Chapitre 4. Surveillance et détection des anomalies pour tes pipelines de données
Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com
Imagine que tu viens d'acheter une nouvelle voiture. D'après la vérification de routine effectuée avant l'achat, tous les systèmes fonctionnent conformément au manuel, les réservoirs d'huile et de liquide de frein sont remplis presque à ras bord et les pièces sont comme neuves - parce que, eh bien, elles le sont.
Après avoir pris les clés auprès de ton concessionnaire, tu prends la route. "Il n'y a rien de tel que l'odeur d'une voiture neuve !", penses-tu en t'engageant sur l'autoroute. Tout va pour le mieux jusqu'à ce que tu entendes un grand bruit sec. Aaaah ! Et ta voiture commence à vaciller. Tu te gares sur le bas-côté, tu allumes tes feux de détresse et tu sautes de la voiture. Après une brève enquête, tu as identifié le coupable présumé du bruit fort - un pneu crevé. Peu importe le nombre de tests ou de vérifications que ton concessionnaire aurait pu faire pour valider l'état de santé de ta voiture, il n'est pas possible de tenir compte des inconnues (c'est-à-dire des clous ou des débris sur l'autoroute) qui pourraient affecter ton véhicule.
De même, en ce qui concerne les données, tous les tests et vérifications de la qualité des données sous le soleil ne peuvent pas te protéger complètement contre les temps d'arrêt des données, qui peuvent se ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access