用途：面向 ETL 场景，提供增量数据加载与历史回填的可复用模式，帮助在数据同步、迁移和日常调度中减少重复处理。
主要能力：
- 回填策略：backfill_date_range 按日期区间生成日期列表，用 ThreadPoolExecutor 控制并发（parallel 参数）执行 process_fn，并逐日打印成功或失败。
- 基于时间戳的增量：incremental_by_timestamp 读取上次运行时间，用 WHERE timestamp_col > :last_run 查询，成功后更新最大时间戳。
- CDC：process_cdc_events 按 operation 区分 INSERT、UPDATE、DELETE，删除走 soft_delete，其余走 upsert。
- 全量刷新换表：full_refresh_with_swap 先写入 {table}_temp，再在事务中重命名旧表、切换新表并删除旧表。
- 管道编排：Pipeline 与 PipelineStep 支持依赖声明、状态跟踪（pending/running/success/failed/skipped），依赖失败则跳过，内部使用拓扑排序。
使用方式：资料给出 Python 代码片段，示例调用为 backfill_date_range(start=date(2024, 1, 1), end=date(2024, 3, 31), process_fn=process_daily_data, parallel=4)。实际接入需自行提供数据库引擎、读写函数与调度环境。
适用场景：小表全量刷新、带时间戳大表的持续同步、源端支持 CDC 的实时更新、一次性历史迁移、关键表零停机刷新。
限制：资料未提供安装命令、依赖版本、具体数据库适配、错误重试与监控细节；拓扑排序实现以省略号占位，需自行补全。