VS Code Setup for Analytics Engineering in Tamil
VS Code Setup for Analytics Engineering – Professional Development Environment
ஒரு Analytics Engineering Project-ல் வெற்றி பெறுவதற்கு Python அல்லது SQL மட்டும் தெரிந்தால் போதாது. முதலில் ஒரு Professional Development Environment உருவாக்க வேண்டும்.
பல Beginners Code எழுத ஆரம்பிப்பதற்கு முன்பே ஒரு பெரிய தவறு செய்கிறார்கள். Desktop-ல் ஒரு Random Folder உருவாக்கி, எல்லா Files-யும் ஒரே இடத்தில் Save செய்து Project-ஐ ஆரம்பித்து விடுகிறார்கள். ஆரம்பத்தில் இது எளிதாக தோன்றினாலும், Project பெரியதாக வளரும்போது Files-ஐ Manage செய்வதும், புதிய Features Add செய்வதும், Team உடன் Collaborate செய்வதும் மிகவும் சிரமமாகிவிடும்.
அதனால்தான் Enterprise Projects-ல் Development ஆரம்பிப்பதற்கு முன் Visual Studio Code (VS Code) Install செய்து, சரியான Project Folder Structure உருவாக்குவது ஒரு முக்கியமான Best Practice ஆகும்.
இந்த Analytics Engineering Series-ல் நாமும் அதே Enterprise Approach-ஐ Follow செய்யப் போகிறோம். ஆரம்பத்திலிருந்தே Professional முறையில் Project Setup செய்தால், அடுத்த Episodes-ல் Python Scripts, API Integration, Snowflake Loading, dbt Models மற்றும் Power BI Development ஆகிய அனைத்தையும் ஒரே Project-ல் Organize செய்து Build செய்ய மிகவும் எளிதாக இருக்கும்.
VS Code என்பது ஒரு சாதாரண Code Editor அல்ல. இது Developers, Data Engineers, Analytics Engineers மற்றும் Python Developers அதிகமாக பயன்படுத்தும் Powerful Development Tool. Built-in Terminal, Git Integration, Extensions, IntelliSense மற்றும் Debugging போன்ற வசதிகள் இருப்பதால் Development வேகமாகவும் Efficient-ஆகவும் நடைபெறும்.
இந்த Episode-ல் VS Code-ஐ Install செய்வதுடன் மட்டுமல்லாமல், ஒரு Enterprise Analytics Project-க்கு ஏற்ற Project Structure எப்படி உருவாக்க வேண்டும், Files மற்றும் Folders-ஐ எப்படி Organize செய்ய வேண்டும், VS Code Interface-ஐ எப்படி பயன்படுத்த வேண்டும் என்பதையும் Step-by-Step பார்க்கப் போகிறோம்.
💡 Why is this important?
ஒரு நல்ல Project Structure உருவாக்குவது ஆரம்பத்தில் சிறிய விஷயமாக தோன்றலாம். ஆனால் அதுவே Project Maintainability, Team Collaboration, Git Version Control மற்றும் Scalability ஆகியவற்றில் மிகப்பெரிய வித்தியாசத்தை உருவாக்குகிறது.
Why Every Analytics Engineering Project Needs a Proper Project Structure
ஒரு Analytics Engineering Project ஆரம்பிக்கும்போது பலரும் நேரடியாக Python Script எழுத ஆரம்பித்து விடுகிறார்கள். Learning Perspective-ல் அது பரவாயில்லை. ஆனால் Real-World Enterprise Projects-ல் இந்த Approach வேலை செய்யாது.
ஒரு Project-ல் நாளுக்கு நாள் புதிய Files, Scripts, Configuration Files, Documentation, SQL Queries, Python Programs, dbt Models, Power BI Files என்று பல Components சேர ஆரம்பிக்கும்.
அனைத்தையும் ஒரே Folder-ல் வைத்தால் ஆரம்பத்தில் எளிதாக இருக்கும். ஆனால் சில நாட்களில் எந்த File எதற்காக பயன்படுத்தப்படுகிறது என்று கண்டுபிடிப்பதே கடினமாகிவிடும்.
அதனால்தான் Enterprise Teams Project ஆரம்பிக்கும் முதல் நாளிலேயே Proper Folder Structure உருவாக்குகிறார்கள்.
ஒரு நல்ல Project Structure ஏன் முக்கியம்?
ஒரு Professional Project Structure வைத்திருப்பதால் பல நன்மைகள் கிடைக்கும்.
✅ Easy Project Maintenance
Project-ல் 5 Files இருக்கும் போது எல்லாமே நினைவில் இருக்கும்.
ஆனால் 50 அல்லது 100 Files ஆன பிறகு எந்த Script என்ன செய்கிறது என்பதை நினைவில் வைத்துக்கொள்வது மிகவும் கடினம்.
Proper Folder Structure இருந்தால் தேவையான File-ஐ சில Seconds-லேயே கண்டுபிடிக்க முடியும்.
✅ Better Team Collaboration
Enterprise Projects-ல் ஒரு Project-ஐ ஒரே Developer மட்டும் Develop செய்வதில்லை.
பல Developers ஒரே Project-ல் வேலை செய்வார்கள்.
ஒரு Standard Folder Structure இருந்தால்,
- புதிய Team Member Project-ஐ விரைவாக புரிந்துகொள்ள முடியும்.
- Code Review எளிதாக இருக்கும்.
- Collaboration Improve ஆகும்.
✅ Easier Git Version Control
நாம் அடுத்த Episodes-ல் Git & GitHub பயன்படுத்தப் போகிறோம்.
Git பயன்படுத்தும்போது Organized Project Structure இருந்தால்,
- File Changes Track செய்வது எளிது.
- Merge Conflicts குறையும்.
- Project History Maintain செய்ய முடியும்.
இதனால் Version Control மிகவும் Professional-ஆக இருக்கும்.
✅ Scalability
இன்று Project-ல் ஒரு Python Script மட்டுமே இருக்கலாம்.
ஆனால் சில வாரங்களில்,
- Multiple Python Scripts
- SQL Files
- Configuration Files
- API Scripts
- Documentation
- Log Files
என்று Project பெரிதாக வளர ஆரம்பிக்கும்.
அப்போது Proper Structure இல்லையென்றால் Project-ஐ Manage செய்வது மிகவும் சிரமமாகிவிடும்.
Poor Structure vs Professional Structure
| ❌ Poor Practice | ✅ Professional Practice |
|---|---|
| Desktop-ல் Random Folder | Dedicated Project Folder |
| All Files in One Folder | Separate Folders for Each Purpose |
| Random File Names | Meaningful Naming Convention |
| No Documentation | Documentation Folder |
| Manual Organization | Standard Enterprise Structure |
| Difficult to Maintain | Easy to Maintain |
இந்த Table-ஐ பார்த்தாலே Professional Teams ஏன் Folder Structure-க்கு முக்கியத்துவம் கொடுக்கிறார்கள் என்பது புரியும்.
Real-World Example
ஒரு Airline Analytics Project-ஐ எடுத்துக்கொள்வோம்.
நாம் Build செய்யப் போகும் Project-ல்,
- API மூலம் Flight Data Collect செய்ய வேண்டும்.
- Snowflake-ல் Data Load செய்ய வேண்டும்.
- dbt Models உருவாக்க வேண்டும்.
- Power BI Dashboard Build செய்ய வேண்டும்.
இவை அனைத்தையும் ஒரே Folder-ல் வைத்தால் Project மிகவும் Confusing ஆகிவிடும்.
அதற்கு பதிலாக ஒவ்வொரு Component-க்கும் தனி Folder உருவாக்கினால் Project மிகவும் Clean மற்றும் Professional-ஆக இருக்கும்.
💡 Enterprise Insight: Microsoft, Amazon, TCS, Accenture, Cognizant போன்ற நிறுவனங்களில் Folder Structure என்பது ஒரு Coding Style அல்ல. அது ஒரு Development Standard.
Analytics Engineering Project Structure
இந்த Series முழுவதும் நாம் கீழ்க்கண்ட Project Structure-ஐ Follow செய்யப் போகிறோம்.
AnalyticsEngineeringProject/ │ ├── data/ ├── scripts/ ├── config/ ├── notebooks/ ├── docs/ ├── logs/ ├── output/ ├── requirements.txt └── README.md
இந்த Structure-ஐ அடுத்த Sections-ல் ஒவ்வொரு Folder-ஆக விரிவாகப் புரிந்துகொள்வோம்.
💡 Best Practice
Project ஆரம்பிக்கும் முதல் நாளிலிருந்தே Professional Folder Structure உருவாக்கும் பழக்கத்தை வளர்த்துக்கொள்ளுங்கள்.
இது Interview-களில் மட்டுமல்ல, Real-World Enterprise Projects-லும்கூட உங்கள் Professionalism-ஐ வெளிப்படுத்தும்.
Installing Visual Studio Code
ஒரு Analytics Engineering Project Build செய்ய வேண்டுமெனில், முதலில் ஒரு Professional Development Tool தேவை. அதற்காக உலகம் முழுவதும் அதிகமாக பயன்படுத்தப்படும் Code Editor தான் Visual Studio Code (VS Code).
Microsoft உருவாக்கிய இந்த Editor, Python Developers, Data Engineers, Analytics Engineers, Web Developers மற்றும் DevOps Engineers என அனைவராலும் பரவலாக பயன்படுத்தப்படுகிறது.
இதன் முக்கிய காரணம், இது Free, Lightweight, Fast, மற்றும் Highly Customizable என்பதுதான்.
Why We Are Using VS Code?
இந்த Series-ல் Python Scripts எழுதப் போகிறோம்.
அதே Project-ல்,
- API Integration
- Snowflake SQL
- Configuration Files
- JSON Files
- Git
- Documentation
என பல்வேறு Files-ஐ Manage செய்ய வேண்டியிருக்கும்.
இதையெல்லாம் ஒரே இடத்தில் Efficient-ஆக Handle செய்ய VS Code மிகவும் சிறந்த Tool.
VS Code-ன் முக்கிய Features
VS Code ஒரு சாதாரண Text Editor அல்ல. இது ஒரு Complete Development Environment.
இதில் கிடைக்கும் முக்கிய Features:
- ✅ Intelligent Code Completion (IntelliSense)
- ✅ Built-in Terminal
- ✅ Git Integration
- ✅ Extension Marketplace
- ✅ Python Support
- ✅ Syntax Highlighting
- ✅ Debugging
- ✅ Multi-language Support
- ✅ Cross Platform Compatibility
இதனால் Development வேகமாகவும், Error குறைவாகவும் இருக்கும்.
Downloading VS Code
VS Code-ஐ Download செய்வது மிகவும் எளிது.
Microsoft-ன் Official Website-க்கு சென்று உங்கள் Operating System-க்கு ஏற்ற Installer-ஐ Download செய்யலாம்.
Supported Platforms:
- Windows
- macOS
- Linux
💡 Recommendation: எப்போதும் Official Website-லிருந்து Latest Stable Version-ஐ Download செய்யுங்கள். இதனால் Security Updates மற்றும் புதிய Features கிடைக்கும்.
Installing VS Code
Installation Process மிகவும் Straightforward.
பொதுவாக Installation Steps:
- Installer Download செய்யுங்கள்.
- Installer-ஐ Run செய்யுங்கள்.
- License Agreement Accept செய்யுங்கள்.
- Installation Location தேர்வு செய்யுங்கள்.
- Default Options-ஐ வைத்தே Continue செய்யலாம்.
- Install Button-ஐ Click செய்யுங்கள்.
- Installation Complete ஆன பிறகு VS Code-ஐ Launch செய்யுங்கள்.
சில நிமிடங்களில் Installation முடிந்துவிடும்.
First Launch of VS Code
VS Code-ஐ முதல் முறையாக Open செய்தவுடன் ஒரு Clean Interface காணப்படும்.
ஆரம்பத்தில் அது Empty-ஆக இருக்கும்.
இது சாதாரணம்.
அடுத்த Step-ல் நமது Analytics Engineering Project Folder-ஐ Open செய்யப் போகிறோம்.
அதன் பிறகே VS Code முழுமையாக ஒரு Development Workspace-ஆக மாறும்.
VS Code Interface Overview
VS Code-ஐ Open செய்தவுடன் பல பகுதிகளை கவனிக்கலாம்.
| Section | Purpose |
|---|---|
| Activity Bar | முக்கிய Tools-க்கு Quick Access |
| Explorer | Project Files மற்றும் Folders |
| Editor | Code எழுதும் பகுதி |
| Terminal | Commands Run செய்வது |
| Status Bar | Current Project தகவல்கள் |
| Extensions | புதிய Features Install செய்வது |
ஒவ்வொரு பகுதியும் Development Process-ஐ வேகமாகவும் எளிதாகவும் மாற்ற உதவுகிறது.
Why VS Code is Popular Among Analytics Engineers?
பல IDE-கள் மற்றும் Editors இருந்தாலும், Analytics Engineers பெரும்பாலும் VS Code-ஐ தேர்வு செய்கிறார்கள்.
அதற்கான முக்கிய காரணங்கள்:
🚀 Lightweight Performance
VS Code மிகவும் Fast-ஆக Open ஆகும். பெரிய Projects-யும் Smooth-ஆக Handle செய்யும்.
🐍 Excellent Python Support
Python Extension Install செய்தவுடன்,
- Code Suggestions
- Auto Completion
- Error Detection
- Debugging
போன்ற வசதிகள் கிடைக்கும்.
❄️ Snowflake Development
Snowflake SQL Scripts எழுதவும், Python மூலம் Snowflake Connect செய்யவும் VS Code மிகவும் பயனுள்ளதாக இருக்கும்.
🌐 Git Integration
Git மற்றும் GitHub பயன்படுத்த தனியாக Software Open செய்ய வேண்டிய அவசியமில்லை.
VS Code-லேயே Commit, Push, Pull போன்ற Operations செய்ய முடியும்.
🔌 Rich Extension Marketplace
Power BI, Python, SQL, Docker, GitHub, Markdown போன்ற ஆயிரக்கணக்கான Extensions கிடைக்கின்றன.
இதனால் VS Code-ஐ உங்கள் தேவைக்கேற்ப Customize செய்யலாம்.
Best Practices After Installation
VS Code Install செய்தவுடன் உடனே Coding ஆரம்பிக்க வேண்டாம்.
முதலில் கீழ்கண்டவற்றை Configure செய்வது நல்ல Practice.
- Create a Dedicated Project Folder
- Open the Folder as a Workspace
- Install Required Extensions
- Verify Python Installation
- Configure Integrated Terminal
- Enable Auto Save (Optional)
இந்த Initial Setup முடிந்த பிறகு Development மிகவும் Smooth-ஆக இருக்கும்.
💡 Enterprise Tip: Enterprise Teams-ல் எல்லா Developers-மும் ஒரே Development Environment பயன்படுத்துவது மிகவும் பொதுவான நடைமுறை. இதனால் Project Setup, Troubleshooting மற்றும் Team Collaboration மிகவும் எளிதாகிறது.
Understanding VS Code Explorer & Creating the Analytics Engineering Project Folder
VS Code Install செய்த பிறகு அடுத்த முக்கியமான Step, ஒரு Professional Project Workspace உருவாக்குவது.
பல Beginners VS Code-ஐ Open செய்தவுடன் உடனே புதிய Python File Create செய்து Coding ஆரம்பித்து விடுகிறார்கள்.
Learning-க்கு அது பரவாயில்லை.
ஆனால் Enterprise Projects-ல் Development ஆரம்பிப்பதற்கு முன் Project Folder Structure உருவாக்குவது ஒரு Standard Practice.
அதனால்தான் இந்த Episode-ல் முதலில் நம்முடைய Analytics Engineering Project Folder-ஐ Create செய்து, அதை VS Code-ல் Open செய்யப் போகிறோம்.
What is a Workspace?
Workspace என்பது ஒரு Project-க்கான Working Environment.
அதாவது,
- Project Files
- Folders
- Settings
- Terminal
- Extensions
எல்லாவற்றையும் ஒரே இடத்தில் Manage செய்யும் Environment-ஐ Workspace என்று அழைக்கிறோம்.
ஒரு நல்ல Workspace இருந்தால் Development மிகவும் Organized-ஆக இருக்கும்.
💡 Simple Example: Microsoft Word-ல் ஒரு Document Open செய்வது போல, VS Code-ல் ஒரு Project Folder Open செய்வதையே Workspace உருவாக்குவது என்று சொல்லலாம்.
Creating the Analytics Engineering Project Folder
முதலில் உங்கள் Computer-ல் ஒரு Dedicated Folder Create செய்யுங்கள்.
உதாரணமாக,
AnalyticsEngineeringProject
இந்த Folder-தான் இந்த முழு Series-க்கும் Root Project Folder ஆக இருக்கும்.
இந்த ஒரே Folder-க்குள் Python Scripts, Snowflake Files, Documentation, API Programs மற்றும் பிற அனைத்து Resources-யும் Store செய்யப் போகிறோம்.
Best Practice: Project Name எப்போதும் Meaningful ஆக இருக்க வேண்டும்.
New Folder,Project1,Test,Demoபோன்ற Generic Names பயன்படுத்த வேண்டாம்.
Opening the Project in VS Code
Folder Create செய்த பிறகு,
VS Code-ல்,
File → Open Folder
என்ற Option-ஐ பயன்படுத்தி அந்த Folder-ஐ Open செய்யுங்கள்.
Folder Open ஆனதும், இடது பக்கத்தில் இருக்கும் Explorer Panel-ல் அந்த Project முழுவதும் காணப்படும்.
இதுவே உங்கள் Project Workspace.
இனி Create செய்யும் ஒவ்வொரு File மற்றும் Folder-மும் இந்த Workspace-க்குள் இருக்கும்.
Understanding VS Code Explorer
VS Code-ன் இடது பக்கத்தில் இருக்கும் Panel-ஐ Explorer என்று அழைக்கிறோம்.
இது Project-ன் அனைத்து Files மற்றும் Folders-ஐ Manage செய்யும் முக்கியமான பகுதி.
Explorer மூலம்,
- New Folder Create செய்யலாம்.
- New File Create செய்யலாம்.
- Rename செய்யலாம்.
- Delete செய்யலாம்.
- Copy & Paste செய்யலாம்.
- Entire Project Structure-ஐ பார்க்கலாம்.
இதனால் File Management மிகவும் எளிதாகிவிடும்.
Creating Folders Inside the Project
ஒரு Enterprise Analytics Project-ல் அனைத்து Files-யும் ஒரே Folder-ல் இருக்கக்கூடாது.
ஒவ்வொரு Purpose-க்கும் தனித்தனி Folder இருக்க வேண்டும்.
நாம் இந்த Series-ல் பயன்படுத்தப்போகும் Structure:
AnalyticsEngineeringProject/ │ ├── data ├── scripts ├── config ├── docs ├── notebooks ├── logs ├── output └── requirements.txt
இந்த Structure ஆரம்பத்திலிருந்தே Follow செய்தால் Project Clean மற்றும் Professional-ஆக இருக்கும்.
Folder Purpose Explained
ஒவ்வொரு Folder-க்கும் தனிப்பட்ட பொறுப்பு இருக்கும்.
| Folder | Purpose |
|---|---|
| data | API அல்லது பிற Sources-லிருந்து வரும் Raw Data |
| scripts | Python Scripts மற்றும் Automation Programs |
| config | Configuration Files, Secrets, Environment Settings |
| docs | Project Documentation |
| notebooks | Jupyter Notebook Experiments |
| logs | Execution Logs |
| output | Process செய்யப்பட்ட Output Files |
இதுபோன்ற Separation தான் Enterprise Projects-ல் பொதுவாக Follow செய்யப்படுகிறது.
Creating Your First Python File
Project Structure உருவாக்கிய பிறகு,
scripts Folder-க்குள் ஒரு புதிய Python File Create செய்யலாம்.
உதாரணமாக,
flight_data_loader.py
அல்லது
main.py
Meaningful File Names பயன்படுத்துவது ஒரு நல்ல Professional Practice.
test.py, new.py, abc.py போன்ற பெயர்களை தவிர்ப்பது நல்லது.
File Naming Best Practices
ஒரு Project-ல் File Names கூட Consistent ஆக இருக்க வேண்டும்.
✅ Recommended
- load_flight_data.py
- api_connection.py
- snowflake_loader.py
- config.py
- main.py
❌ Avoid
- test.py
- demo.py
- file1.py
- python.py
- new.py
Meaningful Names பயன்படுத்தினால் மற்ற Developers-க்கும் Code புரிந்துகொள்ள எளிதாக இருக்கும்.
Why This Structure Helps Later?
இந்த Episode-ல் உருவாக்கும் Folder Structure, அடுத்த Episodes-ல் மிகவும் பயனுள்ளதாக இருக்கும்.
உதாரணமாக,
- API மூலம் வரும் Flight Data → data
- Python Code → scripts
- Snowflake Connection Details → config
- Project Notes → docs
- Execution Results → output
இதனால் Project பெரியதாக வளர்ந்தாலும் Confusion ஏற்படாது.
Enterprise Best Practices
Professional Teams Project ஆரம்பிக்கும் போது எப்போதும் இந்த Principles-ஐ Follow செய்வார்கள்.
✔ Dedicated Project Folder
✔ Clear Folder Hierarchy
✔ Meaningful File Names
✔ Separate Code and Data
✔ Documentation Alongside Code
✔ Version Control Ready Structure
இந்த Best Practices-ஐ ஆரம்பத்திலேயே Follow செய்தால், உங்கள் Projects Enterprise Standards-க்கு ஏற்ப இருக்கும்.
💡 Pro Tip: Interview-களில் Code மட்டும் பார்க்க மாட்டார்கள். உங்கள் Project Organization மற்றும் Folder Structure கூட உங்கள் Professionalism-ஐ காட்டும்.
Using the Integrated Terminal in VS Code
ஒரு Analytics Engineering Project-ல் Code எழுதுவது மட்டும் போதாது. அந்த Code-ஐ Execute செய்யவும், Packages Install செய்யவும், Python Commands Run செய்யவும் ஒரு Terminal அவசியம்.
VS Code-ன் மிகப்பெரிய Advantage என்னவென்றால், தனியாக Command Prompt அல்லது PowerShell Open செய்ய வேண்டிய அவசியமில்லை.
Built-in Integrated Terminal மூலம் அனைத்தையும் VS Code-க்குள்ளேயே செய்ய முடியும்.
இதனால் Development மிகவும் Fast மற்றும் Convenient ஆகிறது.
What is the Integrated Terminal?
Integrated Terminal என்பது VS Code-க்குள்ளேயே இருக்கும் Command Line Interface.
இதன் மூலம்,
- Python Scripts Run செய்யலாம்.
- Packages Install செய்யலாம்.
- Git Commands Execute செய்யலாம்.
- Folder Navigation செய்யலாம்.
- Virtual Environment Activate செய்யலாம்.
- Snowflake CLI Commands Run செய்யலாம்.
எல்லாவற்றையும் ஒரே Window-லேயே செய்ய முடியும்.
💡 Simple Example: VS Code-வை விட்டு வெளியே போகாமல் Command Prompt பயன்படுத்துவது போல நினைத்துக்கொள்ளலாம்.
How to Open the Terminal?
VS Code-ல் Terminal Open செய்ய பல வழிகள் உள்ளன.
Method 1
Terminal → New Terminal
Method 2
Shortcut பயன்படுத்தலாம்.
Ctrl + ` (Backtick)
இதன் பிறகு Screen-ன் கீழ் பகுதியில் Terminal Open ஆகும்.
Understanding the Terminal
Terminal Open ஆன பிறகு சில தகவல்கள் காணப்படும்.
உதாரணமாக,
PS C:\AnalyticsEngineeringProject>
இதன் அர்த்தம்,
நீங்கள் தற்போது இருக்கும் Working Directory தான் உங்கள் Project Folder.
இங்கே நீங்கள் Type செய்யும் Commands அனைத்தும் இந்த Project-க்குள் Execute ஆகும்.
Why Do We Use Terminal?
Analytics Engineering Project-ல் Terminal மிகவும் முக்கியமான Role வகிக்கிறது.
நாம் அடுத்த Episodes-ல் Terminal பயன்படுத்தி,
- Python Execute செய்யப் போகிறோம்.
- Packages Install செய்யப் போகிறோம்.
- API Scripts Run செய்யப் போகிறோம்.
- Snowflake Libraries Install செய்யப் போகிறோம்.
- Git Commands Execute செய்யப் போகிறோம்.
அதனால் Terminal-ஐ ஆரம்பத்திலிருந்தே பயன்படுத்த பழகிக்கொள்ள வேண்டும்.
Common Commands You Will Use
தொடக்கத்தில் அடிக்கடி பயன்படுத்தப்படும் Commands:
| Command | Purpose |
|---|---|
python | Python Run செய்ய |
pip install | Package Install செய்ய |
cd | Folder Change செய்ய |
dir (Windows) | Files List பார்க்க |
cls | Terminal Clear செய்ய |
git status | Git Status பார்க்க |
இந்த Commands-ஐ தொடர்ந்து பயன்படுத்துவதால் Command Line-ல் Confidence அதிகரிக்கும்.
Running Your First Python Script
ஒரு Python File Create செய்த பிறகு அதை Run செய்ய Terminal பயன்படுத்தலாம்.
உதாரணமாக,
python main.py
அல்லது,
python flight_data_loader.py
Command Execute செய்தவுடன் Python அந்த Script-ஐ Run செய்யும்.
💡 Note: Python உங்கள் System-ல் Install செய்யப்பட்டிருக்க வேண்டும். அடுத்த Episodes-ல் தேவையான Libraries-யும் Install செய்யப் போகிறோம்.
Why Not Use Command Prompt Separately?
பல Beginners VS Code ஒரு Window-லும், Command Prompt மற்றொரு Window-லும் Open செய்து வேலை செய்வார்கள்.
இது Learning Stage-ல் பரவாயில்லை.
ஆனால் Enterprise Projects-ல் Developers பெரும்பாலும் Integrated Terminal-ஐ பயன்படுத்துகிறார்கள்.
அதற்கான காரணங்கள்:
- ஒரே Window-ல் Development
- Current Project Path Automatically Selected
- Faster Workflow
- Easy Copy & Paste
- Better Productivity
இதனால் Context Switching குறைந்து Development வேகமாக இருக்கும்.
Terminal in Future Episodes
இந்த Series-ல் Terminal தொடர்ந்து பயன்படுத்தப்படும்.
உதாரணமாக,
API Development
Python Script Execute செய்து Live Flight Data Collect செய்வோம்.
Snowflake Integration
Snowflake Connector Install செய்து Database Connection Test செய்வோம்.
Package Management
தேவையான Python Libraries அனைத்தையும் Install செய்வோம்.
Git Version Control
Git Initialize, Commit, Push போன்ற Commands Execute செய்வோம்.
அதனால் Terminal என்பது ஒரு Optional Tool அல்ல; அது Analytics Engineering Workflow-ன் முக்கியமான பகுதி.
Best Practices While Using Terminal
Professional Developers பொதுவாக கீழ்கண்ட Best Practices Follow செய்வார்கள்.
✔ Project Folder-லிருந்து மட்டுமே Commands Run செய்யுங்கள்.
✔ Unknown Commands Copy-Paste செய்ய வேண்டாம்.
✔ Error Messages-ஐ முழுமையாக படிக்க பழகுங்கள்.
✔ Commands-ஐ Manual-ஆக Type செய்ய முயற்சிக்கவும்.
✔ Command History பயன்படுத்தி Productivity Improve செய்யுங்கள்.
Common Beginner Mistakes
Terminal பயன்படுத்தும்போது Beginners செய்யும் பொதுவான தவறுகள்:
❌ Wrong Folder-ல் Command Execute செய்வது
❌ Python Install ஆகாமல் Script Run செய்வது
❌ Command Spelling Mistakes
❌ Error Message Ignore செய்வது
❌ Administrator Permission தேவைப்படும் Commands-ஐ புரியாமல் Run செய்வது
இந்த சிறிய விஷயங்களில் கவனம் செலுத்தினால் Troubleshooting மிகவும் எளிதாகிவிடும்.
Key Takeaways
- ✅ Integrated Terminal என்பது VS Code-ன் மிகவும் முக்கியமான Feature.
- ✅ Python, Git, Package Installation போன்ற அனைத்திற்கும் Terminal பயன்படுத்தப்படும்.
- ✅ Command Prompt தனியாக Open செய்ய வேண்டிய அவசியமில்லை.
- ✅ Project Folder-லிருந்து Commands Execute செய்வது ஒரு நல்ல Practice.
- ✅ Terminal Skills, Analytics Engineers மற்றும் Data Engineers-க்கு மிகவும் முக்கியமான Technical Skill.
💡 Enterprise Insight: Real-World Analytics Projects-ல் GUI Tools மட்டும் பயன்படுத்துவதில்லை. Terminal மூலம் Automation, Package Management, Git Version Control, மற்றும் Deployment Tasks செய்வது ஒரு Standard Industry Practice.
Key Takeaways
இந்த Episode-ல், ஒரு Analytics Engineering Project-க்கு தேவையான Development Environment-ஐ எப்படி Professional முறையில் Setup செய்வது என்பதை Step-by-Step பார்த்தோம்.
Coding ஆரம்பிப்பதற்கு முன், ஒரு நல்ல Workspace, Project Structure, மற்றும் Development Tool உருவாக்குவது ஏன் முக்கியம் என்பதையும் புரிந்துகொண்டோம்.
முக்கியமாக நினைவில் வைத்துக்கொள்ள வேண்டிய விஷயங்கள்:
- ✅ Visual Studio Code (VS Code) என்பது Analytics Engineers அதிகமாக பயன்படுத்தும் Professional Code Editor.
- ✅ Project ஆரம்பிக்கும் முன் Dedicated Workspace உருவாக்க வேண்டும்.
- ✅ Proper Folder Structure Project Maintainability மற்றும் Team Collaboration-ஐ மேம்படுத்தும்.
- ✅ Explorer மூலம் Files மற்றும் Folders-ஐ Organized-ஆக Manage செய்யலாம்.
- ✅ Integrated Terminal மூலம் Python Scripts, Git Commands மற்றும் Package Installation-ஐ ஒரே இடத்தில் Execute செய்யலாம்.
- ✅ ஆரம்பத்திலிருந்தே Enterprise Best Practices Follow செய்தால், Project Scale ஆனாலும் Manage செய்வது எளிதாக இருக்கும்.
💡 Remember: ஒரு நல்ல Developer-ஐ Code மட்டும் அடையாளம் காட்டாது. அவர் Project-ஐ எப்படி Organize செய்கிறார் என்பதும் அதே அளவிற்கு முக்கியம்.
Frequently Asked Questions (FAQs)
1. ஏன் Visual Studio Code பயன்படுத்த வேண்டும்?
Visual Studio Code (VS Code) என்பது Free, Lightweight மற்றும் Powerful Code Editor. Python, SQL, Git, JSON, Markdown போன்ற பல Technologies-க்கு Excellent Support இருப்பதால் Analytics Engineering Projects-க்கு மிகவும் பொருத்தமானது.
2. VS Code மற்றும் Visual Studio இரண்டிற்கும் என்ன வித்தியாசம்?
Visual Studio Code ஒரு Lightweight Code Editor.
Visual Studio ஒரு Full-fledged IDE.
Python, Data Engineering, Snowflake, dbt மற்றும் Analytics Projects-க்கு VS Code பொதுவாக போதுமானது.
3. VS Code Free-ஆ?
ஆம்.
VS Code Microsoft வழங்கும் Free and Open Source Development Tool.
Windows, macOS மற்றும் Linux ஆகிய அனைத்து Operating Systems-லுமே பயன்படுத்தலாம்.
4. Project Folder Structure ஏன் முக்கியம்?
Proper Folder Structure இருந்தால்,
- Files Organized-ஆக இருக்கும்.
- Team Collaboration Improve ஆகும்.
- Git பயன்படுத்த எளிதாக இருக்கும்.
- Project Maintain செய்வது மிகவும் Easy.
அதனால் Enterprise Projects-ல் இது ஒரு Standard Practice.
5. Integrated Terminal பயன்படுத்துவது அவசியமா?
ஆம்.
Analytics Engineering Workflow-ல்,
- Python Scripts Run செய்ய,
- Packages Install செய்ய,
- Git Commands Execute செய்ய,
- Snowflake Integration செய்ய,
Integrated Terminal மிகவும் முக்கியமான Tool.
6. VS Code Extensions Install செய்ய வேண்டுமா?
ஆம்.
இந்த Series-ல் அடுத்தடுத்த Episodes-ல் Python, Jupyter, GitHub, SQL போன்ற Extensions Install செய்து Development Experience-ஐ மேலும் மேம்படுத்தப் போகிறோம்.
7. இந்த Setup Beginners-க்கும் Suitable-ஆ?
மிகவும் Suitable.
இந்த Series ஆரம்பநிலையிலிருந்து Professional Level வரை Step-by-Step Progress ஆகும் வகையில் வடிவமைக்கப்பட்டுள்ளது.
Programming Background இல்லாதவர்களும் Follow செய்யலாம்.
8. இந்த Project Structure-ஐ Future Projects-க்கும் பயன்படுத்தலாமா?
கண்டிப்பாக.
இந்த Structure Python Projects, Snowflake Projects, Data Engineering Projects மற்றும் Power BI Automation Projects அனைத்திற்கும் பயன்படுத்தக்கூடிய Professional Foundation ஆக இருக்கும்.
Conclusion
ஒரு Analytics Engineering Project வெற்றிகரமாக உருவாக வேண்டுமெனில், Coding ஆரம்பிப்பதற்கு முன் சரியான Development Environment உருவாக்குவது மிகவும் முக்கியம்.
இந்த Episode-ல் Visual Studio Code Installation, Project Workspace, Folder Structure, Explorer, மற்றும் Integrated Terminal ஆகிய அடிப்படை Concepts-ஐ பார்த்தோம்.
இந்த Setup தான் அடுத்த Episodes-ல் Python மூலம் API-யிலிருந்து Data Collect செய்வதற்கும், Snowflake-ல் Data Load செய்வதற்கும், dbt Models உருவாக்குவதற்கும், Power BI Dashboard Build செய்வதற்கும் அடிப்படையாக இருக்கும்.
அதனால் இந்த Episode-ல் காட்டப்பட்ட Project Structure-ஐ உங்கள் Computer-லேயே Create செய்து Practice செய்யுங்கள்.
ஒரு Professional Development Environment உருவாக்கும் பழக்கம், உங்கள் Learning Journey மட்டுமல்ல, உங்கள் Career Growth-க்கும் மிகப்பெரிய பலனாக இருக்கும்.
👉 இந்த concept-ஐ முழுமையாக Demo உடன் பார்க்க கீழே உள்ள video-வை கண்டிப்பாக பாருங்கள்.
🎥 Watch the Video
🎥 இந்த topic-ஐ Step-by-Step Demo-வாக பார்க்க கீழே உள்ள YouTube video-வை பாருங்கள்.
கருத்துரையிடுக
0 கருத்துகள்