下载掌阅APP，畅读海量书库
立即打开
与Ryan Kearns共同撰写
对于任何数据从业者来说，解决生产过程中的数据质量问题都是一项关键技能，但只要有适当的系统和流程，就基本可以防止数据宕机。
与软件一样，数据在管道的任何阶段都可能会受到操作数量、编程甚至数据相关性的影响，也许只需一次模式更改或代码推送，就会让下游报告处于混乱状态。
正如我们将在第8章讨论的，解决数据质量问题并构建更可靠的管道分为三个关键组件：流程、技术和人员。在本章中，我们将解决组件中的技术部分，将数据管道的不同部分映射在一起，并了解在每个步骤中测量、修复和防止数据宕机所需的内容。
数据系统极其复杂，而数据管道中的各个阶段都导致了这种混乱。随着公司越来越多地投资于数据和分析，这种大规模构建的压力也为数据工程师带来了巨大的压力，甚至让他们在数据进入管道前就开始为质量问题负责。
在本章中，我们将重点介绍各种来自数据目录、数据仓库和数据湖中的，元数据驱动的构建模块，以便在管道的每个阶段都确保高质量的数据，并保证成功建立数据基础设施。