0

我正在使用 Kiba 开发一个 ETL 管道，该管道导入到我的 Rails 应用程序中的多个相关模型中。例如，我records有很多images. 也可能collections其中包含许多records.

我的数据来源多种多样，包括 HTTP API 和 CSV 文件。我想让管道尽可能模块化和可重用，所以对于每一种新类型的源，我只需要创建源，其余的管道定义都是一样的。

给定目标中的多个模型，以及可能从源中获取数据的几个 API 调用，Kiba 中的标准模式是什么？

我可以创建一个管道，其中目标是“应用程序”并负责所有这些模型，这感觉像是错误的方法，因为目标将负责跨不同 Rails 模型保存数据、上传图像等。

我是否应该创建一个主管道来触发更具体的管道，传递特定类型的数据（例如用于导入的图像 URL）？或者有比这更好的方法吗？

谢谢。

4

1 回答 1

0

Kiba作者在这里！

在数据管道中寻找某种形式的通用性、模块化和可重用性是很自然和常见的。不过，我想说的是，就像常规代码一样，最初可能很难弄清楚获得它的正确方法是什么（这在很大程度上取决于您的具体情况）。

这就是为什么我的建议是：

  • 从简单开始（针对一项特定工作）
  • 非常重要：确保实现端到端自动化测试（使用webmock或类似于存根 API 请求并使测试完全隔离，创建从源到目标的 1 行测试）——这将使以后重构东西变得容易
  • 一旦你有了那个（1个带有测试的管道），你可以开始实现第二个，并重构以提取有趣的模式作为可重用位，并从那里迭代

根据您的具体情况，您可能会提取特定组件，或者您最终会提取整个通用作业或通用作业系列等。

即使您获得了更多使用 Kiba 的经验，这种方法也很有效（这也是我逐渐提取您将在kiba-common和kiba-pro中找到的组件的方式。

于 2020-09-12T12:12:23.447 回答