Schemalägga dagliga jobb

Introduktion till datatekniker

Vincent Vankrunkelsven

Data Engineer @ DataCamp

Vad du har gjort hittills

Extrahera med extract_course_data() och extract_rating_data()
Rensa NA-värden med transform_fill_programming_language()
Genomsnittliga kursbetyg per kurs: transform_avg_rating()
Hämta giltiga par av användar- och kurs-id: transform_courses_to_recommend()
Beräkna rekommendationerna: transform_recommendations()

Ladda till Postgres

Använd beräkningarna i dataprodukter
Uppdatera dagligen
Exempel: skicka e-post med rekommendationer

Laddningsfasen

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))

Skapa DAG:en

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,
)

Nu kör vi en övning!

Introduktion till datatekniker