Фреймворки для планирования workflow

Введение в дата-инжиниринг

Vincent Vankrunkelsven

Data Engineer, DataCamp

Пример пайплайна

Пример простого пайплайна, извлекающего данные из csv с помощью Spark

Как планировать выполнение?

Вручную
Инструмент cron
А как быть с зависимостями?

DAG

Направленный ациклический граф

Набор узлов
Направленные рёбра
Без циклов

Пример DAG

Инструменты для решения задачи

cron в Linux
Prefect и Dagster
Apache Airflow

Логотип Apache Airflow

Создан в Airbnb
DAG
Python

Airflow: пример DAG

Пример DAG в Airflow

Airflow: пример кода

@dag(dag_id="example_dag",
     start_date=datetime(2024, 1, 1),
     schedule="0 * * * *")
def example_dag():

    @task
    def start_cluster(): ...
    @task
    def ingest_customer_data(): ...
    @task
    def ingest_product_data(): ...
    @task
    def enrich_customer_data(): ...

Airflow: пример кода

@dag(dag_id="example_dag", ...)
def example_dag():
    ...
    # Set up dependency flow
    cluster = start_cluster()
    customers = ingest_customer_data()
    products = ingest_product_data()
    cluster >> [customers, products]
    [customers, products] >> enrich_customer_data()
# Run the DAG
example_dag()

Давайте потренируемся!

Введение в дата-инжиниринг