Programar tareas diarias

Introducción a la ingeniería de datos

Vincent Vankrunkelsven

Data Engineer @ DataCamp

Lo que has hecho hasta ahora

 

  • Extrae con extract_course_data() y extract_rating_data()
  • Rellena NAs con transform_fill_programming_language()
  • Promedia valoraciones por curso: transform_avg_rating()
  • Obtén pares válidos usuario–curso: transform_courses_to_recommend()
  • Calcula recomendaciones: transform_recommendations()
Introducción a la ingeniería de datos

Cargar en Postgres

 

  • Usa los cálculos en data products
  • Actualiza a diario
  • Caso de uso: enviar emails con recomendaciones
Introducción a la ingeniería de datos

Fase de carga

 

recommendations.to_sql(
    "recommendations",
    db_engine,
    if_exists="append",
)
Introducción a la ingeniería de datos
def etl(db_engines):
    # Extract the data
    courses = extract_course_data(db_engines)
    rating = extract_rating_data(db_engines)
    # Clean up courses data
    courses = transform_fill_programming_language(courses)

# Get the average course ratings avg_course_rating = transform_avg_rating(rating)
# Get eligible user and course id pairs courses_to_recommend = transform_courses_to_recommend( rating, courses, )
# Calculate the recommendations recommendations = transform_recommendations( avg_course_rating, courses_to_recommend, )
# Load the recommendations into the database load_to_dwh(recommendations, db_engine))
Introducción a la ingeniería de datos

Crear el DAG

from airflow.models import DAG
from airflow.operators.python_operator import PythonOperator

dag = DAG(dag_id="recommendations",
          scheduled_interval="0 0 * * *")

task_recommendations = PythonOperator( task_id="recommendations_task", python_callable=etl, )
Introducción a la ingeniería de datos

¡Vamos a practicar!

Introducción a la ingeniería de datos

Preparing Video For Download...