ETL

詞語解釋

ETL是指Extract，Transform，Load，它是數(shù)據(jù)倉庫的一種重要技術，是指從不同的數(shù)據(jù)源中抽取數(shù)據(jù)，對其進行轉換和加載到數(shù)據(jù)倉庫中的過程。 ETL技術可以將數(shù)據(jù)從不同的源中提取出來，然后將其轉換成可以用于分析的格式，最后將其加載到數(shù)據(jù)倉庫中。ETL技術可以將多種數(shù)據(jù)源的數(shù)據(jù)提取，轉換和加載到一個數(shù)據(jù)倉庫中，以便進行分析和報告。 ETL技術可以用于從不同的數(shù)據(jù)源中提取數(shù)據(jù)，并將其轉換成可以用于分析的格式。ETL技術可以從不同的數(shù)據(jù)源中提取數(shù)據(jù)，如數(shù)據(jù)庫，文件，應用程序，網(wǎng)絡等。ETL技術可以將提取的數(shù)據(jù)轉換成不同的格式，如XML，JSON，CSV等，以便于分析和報告。 ETL技術可以將轉換后的數(shù)據(jù)加載到數(shù)據(jù)倉庫中，以便進行分析和報告。ETL技術可以將轉換后的數(shù)據(jù)加載到數(shù)據(jù)倉庫中，以便進行分析和報告。ETL技術還可以用于更新數(shù)據(jù)倉庫中的數(shù)據(jù)，以便進行分析和報告。 ETL技術在通信中的應用也很廣泛，它可以用于從不同的源中提取數(shù)據(jù)，如電信網(wǎng)絡，移動網(wǎng)絡，網(wǎng)絡等，并將其轉換成可以用于分析的格式，最后將其加載到數(shù)據(jù)倉庫中，以便進行分析和報告。ETL技術可以幫助電信公司更好地管理網(wǎng)絡，提高網(wǎng)絡效率，改善客戶體驗，降低成本，提高收入，提高數(shù)據(jù)安全性等。總之，ETL技術是一種重要的數(shù)據(jù)倉庫技術，它可以從不同的數(shù)據(jù)源中提取數(shù)據(jù)，轉換和加載到數(shù)據(jù)倉庫中，以便進行分析和報告。在通信領域，ETL技術可以幫助電信公司更好地管理網(wǎng)絡，提高網(wǎng)絡效率，改善客戶體驗，降低成本，提高收入，提高數(shù)據(jù)安全性等。

ETL，Extraction-Transformation-Loading的縮寫，中文名稱為數(shù)據(jù)抽取、轉換和加載。

ETL負責將分布的、異構數(shù)據(jù)源中的數(shù)據(jù)如關系數(shù)據(jù)、平面數(shù)據(jù)文件等抽取到臨時中間層后進行清洗、轉換、集成，最后加載到數(shù)據(jù)倉庫或數(shù)據(jù)集市中，成為聯(lián)機分析處理、數(shù)據(jù)挖掘的基礎。
ETL是數(shù)據(jù)倉庫中的非常重要的一環(huán)。它是承前啟后的必要的一步。相對于關系數(shù)據(jù)庫，數(shù)據(jù)倉庫技術沒有嚴格的數(shù)學理論基礎，它更面向實際工程應用。所以從工程應用的角度來考慮，按著物理數(shù)據(jù)模型的要求加載數(shù)據(jù)并對數(shù)據(jù)進行一些系列處理，處理過程與經驗直接相關，同時這部分的工作直接關系數(shù)據(jù)倉庫中數(shù)據(jù)的質量，從而影響到聯(lián)機分析處理和數(shù)據(jù)挖掘的結果的質量。
數(shù)據(jù)倉庫是一個獨立的數(shù)據(jù)環(huán)境，需要通過抽取過程將數(shù)據(jù)從聯(lián)機事務處理環(huán)境、外部數(shù)據(jù)源和脫機的數(shù)據(jù)存儲介質導入到數(shù)據(jù)倉庫中；在技術上，ETL主要涉及到關聯(lián)、轉換、增量、調度和監(jiān)控等幾個方面；數(shù)據(jù)倉庫系統(tǒng)中數(shù)據(jù)不要求與聯(lián)機事務處理系統(tǒng)中數(shù)據(jù)實時同步，所以ETL可以定時進行。但多個ETL的操作時間、順序和成敗對數(shù)據(jù)倉庫中信息的有效性至關重要。
　　ETL(Extract-Transform-Load的縮寫，即數(shù)據(jù)抽取、轉換、裝載的過程)作為BI/DW（Business Intelligence）的核心和靈魂，能夠按照統(tǒng)一的規(guī)則集成并提高數(shù)據(jù)的價值，是負責完成數(shù)據(jù)從數(shù)據(jù)源向目標數(shù)據(jù)倉庫轉化的過程，是實施數(shù)據(jù)倉庫的重要步驟。如果說數(shù)據(jù)倉庫的模型設計是一座大廈的設計藍圖，數(shù)據(jù)是磚瓦的話，那么ETL就是建設大廈的過程。在整個項目中最難部分是用戶需求分析和模型設計，而ETL規(guī)則設計和實施則是工作量最大的，約占整個項目的60%～80%，這是國內外從眾多實踐中得到的普遍共識。
ETL是數(shù)據(jù)抽�。‥xtract）、轉換（Transform）、清洗（Cleansing）、裝載（Load）的過程。是構建數(shù)據(jù)倉庫的重要一環(huán)，用戶從數(shù)據(jù)源抽取出所需的數(shù)據(jù)，經過數(shù)據(jù)清洗,最終按照預先定義好的數(shù)據(jù)倉庫模型，將數(shù)據(jù)加載到數(shù)據(jù)倉庫中去。
　　信息是現(xiàn)代企業(yè)的重要資源，是企業(yè)運用科學管理、決策分析的基礎。目前，大多數(shù)企業(yè)花費大量的資金和時間來構建聯(lián)機事務處理OLTP的業(yè)務系統(tǒng)和辦公自動化系統(tǒng)，用來記錄事務處理的各種相關數(shù)據(jù)。據(jù)統(tǒng)計，數(shù)據(jù)量每2～3年時間就會成倍增長，這些數(shù)據(jù)蘊含著巨大的商業(yè)價值，而企業(yè)所關注的通常只占在總數(shù)據(jù)量的2％～4％左右。因此，企業(yè)仍然沒有最大化地利用已存在的數(shù)據(jù)資源，以致于浪費了更多的時間和資金，也失去制定關鍵商業(yè)決策的最佳契機。于是，企業(yè)如何通過各種技術手段，并把數(shù)據(jù)轉換為信息、知識，已經成了提高其核心競爭力的主要瓶頸。而ETL則是主要的一個技術手段。如何正確選擇ETL工具？如何正確應用ETL？
　　目前，ETL工具的典型代表有:Informatica、Datastage、OWB、微軟DTS……
　　數(shù)據(jù)集成：快速實現(xiàn)ETL
　　ETL的質量問題具體表現(xiàn)為正確性、完整性、一致性、完備性、有效性、時效性和可獲取性等幾個特性。而影響質量問題的原因有很多，由系統(tǒng)集成和歷史數(shù)據(jù)造成的原因主要包括:業(yè)務系統(tǒng)不同時期系統(tǒng)之間數(shù)據(jù)模型不一致；業(yè)務系統(tǒng)不同時期業(yè)務過程有變化；舊系統(tǒng)模塊在運營、人事、財務、辦公系統(tǒng)等相關信息的不一致；遺留系統(tǒng)和新業(yè)務、管理系統(tǒng)數(shù)據(jù)集成不完備帶來的不一致性。
　　實現(xiàn)ETL，首先要實現(xiàn)ETL轉換的過程。它可以集中地體現(xiàn)為以下幾個方面：
　　空值處理可捕獲字段空值，進行加載或替換為其他含義數(shù)據(jù)，并可根據(jù)字段空值實現(xiàn)分流加載到不同目標庫。
　　規(guī)范化數(shù)據(jù)格式可實現(xiàn)字段格式約束定義，對于數(shù)據(jù)源中時間、數(shù)值、字符等數(shù)據(jù)，可自定義加載格式。
　　拆分數(shù)據(jù) 依據(jù)業(yè)務需求對字段可進行分解。例，主叫號 861084613409，可進行區(qū)域碼和電話號碼分解。
　　驗證數(shù)據(jù)正確性可利用Lookup及拆分功能進行數(shù)據(jù)驗證。例如，主叫號861084613409，進行區(qū)域碼和電話號碼分解后，可利用Lookup返回主叫網(wǎng)關或交換機記載的主叫地區(qū)，進行數(shù)據(jù)驗證。
　　數(shù)據(jù)替換對于因業(yè)務因素，可實現(xiàn)無效數(shù)據(jù)、缺失數(shù)據(jù)的替換。
　　Lookup 查獲丟失數(shù)據(jù) Lookup實現(xiàn)子查詢，并返回用其他手段獲取的缺失字段，保證字段完整性。
　　建立ETL過程的主外鍵約束對無依賴性的非法數(shù)據(jù)，可替換或導出到錯誤數(shù)據(jù)文件中，保證主鍵惟一記錄的加載。
　　為了能更好地實現(xiàn)ETL，筆者建議用戶在實施ETL過程中應注意以下幾點：
　　第一，如果條件允許，可利用數(shù)據(jù)中轉區(qū)對運營數(shù)據(jù)進行預處理，保證集成與加載的高效性；
　　第二，如果ETL的過程是主動“拉取”，而不是從內部“推送”，其可控性將大為增強；
　　第三，ETL之前應制定流程化的配置管理和標準協(xié)議；
　　第四，關鍵數(shù)據(jù)標準至關重要。目前，ETL面臨的最大挑戰(zhàn)是當接收數(shù)據(jù)時其各源數(shù)據(jù)的異構性和低質量。以電信為例，A系統(tǒng)按照統(tǒng)計代碼管理數(shù)據(jù)，B系統(tǒng)按照賬目數(shù)字管理，C系統(tǒng)按照語音ID管理。當ETL需要對這三個系統(tǒng)進行集成以獲得對客戶的全面視角時，這一過程需要復雜的匹配規(guī)則、名稱/地址正常化與標準化。而ETL在處理過程中會定義一個關鍵數(shù)據(jù)標準，并在此基礎上，制定相應的數(shù)據(jù)接口標準。
　　ETL過程在很大程度上受企業(yè)對源數(shù)據(jù)的理解程度的影響，也就是說從業(yè)務的角度看數(shù)據(jù)集成非常重要。一個優(yōu)秀的ETL設計應該具有如下功能：
　　管理簡單；采用元數(shù)據(jù)方法，集中進行管理；接口、數(shù)據(jù)格式、傳輸有嚴格的規(guī)范；盡量不在外部數(shù)據(jù)源安裝軟件；數(shù)據(jù)抽取系統(tǒng)流程自動化，并有自動調度功能；抽取的數(shù)據(jù)及時、準確、完整；可以提供同各種數(shù)據(jù)系統(tǒng)的接口，系統(tǒng)適應性強；提供軟件框架系統(tǒng)，系統(tǒng)功能改變時，應用程序很少改變便可適應變化；可擴展性強。

　　數(shù)據(jù)模型：標準定義數(shù)據(jù)

　　合理的業(yè)務模型設計對ETL至關重要。數(shù)據(jù)倉庫是企業(yè)惟一、真實、可靠的綜合數(shù)據(jù)平臺。數(shù)據(jù)倉庫的設計建模一般都依照三范式、星型模型、雪花模型，無論哪種設計思想，都應該最大化地涵蓋關鍵業(yè)務數(shù)據(jù)，把運營環(huán)境中雜亂無序的數(shù)據(jù)結構統(tǒng)一成為合理的、關聯(lián)的、分析型的新結構，而ETL則會依照模型的定義去提取數(shù)據(jù)源，進行轉換、清洗，并最終加載到目標數(shù)據(jù)倉庫中。
　　模型的重要之處在于對數(shù)據(jù)做標準化定義，實現(xiàn)統(tǒng)一的編碼、統(tǒng)一的分類和組織。標準化定義的內容包括：標準代碼統(tǒng)一、業(yè)務術語統(tǒng)一。ETL依照模型進行初始加載、增量加載、緩慢增長維、慢速變化維、事實表加載等數(shù)據(jù)集成，并根據(jù)業(yè)務需求制定相應的加載策略、刷新策略、匯總策略、維護策略。

　　元數(shù)據(jù)：拓展新型應用

　　對業(yè)務數(shù)據(jù)本身及其運行環(huán)境的描述與定義的數(shù)據(jù)，稱之為元數(shù)據(jù)（metadata）。元數(shù)據(jù)是描述數(shù)據(jù)的數(shù)據(jù)。從某種意義上說，業(yè)務數(shù)據(jù)主要用于支持業(yè)務系統(tǒng)應用的數(shù)據(jù)，而元數(shù)據(jù)則是企業(yè)信息門戶、客戶關系管理、數(shù)據(jù)倉庫、決策支持和B2B等新型應用所不可或缺的內容。
　　元數(shù)據(jù)的典型表現(xiàn)為對象的描述，即對數(shù)據(jù)庫、表、列、列屬性（類型、格式、約束等）以及主鍵/外部鍵關聯(lián)等等的描述。特別是現(xiàn)行應用的異構性與分布性越來越普遍的情況下，統(tǒng)一的元數(shù)據(jù)就愈發(fā)重要了。“信息孤島”曾經是很多企業(yè)對其應用現(xiàn)狀的一種抱怨和概括，而合理的元數(shù)據(jù)則會有效地描繪出信息的關聯(lián)性。
　　而元數(shù)據(jù)對于ETL的集中表現(xiàn)為：定義數(shù)據(jù)源的位置及數(shù)據(jù)源的屬性、確定從源數(shù)據(jù)到目標數(shù)據(jù)的對應規(guī)則、確定相關的業(yè)務邏輯、在數(shù)據(jù)實際加載前的其他必要的準備工作，等等，它一般貫穿整個數(shù)據(jù)倉庫項目，而ETL的所有過程必須最大化地參照元數(shù)據(jù)，這樣才能快速實現(xiàn)ETL。
　　ETL體系結構
　　下圖為ETL體系結構，它體現(xiàn)了主流ETL產品框架的主要組成部分。ETL是指從源系統(tǒng)中提取數(shù)據(jù)，轉換數(shù)據(jù)為一個標準的格式，并加載數(shù)據(jù)到目標數(shù)據(jù)存儲區(qū)，通常是數(shù)據(jù)倉庫。
　　ETL體系結構圖
　　Design manager 提供一個圖形化的映射環(huán)境，讓開發(fā)者定義從源到目標的映射關系、轉換、處理流程。設計過程的各對象的邏輯定義存儲在一個元數(shù)據(jù)資料庫中。
　　Meta data management 提供一個關于ETL設計和運行處理等相關定義、管理信息的元數(shù)據(jù)資料庫。ETL引擎在運行時和其它應用都可參考此資料庫中的元數(shù)據(jù)。
　　Extract 通過接口提取源數(shù)據(jù)，例如ODBC、專用數(shù)據(jù)庫接口和平面文件提取器，并參照元數(shù)據(jù)來決定數(shù)據(jù)的提取及其提取方式。
　　Transform 開發(fā)者將提取的數(shù)據(jù)，按照業(yè)務需要轉換為目標數(shù)據(jù)結構，并實現(xiàn)匯總。
　　Load 加載經轉換和匯總的數(shù)據(jù)到目標數(shù)據(jù)倉庫中，可實現(xiàn)SQL或批量加載。
　　Transport services 利用網(wǎng)絡協(xié)議或文件協(xié)議，在源和目標系統(tǒng)之間移動數(shù)據(jù)，利用內存在ETL處理的各組件中移動數(shù)據(jù)。
　　Administration and operation 可讓管理員基于事件和時間進行調度、運行、監(jiān)測ETL作業(yè)、管理錯誤信息、從失敗中恢復和調節(jié)從源系統(tǒng)的輸出。

掃碼付費即可復制

ETL

ETL

相關討論貼

相關技術問答

相關資料下載

隨機推薦詞語