터 복제 MongoDB에서 데이터 추출 REST API에서 데이터 추출 카프카 및 Debezium을 통한 스트리밍 데이터 수집 ▣ 05장: 데이터 수집: 데이터 로드 Amazon Redshift 웨어하우스를 대상으로 구성 Redshift 웨어하우스에 데이터 로드 ___증분 및 전체 로드 ___CDC 로그에서 추출한 데이터 로드 Snowflake 웨어하우스를 대상으로 구성3 Snowflake 데이터 웨어하우스에 데이터 로드 파일 스토리지를 데이터 레이크로 사용 오픈 소스 프레임워크 상업적 대안 ▣ 06장: 데이터 변환하기 비문맥적 변환 ___테이블에서 레코드 중복 제거 ___URL 파싱 언제 변환할 것인가, 수집 중 혹은 수집 후? 데이터 모델링 기초 ___주요 데이터 모델링 용어 ___완전히 새로 고침 된 데이터 모델링 ___완전히 새로 고침 된 데이터의 차원을 천천히 변경 ___증분 수집된 데이터 모델링 ___추가 전용(Append-only) 데이터 모델링 ___변경 캡처 데이터 모델링 ▣ 07장: 파이프라인 오케스트레이션 ___방향성 비순환 그래프 아파치 에어플로우 설정 및 개요 ___설치 및 구성 ___에어플로우 데이터베이스 ___웹 서버 및 UI ___스케줄러 ___실행기(Executors) ___연산자(Operators) 에어플로우 DAG 구축 ___간단한 DAG ___ELT 파이프라인 DAG 추가 파이프라인 작업 ___경고 및 알림 ___데이터 유효성 검사 고급 오케스트레이션 구성 ___결합된 파이프라인 작업 대 결합되지 않은 파이프라인 작업 ___DAG를 분할해야 하는 경우 ___센서로 여러 DAG 조정 관리형 에어플로우 옵션 기타 오케스트레이션 프레임워크 일찍 그리고 자주 검증할 것 ▣ 08장: 파이프라인의 데이터 검증 ___소스 시스템 데이터 품질 ___데이터 수집 위험 ___데이터 분석가 검증 활성화 간단한 검증 프레임워크 ___유효성 검사기 프레임워크 코드 ___검증 테스트의 구조 ___검증 테스트 실행 ___에어플로우 DAG에서의 사용 ___파이프라인을 중단해야 할 때와 경고하고 계속해야 할 때 ___프레임워크의 확장 검증 테스트 예제 ___수집 후 중복된 레코드 ___수집 후의 예기치 않은 행 개수 ___지표 값 변동 상용 및 오픈 소스 데이터 검증 프레임워크 소스 시스템의 변경 사항 처리 ▣ 09장: 파이프라인 유지 관리 모범 사례 ___추상화 도입 ___데이터 계약 유지 관리 ___Schema-on-Read의 고려사항 확장 복잡성 ___데이터 수집 표준화 ___데이터 모델링 로직의 재사용 ___종속성 무결성 보장 중요 파이프라인 지표