Prayer

　ETL，Extraction-Transformation-Loading的縮寫，中文名稱為數據抽取、轉換和加載。
　　ETL負責將分布的、異構數據源中的數據如關系數據、平面數據文件等抽取到臨時中間層后進行清洗、轉換、集成，最后加載到數據倉庫或數據集市中，成為聯機分析處理、數據挖掘的基礎。
　　ETL是數據倉庫中的非常重要的一環。它是承前啟后的必要的一步。相對于關系數據庫，數據倉庫技術沒有嚴格的數學理論基礎，它更面向實際工程應用。所以從工程應用的角度來考慮，按著物理數據模型的要求加載數據并對數據進行一些系列處理，處理過程與經驗直接相關，同時這部分的工作直接關系數據倉庫中數據的質量，從而影響到聯機分析處理和數據挖掘的結果的質量。
　　數據倉庫是一個獨立的數據環境，需要通過抽取過程將數據從聯機事務處理環境、外部數據源和脫機的數據存儲介質導入到數據倉庫中；在技術上，ETL主要涉及到關聯、轉換、增量、調度和監控等幾個方面；數據倉庫系統中數據不要求與聯機事務處理系統中數據實時同步，所以ETL可以定時進行。但多個ETL的操作時間、順序和成敗對數據倉庫中信息的有效性至關重要。
　　ETL(Extract-Transform-Load的縮寫，即數據抽取、轉換、裝載的過程)作為BI/DW（Business Intelligence）的核心和靈魂，能夠按照統一的規則集成并提高數據的價值，是負責完成數據從數據源向目標數據倉庫轉化的過程，是實施數據倉庫的重要步驟。如果說數據倉庫的模型設計是一座大廈的設計藍圖，數據是磚瓦的話，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是數據抽取（Extract）、轉換（Transform）、清洗（Cleansing）、裝載（Load）的過程。是構建數據倉庫的重要一環，用戶從數據源抽取出所需的數據，經過數據清洗,最終按照預先定義好的數據倉庫模型，將數據加載到數據倉庫中去。
　　信息是現代企業的重要資源，是企業運用科學管理、決策分析的基礎。目前，大多數企業花費大量的資金和時間來構建聯機事務處理OLTP的業務系統和辦公自動化系統，用來記錄事務處理的各種相關數據。據統計，數據量每2～3年時間就會成倍增長，這些數據蘊含著巨大的商業價值，而企業所關注的通常只占在總數據量的2％～4％左右。因此，企業仍然沒有最大化地利用已存在的數據資源，以致于浪費了更多的時間和資金，也失去制定關鍵商業決策的最佳契機。于是，企業如何通過各種技術手段，并把數據轉換為信息、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……
　　數據集成：快速實現ETL
　　ETL的質量問題具體表現為正確性、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，由系統集成和歷史數據造成的原因主要包括:業務系統不同時期系統之間數據模型不一致；業務系統不同時期業務過程有變化；舊系統模塊在運營、人事、財務、辦公系統等相關信息的不一致；遺留系統和新業務、管理系統數據集成不完備帶來的不一致性。
　　實現ETL，首先要實現ETL轉換的過程。它可以集中地體現為以下幾個方面：
　　空值處理 可捕獲字段空值，進行加載或替換為其他含義數據，并可根據字段空值實現分流加載到不同目標庫。
　　規范化數據格式 可實現字段格式約束定義，對于數據源中時間、數值、字符等數據，可自定義加載格式。
　　拆分數據 依據業務需求對字段可進行分解。例，主叫號 861084613409，可進行區域碼和電話號碼分解。
　　驗證數據正確性 可利用Lookup及拆分功能進行數據驗證。例如，主叫號861084613409，進行區域碼和電話號碼分解后，可利用Lookup返回主叫網關或交換機記載的主叫地區，進行數據驗證。
　　數據替換 對于因業務因素，可實現無效數據、缺失數據的替換。
　　Lookup 查獲丟失數據 Lookup實現子查詢，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據，可替換或導出到錯誤數據文件中，保證主鍵惟一記錄的加載。
　　為了能更好地實現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，可利用數據中轉區對運營數據進行預處理，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議；
　　第四，關鍵數據標準至關重要。目前，ETL面臨的最大挑戰是當接收數據時其各源數據的異構性和低質量。以電信為例，A系統按照統計代碼管理數據，B系統按照賬目數字管理，C系統按照語音ID管理。當ETL需要對這三個系統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據標準，并在此基礎上，制定相應的數據接口標準。
　　ETL過程在很大程度上受企業對源數據的理解程度的影響，也就是說從業務的角度看數據集成非常重要。一個優秀的ETL設計應該具有如下功能：
　　管理簡單；采用元數據方法，集中進行管理；接口、數據格式、傳輸有嚴格的規范；盡量不在外部數據源安裝軟件；數據抽取系統流程自動化，并有自動調度功能；抽取的數據及時、準確、完整；可以提供同各種數據系統的接口，系統適應性強；提供軟件框架系統，系統功能改變時，應用程序很少改變便可適應變化；可擴展性強。
　　數據模型：標準定義數據
　　合理的業務模型設計對ETL至關重要。數據倉庫是企業惟一、真實、可靠的綜合數據平臺。數據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務數據，把運營環境中雜亂無序的數據結構統一成為合理的、關聯的、分析型的新結構，而ETL則會依照模型的定義去提取數據源，進行轉換、清洗，并最終加載到目標數據倉庫中。
　　模型的重要之處在于對數據做標準化定義，實現統一的編碼、統一的分類和組織。標準化定義的內容包括：標準代碼統一、業務術語統一。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、事實表加載等數據集成，并根據業務需求制定相應的加載策略、刷新策略、匯總策略、維護策略。
　　元數據：拓展新型應用
　　對業務數據本身及其運行環境的描述與定義的數據，稱之為元數據（metadata）。元數據是描述數據的數據。從某種意義上說，業務數據主要用于支持業務系統應用的數據，而元數據則是企業信息門戶、客戶關系管理、數據倉庫、決策支持和B2B等新型應用所不可或缺的內容。
　　元數據的典型表現為對象的描述，即對數據庫、表、列、列屬性（類型、格式、約束等）以及主鍵/外部鍵關聯等等的描述。特別是現行應用的異構性與分布性越來越普遍的情況下，統一的元數據就愈發重要了。“信息孤島”曾經是很多企業對其應用現狀的一種抱怨和概括，而合理的元數據則會有效地描繪出信息的關聯性。
　　而元數據對于ETL的集中表現為：定義數據源的位置及數據源的屬性、確定從源數據到目標數據的對應規則、確定相關的業務邏輯、在數據實際加載前的其他必要的準備工作，等等，它一般貫穿整個數據倉庫項目，而ETL的所有過程必須最大化地參照元數據，這樣才能快速實現ETL。
　　ETL體系結構
　　下圖為ETL體系結構，它體現了主流ETL產品框架的主要組成部分。ETL是指從源系統中提取數據，轉換數據為一個標準的格式，并加載數據到目標數據存儲區，通常是數據倉庫。
　　ETL體系結構圖
　　Design manager 提供一個圖形化的映射環境，讓開發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據資料庫中。
　　Meta data management 提供一個關于ETL設計和運行處理等相關定義、管理信息的元數據資料庫。ETL引擎在運行時和其它應用都可參考此資料庫中的元數據。
　　Extract 通過接口提取源數據，例如ODBC、專用數據庫接口和平面文件提取器，并參照元數據來決定數據的提取及其提取方式。
　　Transform 開發者將提取的數據，按照業務需要轉換為目標數據結構，并實現匯總。
　　Load 加載經轉換和匯總的數據到目標數據倉庫中，可實現SQL或批量加載。
　　Transport services 利用網絡協議或文件協議，在源和目標系統之間移動數據，利用內存在ETL處理的各組件中移動數據。
　　Administration and operation 可讓管理員基于事件和時間進行調度、運行、監測ETL作業、管理錯誤信息、從失敗中恢復和調節從源系統的輸出。