ETL(데이터 추출, 변환 및 로드) 파이프라인을 구현하려면 먼저 데이터 소스, 목표, 중간 결과물과 같은 ETL 파이프라인의 각 단계에 대한 명확한 이해와 구현 계획이 필요합니다. 다음은 일반적인 ETL 파이프라인 구현 프로세스입니다:
1. 데이터 소스 이해: ETL 파이프라인의 첫 번째 단계는 데이터 소스를 결정하는 것입니다. ETL 파이프라인에 사용할 데이터 소스 유형을 식별하고 데이터 소스에서 추출할 데이터에 대한 구체적인 계획을 세웁니다.
2. ETL 도구 선택: ETL을 구현하는 데 사용할 도구를 결정합니다. ETL 프로세스의 특정 요구 사항에 따라 다양한 도구를 사용할 수 있습니다. 인기 있는 도구로는 Oracle의 Informatica, Microsoft의 Power BI, 데이터웨어하우스 툴인 Talend 등이 있습니다.
3. 추출 계획 수립: 데이터 소스에서 데이터를 추출할 계획을 세웁니다. 이 단계에서는 데이터 소스에서 필요로 하는 데이터 유형, 구조 및 형식을 파악합니다. 추출 프로세스에 대한 로드맵을 만들고, 데이터 변환 및 로드에 대한 필요성을 식별하는 것이 중요합니다.
4. 변환 계획 수립: 데이터를 변환하기 위해 실행할 프로세스를 결정합니다. 데이터 포맷을 변환하고, 데이터 유형을 변환하며, 필요한 경우 데이터 값을 정규화하거나 결합합니다.
5. 데이터 로드 계획 수립: 변환된 데이터를 데이터베이스나 기타 목적지에 로드할 계획을 세웁니다. 이 단계에서는 데이터베이스 디자인, 저장 프로시저 또는 파이프라인 구성을 결정합니다.
6. ETL 파이프라인 구현: ETL 도구를 사용하여 ETL 파이프라인을 구현합니다. 소스, 변환, 로드 단계를 순서대로 처리하여 필요한 데이터 변환을 수행합니다.
7. 데이터 품질 관리: ETL 파이프라인이 올바르게 작동하고 데이터 품질이 유지되도록 테스트하고 모니터링합니다. 데이터 오류 및 누락 항목을 검출하고 데이터 품질을 유지하기 위한 프로세스를 구현합니다.
BenchMark (KOR)
# alias
A = youjunhyeok/llama3-koen-8b-sft-v1
B = DavidAhn/Llama-3-8B-slerp-262k
C = meta-llama/Meta-Llama-3-8B
D = chihoonlee10/T3Q-ko-solar-dpo-v7.0 (24.05.24 ko 리더보드 1등)
Benchmark (macro_f1)
A
B
C
D
kobest_boolq (0-shot)
78.1
33.5
38.2
34.1
kobest_boolq (5-shot)
85.0
68.8
83.8
93.1
kobest_copa (0-shot)
80.4
58.5
63.1
81.0
kobest_copa (5-shot)
84.0
61.7
69.1
91.0
kobest_hellaswag (0-shot)
51.7
43.2
42.1
55.1
kobest_hellaswag (5-shot)
51.7
45.3
44.2
55.2
kobest_sentineg (0-shot)
81.5
34.8
51.5
82.7
kobest_sentineg (5-shot)
97.7
85.8
94.7
91.4
BenchMark (ENG)
# alias
A = youjunhyeok/llama3-koen-8b-sft-v1
B = DavidAhn/Llama-3-8B-slerp-262k
C = meta-llama/Meta-Llama-3-8B
A
B
C
openbookqa
0.310
0.312
0.338
hellaswag
0.544
0.587
0.576
boolq
0.807
0.832
0.831
arc_easy
0.753
0.808
0.815
arc_challenge
0.421
0.518
0.529
Llama_factory Train Config
{data_dir}, {dataset_name}, {output_dir} is variable
