日次ジョブのスケジューリング

データエンジニアリング入門

Vincent Vankrunkelsven

Data Engineer @ DataCamp

これまでに行ったこと

extract_course_data() と extract_rating_data() で抽出
transform_fill_programming_language() で NA を補完
コース別平均評価: transform_avg_rating()
推薦対象のユーザー×コースID取得: transform_courses_to_recommend()
推薦を計算: transform_recommendations()

Postgres へのロード

計算結果をデータプロダクトで使用
日次更新
例: 推薦メールの送信

ロード工程

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))

DAG の作成

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,
)

演習に進みましょう！

データエンジニアリング入門