yelp-3nf
开发的数据管道将分布在Amazon S3存储桶中JSON文件上的非关系Yelp数据集转换为存储在Amazon Redshift上的3NF标准化数据集。 生成的模式可确保跨表的数据一致性和引用完整性,并且将成为分析查询和BI工具的真实来源。 此外,该数据还丰富了来自第三方数据源的人口统计和天气数据。
整个过程使用Apache Spark,Amazon Redshift和Apache Airflow完成。
数据集
是该项目的理想选择,因为:
(1)它是NoSQL数据源;
(2)由6个文件组成,这些文件合计超过1000万行;
(3)该数据集提供了多种多样的信息,并允许许
评论0
最新资源