《数据资产管理核心技术与应用》是由清华大学出版社出版的一本图书,该图书主要特点如下:
1、依托于大数据技术,独家解密数据血缘的底层技术实现
2、详解数据资产管理的知识体系和核心技术
3、应用元数据管理和数据建模技术,充分发挥出数据资产的更大潜力和价值。
4、全书从元数据、数据血缘、数据质量、数据服务、数据监控、数据建模、数据架构等多个维度来剖析大数据资产管理的核心技术与应用。
5、全书配套了PPT课件以及作者微信答疑服务
核心章节介绍如下:全书依托于大数据技术,独家解密数据血缘的底层技术实现
通常来说,数据血缘的来源可以包括数据源自身、数据处理的任务、数据任务的编排系统等。
- 数据源自身:比如像Hive,由于其本身就是支持通过HQL做数据处理的,所以其本身就可以通过数据处理的过程来分析从而获取血缘。
- 数据处理的任务:这点很容易理解,因为不管是实时任务还是离线任务,都会涉及到数据逻辑的处理,从数据任务的底层实现技术上来说,不管是Hadoop的Map-Reduce 任务还是Spark任务还是Flink任务,本质也都是在做数据的转换处理,有数据的转换,就可能会有数据血缘的变化。
- 数据任务的编排系统:这点也很容易理解,如下图3-1-1所示,在任务编排时,可能会将很多不同的任务节点按照依赖顺序串联起来。前一个任务节点的数据输出会是下一个任务节点的数据输入,所以肯定也会产生数据的转换,就肯定也会存在血缘。
- 重点介绍了数据血缘的底层技术实现,包括:
- 如何从Hive中获取数据血缘
- 从Spark 执行计划中获取数据血缘
- 从Spark SQL语句中获取数据血缘
- 从Flink中获取数据血缘
- 从数据任务的编排系统中获取数