Planifier des tâches quotidiennes

Introduction au data engineering

Vincent Vankrunkelsven

Data Engineer @ DataCamp

Ce que vous avez fait jusqu’ici

Extraire avec extract_course_data() et extract_rating_data()
Nettoyer les NA avec transform_fill_programming_language()
Moyenne des notes par cours : transform_avg_rating()
Paires utilisateur–cours éligibles : transform_courses_to_recommend()
Calculer les recommandations : transform_recommendations()

Chargement vers Postgres

Utiliser ces calculs dans des produits data
Mettre à jour chaque jour
Cas d’usage : envoyer des e-mails avec des recommandations

Phase de chargement

recommendations.to_sql(
    "recommendations",
    db_engine,
    if_exists="append",
)

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))

Création du 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,
)

Passons à la pratique !

Introduction au data engineering