2.0 KiB
2.0 KiB
id, category, confidence_score, tags, last_reinforced
| id | category | confidence_score | tags | last_reinforced | |||||
|---|---|---|---|---|---|---|---|---|---|
| DATA-PIPE-001 | 10_Wiki/💡 Topics/AI | 1.0 |
|
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, Infrastructure-as-Code-IaC, System-Design-for-AI-Scale, Data-Flywheel-Effect
- Raw Source: 10_Wiki/Topics/AI/Data-Pipeline Orchestration.md