---
id: DATA-PIPE-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 1.0
tags: [data-engineering, mlops, data-pipeline, orchestration, airflow]
last_reinforced: 2026-04-26
---

# Data Pipeline Orchestration (데이터 파이프라인 오케스트레이션)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "복잡하게 얽힌 데이터의 흐름을 조율하고 장애를 자동 복구하는 지휘자가 되어라" — 데이터 수집, 변환, 학습, 배포에 이르는 수많은 작업(Task)들 간의 의존성을 관리하고, 스케줄링 및 모니터링을 자동화하는 시스템 아키텍처.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** 워크플로우를 유향 비순환 그래프(DAG)로 모델링하여, 특정 작업의 실패가 전체 시스템에 미치는 영향을 최소화하고 재시도(Retry) 및 알람을 자동화하는 운영 패턴.
- **핵심 기능:**
    - **DAG Management:** 작업 간의 선후 관계 정의.
    - **Scheduling:** 특정 시간이나 이벤트 발생 시 자동으로 파이프라인 실행.
    - **Error Handling:** 작업 실패 시 자동 재시도 및 상태 기록.
    - **Observability:** 파이프라인 각 단계의 처리 속도와 데이터 품질 모니터링.
- **주요 도구:** Apache Airflow, Prefect, Dagster, Kubeflow Pipelines.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 단순한 크론탭(Crontab) 기반의 스크립트 실행에서, 코드로서의 인프라(IaC) 관점이 도입된 복잡한 워크플로우 관리 엔진으로 진화.
- **정책 변화:** Antigravity 프로젝트는 외부 위키 데이터 수집 및 임베딩 업데이트 시 Airflow 기반의 오케스트레이션을 활용하여 데이터 일관성을 보장함.

## 🔗 지식 연결 (Graph)
- [[MLOps|MLOps]], [[Infrastructure-as-Code-IaC|Infrastructure-as-Code-IaC]], System-Design-for-AI-Scale, [[Data-Flywheel-Effect|Data-Flywheel-Effect]]
- **Raw Source:** 10_Wiki/Topics/AI/Data-Pipeline Orchestration.md