이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.
|
CHAPTER 1 데이터 엔지니어링 디자인 패턴 소개_1.1 디자인 패턴이란 무엇인가?_1.2 기존 디자인 패턴만으로 충분한가?_1.3 일반적인 데이터 엔지니어링 패턴_1.4 이 책에서 사용된 사례_1.5 요약 CHAPTER 2 데이터 수집 디자인 패턴_2.1 전체 적재패턴 #01: 전체 로더_2.2 증분 적재패턴 #02: 증분 로더패턴 #03: 변경 데이터 캡처_2.3 복제패턴 #04: 패스스루 복제기패턴 #05: 변환 복제기_2.4 데이터 컴팩션패턴 #06: 컴팩터_2.5 데이터 준비패턴 #07: 준비 마커_2.6 이벤트 주도패턴 #08: 외부 트리거_2.7 요약 CHAPTER 3 오류 관리 디자인 패턴_3.1 처리할 수 없는 레코드패턴 #09: 데드 레터_3.2 중복된 레코드패턴 #10: 윈도 중복 제거_3.3 지연 데이터패턴 #11: 지연 데이터 탐지기패턴 #12: 정적 지연 데이터 통합기패턴 #13: 동적 지연 데이터 통합기_3.4 필터링패턴 #14: 필터 인터셉터_3.5 내결함성패턴 #15: 체크포인터_3.6 요약 CHAPTER 4 멱등성 디자인 패턴_4.1 덮어쓰기패턴 #16: 빠른 메타데이터 정리기패턴 #17: 데이터 덮어쓰기_4.2 갱신패턴 #18: 병합기패턴 #19: 상태 저장 병합기_4.3 데이터베이스패턴 #20: 키 기반 멱등성패턴 #21: 트랜잭션 기반 작성자_4.4 불변의 데이터셋패턴 #22: 프록시_4.5 요약 CHAPTER 5 데이터 가치 디자인 패턴_5.1 데이터 강화패턴 #23: 정적 조이너패턴 #24: 동적 조이너_5.2 데이터 데코레이션패턴 #25: 래퍼패턴 #26: 메타데이터 데코레이터_5.3 데이터 집계패턴 #27: 분산 집계기패턴 #28: 로컬 집계기_5.4 세션화패턴 #29: 증분 세션화 처리기패턴 #30: 상태 저장 세션화 처리기_5.5 데이터 정렬패턴 #31: 빈 팩 정렬기패턴 #32: 선입 선출 정렬기_5.6 요약 CHAPTER 6 데이터 흐름 디자인 패턴_6.1 시퀀스패턴 #33: 로컬 시퀀서패턴 #34: 독립된 시퀀서_6.2 팬인패턴 #35: 정렬된 팬인패턴 #36: 비정렬 팬인_6.3 팬아웃패턴 #37: 병렬 분할패턴 #38: 배타적 선택_6.4 오케스트레이션패턴 #39: 단일 실행기패턴 #40: 동시 실행기_6.5 요약 CHAPTER 7 데이터 보안 디자인 패턴_7.1 데이터 제거패턴 #41: 수직 파티셔너패턴 #42: 제자리 덮어쓰기_7.2 접근 제어패턴 #43: 테이블에 대한 세밀한 접근자패턴 #44: 자원에 대한 세밀한 접근자_7.3 데이터 보호패턴 #45: 암호화기패턴 #46: 익명화기패턴 #47: 의사 익명화기_7.4 연결성패턴 #48: 비밀 포인터패턴 #49: 비밀 없는 커넥터_7.5 요약 CHAPTER 8 데이터 스토리지 디자인 패턴_8.1 파티셔닝패턴 #50: 수평 파티셔너패턴 #51: 수직 파티셔너_8.2 레코드 구성패턴 #52: 버킷패턴 #53: 정렬기_8.3 조회 성능 최적화패턴 #54: 메타데이터 강화기패턴 #55: 데이터셋 구체화기패턴 #56: 매니페스트_8.4 데이터 표현패턴 #57: 정규화기패턴 #58: 역정규화기_8.5 요약 CHAPTER 9 데이터 품질 디자인 패턴_9.1 품질 확보패턴 #59: 감사-쓰기-감사-배포(AWAP)패턴 #60: 제약 조건 적용자_9.2 스키마 일관성패턴 #61: 스키마 호환성 적용자패턴 #62: 스키마 마이그레이터_9.3 품질 관찰패턴 #63: 오프라인 옵서버패턴 #64: 온라인 옵서버_9.4 요약 CHAPTER 10 데이터 관찰 가능성 디자인 패턴_10.1 데이터 탐지기패턴 #65: 흐름 중단 탐지기패턴 #66: 스큐 탐지기_10.2 시간 탐지기패턴 #67: 지연 탐지기패턴 #68: SLA 위반 탐지기_10.3 데이터 계보패턴 #69: 데이터셋 추적기패턴 #70: 세밀한 추적기_10.4 요약 APPENDIX 디자인 패턴 요약
|
Bartosz Konieczny
김인범의 다른 상품
|
처음부터 다시 만들 필요는 없다 답은 이미 패턴에 있다데이터 엔지니어링에서도 디자인 패턴은 이제 선택이 아닌 필수적인 사고 도구로 자리 잡고 있습니다.이 책은 소프트웨어 엔지니어링 분야에서 검증된 디자인 패턴 개념을 데이터 엔지니어링으로 확장해, 이 영역에서 디자인 패턴이 무엇을 의미하는지부터 차근차근 설명합니다.데이터 수집을 출발점으로 오류 관리와 멱등성, 재시도와 백필 시나리오까지 실제 파이프라인에서 반드시 마주치는 문제를 설계 관점에서 살펴봅니다. 이어 데이터 가치를 창출하기 위한 데이터 결합과 흐름 설계, 보안과 스토리지 전략을 통해 파이프라인을 조직 전체의 데이터 아키텍처로 확장하는 방법을 다룹니다. 또한 데이터 품질과 관찰 가능성 패턴을 통해 문제를 사전에 감지하고, 신뢰할 수 있는 데이터 시스템을 구축하는 접근법을 제시합니다.각 장은 특정 기술에 대한 설명이 아니라, 반복적으로 등장하는 문제와 그에 대한 검증된 해결 구조에 초점을 맞춰 환경이 달라져도 적용 가능한 기준을 제공합니다.이 책을 통해 독자는 복잡한 데이터 파이프라인을 보다 체계적으로 사고하고, 상황에 맞는 설계 결정을 내리는 데 필요한 데이터 엔지니어링 디자인 패턴의 핵심을 익힐 수 있습니다.
|