Introduzione alle pipeline ETL ed ELT

ETL and ELT in Python

Jake Roach

Data Engineer

Grafica di business intelligence, machine learning e AI.

Data pipeline

... servono a spostare i dati da una sorgente a una destinazione, trasformandoli lungo il percorso.

Sorgenti e destinazioni di una data pipeline.

ETL

Extract, transform, load
Modello tradizionale di data pipeline
Sorgenti tabellari o non tabellari
Usa Python con pandas

ELT

Extract, load, transform
Modello più recente
Data warehouse
Tipicamente dati tabellari

Extract, transform, load (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

Extract, load, transform (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")

Vedremo anche...

Grafica che mostra argomenti che vedrai più avanti nel corso.

Esercitiamoci!

ETL and ELT in Python