Introduction aux pipelines ETL et ELT

ETL et ELT en Python

Jake Roach

Data Engineer

Graphique sur la business intelligence, le machine learning et l’IA.

Pipelines de données

... déplacent les données d’une source vers une destination, avec transformation en cours de route.

Sources et destinations d’un pipeline de données.

ETL

Extraire, transformer, charger
Modèle classique de pipeline
Sources tabulaires ou non tabulaires
Utilise Python avec pandas

ELT

Extraire, charger, transformer
Modèle plus récent
Entrepôts de données
Données généralement tabulaires

Extraire, transformer, charger (ETL)

def load(data_frame, target_table):
    # Some custom-built Python logic to load data to SQL
    data_frame.to_sql(name=target_table, con=POSTGRES_CONNECTION)
    print(f"Loading data to the {target_table} table")

# Now, run the data pipeline
extracted_data = extract(file_name="raw_data.csv")
transformed_data = transform(data_frame=extracted_data)
load(data_frame=transformed_data, target_table="cleaned_data")

Extracting data from raw_data.csv
Transforming data to remove 'null' records
Loading data to the cleaned_data table

Extraire, charger, transformer (ELT)

...
def transform(source_table, target_table):
    data_warehouse.run_sql("""
        CREATE TABLE {target_table} AS
          SELECT
              <field-name>, <field-name>, ...
          FROM {source_table};
    """)

# Similar to ETL pipelines, call the extract, load, and transform functions
extracted_data = extract(file_name="raw_data.csv")
load(data_frame=extracted_data, table_name="raw_data")
transform(source_table="raw_data", target_table="cleaned_data")

Nous verrons aussi...

Graphique présentant les sujets abordés plus tard dans le cours.

Passons à la pratique !

ETL et ELT en Python