数据工程之道：设计和构建健壮的数据系统

关于封面

关于作者

附录B 云网络

附录A 序列化和压缩技术的细节

11.7 总结

11.6 超越现代数据栈，迈向实时数据栈

11.5 数据工程师的头衔和职责将发生的变化

11.4 “企业级”数据工程

11.3 云数据操作系统及其高互通性

11.2 复杂性的下降和易用的数据工具的兴起

11.1 常青的数据工程生命周期

第11章 数据工程的未来

10.5 补充资料

10.4 总结

10.3 技术

10.2 流程

10.1 人员

第10章 安全和隐私

第三部分 安全、隐私和数据工程的未来

9.10 补充资料

9.9 总结

9.8 底层设计

9.7 你和谁一起工作

9.6 反向ETL

9.5 为分析和机器学习提供数据服务的方法

9.4 数据工程师需要理解的机器学习知识

9.3 机器学习

9.2 分析

9.1 提供数据服务的常见关注点

第9章 为分析、机器学习和反向ETL提供数据服务

8.7 补充资料

8.6 总结

8.5 底层设计

8.4 你和谁一起工作

8.3 转换

8.2 数据建模

8.1 查询

第8章 查询、建模和转换

7.9 补充资料

7.8 总结

7.7 底层设计

7.6 你和谁一起工作

7.5 获取数据的方式

7.4 消息和流获取的考虑因素

7.3 批量获取的考虑因素

7.2 数据获取阶段的关键工程考虑因素

7.1 什么是数据获取

第7章 获取

6.8 补充资料

6.7 总结

6.6 底层设计

6.5 你和谁一起工作

6.4 存储的重要思想和趋势

6.3 数据工程存储抽象

6.2 数据存储系统

6.1 数据存储的原材料

第6章 存储

5.7 补充资料

5.6 总结

5.5 数据底层设计及其对源系统的影响

5.4 你和谁一起工作

5.3 源系统实际细节

5.2 源系统：主要观点

5.1 数据源：数据是如何生成的？

第5章 源系统中的数据生成

第二部分 深入数据工程生命周期

4.13 补充资料

4.12 总结

4.11 底层设计及其对技术选择的影响

4.10 优化、性能和基准战争

4.9 无服务器与服务器

4.8 单体与模块化

4.7 构建与购买

4.6 部署位置

4.5 现在与未来：不变的与暂时的技术

4.4 成本优化和商业价值

4.3 互操作性

4.2 加速市场化

4.1 团队大小和能力

第4章 根据数据生命周期选择技术

3.7 补充资料

3.6 总结

3.5 谁参与了数据架构的设计

3.4 数据架构的示例和类型

3.3 主要架构概念

3.2 好的数据架构的原则

3.1 什么是数据架构

第3章 设计好的数据架构

2.4 补充资料

2.3 总结

2.2 数据工程生命周期中的主要底层设计

2.1 什么是数据工程生命周期

第2章 数据工程生命周期

1.5 补充资料

1.4 总结

1.3 组织内部的数据工程师

1.2 数据工程技能和活动

1.1 什么是数据工程

第1章 数据工程概述

第一部分 基础和构建块

前言

译者序

本书赞誉

O'Reilly Media Inc.介绍

版权信息

封面

封面

版权信息

O'Reilly Media Inc.介绍

本书赞誉

译者序

前言

第一部分 基础和构建块

第1章 数据工程概述

1.1 什么是数据工程

1.2 数据工程技能和活动

1.3 组织内部的数据工程师

1.4 总结

1.5 补充资料

第2章 数据工程生命周期

2.1 什么是数据工程生命周期

2.2 数据工程生命周期中的主要底层设计

2.3 总结

2.4 补充资料

第3章 设计好的数据架构

3.1 什么是数据架构

3.2 好的数据架构的原则

3.3 主要架构概念

3.4 数据架构的示例和类型

3.5 谁参与了数据架构的设计

3.6 总结

3.7 补充资料

第4章 根据数据生命周期选择技术

4.1 团队大小和能力

4.2 加速市场化

4.3 互操作性

4.4 成本优化和商业价值

4.5 现在与未来：不变的与暂时的技术

4.6 部署位置

4.7 构建与购买

4.8 单体与模块化

4.9 无服务器与服务器

4.10 优化、性能和基准战争

4.11 底层设计及其对技术选择的影响

4.12 总结

4.13 补充资料

第二部分 深入数据工程生命周期

第5章 源系统中的数据生成

5.1 数据源：数据是如何生成的？

5.2 源系统：主要观点

5.3 源系统实际细节

5.4 你和谁一起工作

5.5 数据底层设计及其对源系统的影响

5.6 总结

5.7 补充资料

第6章 存储

6.1 数据存储的原材料

6.2 数据存储系统

6.3 数据工程存储抽象

6.4 存储的重要思想和趋势

6.5 你和谁一起工作

6.6 底层设计

6.7 总结

6.8 补充资料

第7章 获取

7.1 什么是数据获取

7.2 数据获取阶段的关键工程考虑因素

7.3 批量获取的考虑因素

7.4 消息和流获取的考虑因素

7.5 获取数据的方式

7.6 你和谁一起工作

7.7 底层设计

7.8 总结

7.9 补充资料

第8章 查询、建模和转换

8.1 查询

8.2 数据建模

8.3 转换

8.4 你和谁一起工作

8.5 底层设计

8.6 总结

8.7 补充资料

第9章 为分析、机器学习和反向ETL提供数据服务

9.1 提供数据服务的常见关注点

9.2 分析

9.3 机器学习

9.4 数据工程师需要理解的机器学习知识

9.5 为分析和机器学习提供数据服务的方法

9.6 反向ETL

9.7 你和谁一起工作

9.8 底层设计

9.9 总结

9.10 补充资料

第三部分 安全、隐私和数据工程的未来

第10章 安全和隐私

10.1 人员

10.2 流程

10.3 技术

10.4 总结

10.5 补充资料

第11章 数据工程的未来

11.1 常青的数据工程生命周期

11.2 复杂性的下降和易用的数据工具的兴起

11.3 云数据操作系统及其高互通性

11.4 “企业级”数据工程

11.5 数据工程师的头衔和职责将发生的变化

11.6 超越现代数据栈，迈向实时数据栈

11.7 总结

附录A 序列化和压缩技术的细节

附录B 云网络

关于作者

关于封面