Wprowadzenie do potoków ETL i ELT

ETL i ELT w Pythonie

Jake Roach

Data Engineer

Grafika przedstawiająca business intelligence, uczenie maszynowe i AI.

Potoki danych

... odpowiadają za przenoszenie danych ze źródła do miejsca docelowego i ich transformację na pewnym etapie tego procesu.

Źródła i miejsca docelowe potoku danych.

ETL

Ekstrakcja, transformacja, ładowanie
Tradycyjny wzorzec projektowania potoków danych
Źródła tabelaryczne i nietabelaryczne
Wykorzystanie Pythona z pandas

ELT

Ekstrakcja, ładowanie, transformacja
Nowszy wzorzec
Hurtownie danych
Zazwyczaj dane tabelaryczne

Ekstrakcja, transformacja, ładowanie (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

Ekstrakcja, ładowanie, transformacja (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")

Omówimy również...

Grafika przedstawiająca tematy omawiane w dalszej części kursu.

Czas na ćwiczenia!

ETL i ELT w Pythonie