사전 지식이 필요합니다
- Medallion 아키텍처 — Bronze(원본) → Silver(정제) → Gold(집계) 데이터 계층
- SDP(Spark Declarative Pipelines) — 선언적 파이프라인 프레임워크
- Lakeflow Jobs — 워크플로우 오케스트레이션 도구
- Lakeflow Connect — 외부 DB 데이터 수집
주요 용어 정리
패턴 1: Lakeflow Jobs로 E2E 오케스트레이션
Lakeflow Jobs는 여러 종류의 태스크를 DAG로 조합하여 전체 파이프라인을 하나의 워크플로로 관리합니다. 수집 → 변환 → 품질 검증 → 서빙까지 하나의 Job으로 구성할 수 있습니다. Job: daily-data-pipeline패턴 2: CDC 파이프라인 — SCD Type 1 vs Type 2
CDC(Change Data Capture) 데이터를 처리할 때 가장 중요한 결정은 SCD(Slowly Changing Dimension) 전략 입니다.SCD Type 1: 최신 값으로 덮어쓰기
변경 이력을 보존하지 않고, 항상 최신 값만 유지 합니다.SCD Type 2: 변경 이력 보존
모든 변경 이력을 별도 행으로 보존 합니다.__START_AT, __END_AT 컬럼으로 유효 기간을 관리합니다.
SCD Type 1 vs Type 2 선택 기준
실전: 하이브리드 전략 (Type 1 + Type 2 동시 운영)
대부분의 프로덕션 환경에서는 같은 소스에서 Type 1과 Type 2를 동시에 생성 합니다.
💡 왜 하이브리드인가? Type 2만 사용하면 Gold 계층의 JOIN이 복잡해집니다 (__END_AT IS NULL 조건이 매번 필요). Type 1의 “현재 상태” 테이블을 별도로 유지하면 Gold 집계가 단순하고 빠릅니다.
패턴 3: CDC → CDF → 다운스트림 전파
외부 DB의 CDC를 수집하고, Delta CDF(Change Data Feed)로 다운스트림에 전파하는 전체 흐름입니다.파이프라인 오케스트레이션 모범 사례
관련 가이드
이 가이드의 기초 문서:- Medallion 아키텍처 — Bronze/Silver/Gold 설계 패턴
- SDP 개요 — 선언적 파이프라인
- SDP CDC와 SCD — CDC 처리 상세
- Lakeflow Jobs — 워크플로우 오케스트레이션
- Lakeflow Connect — 외부 DB 수집
- Structured Streaming —
foreachBatch, 체크포인트 상세 - Lakeflow 증분 처리 — Full Refresh 방지 전략