精华内容
下载资源
问答
  • ETL数据处理

    千次阅读 2018-07-10 09:40:51
    ETL数据处理 推荐人 梅雨 推荐日期 7.8 完成日期 7.9 概要 ETL讲解 网址 ...type=note#/ 性质 读书笔记 备注 ETL数据处理 一、关键字分析 ETL(数据仓库技术):Extract-Transform-Loa...

    ETL数据处理

     

    推荐人

     梅雨

    推荐日期

    7.8

    完成日期

    7.9

    概要

    ETL讲解

    网址

     

    性质

    读书笔记

    备注

    ETL数据处理

     

     

     

     

    一、关键字分析

     

    ETL数据仓库技术):Extract-Transform-Load提取-转换-加载

    DBMS(Database Management System) 数据库管理系统

    DW:Data Warehouse 数据仓库

    ODBCOpen Database Connectivity)即开放数据库互连

    ODS操作型数据存储(operationaldatastore)是一种常被用作数据仓库临时区域的数据库

    二、ETL目的

    目的是将企业中的分散、零乱、标准不统一的数据整合到一起,为企业的决策提供分析依据构建数据仓库常用在数据仓库,但其对象并不限于数据仓库。DEL:用来描述将数据从来源端经过抽取(extract)、交互转换(transform)、加载(load)至目的端(数据仓库)的过程

    三、ETL作用

    ETL是构建数据仓库的重要一环,用户从数据源抽取出所需的数据,经过数据清洗,最终按照预先定义好的数据仓库模型,将数据加载到数据仓库中去(数据源-----数据清洗----数据仓库模型-----数据仓库中去) 并把数据转换为信息、知识,已经成了提高其核心竞争力的主要瓶颈。ETL主要的一个技术手段

    四、数据治理步骤(ETL:抽取、转换和装载。

    4.1数据的抽取

      调研工作:1.数据是从几个业务系统中来2.各个业务系统的数据库服务器运行什么DBMS3.是否存在手工数据,手工数据量有多大4.是否存在非结构化的数据等等 5.当收集完这些信息之后才可以进行数据抽取的设计。

    1、对于与存放DW的数据库系统相同的数据源处理方法

      这一类数据源在设计上比较容易。一般情况下,DBMS(SQLServerOracle)都会提供数据库链接功能,在DW数据库服务器和原业务系统之间建立直接的链接关系就可以写Select 语句直接访问。

    2、对于与DW数据库系统不同的数据源的处理方法

     (1)通过ODBC方式建立数据库链接——SQL ServerOracle之间。如果不能建立数据库链接

    2)通过工具将源数据导出成.txt.xls文件,然后再将这些源系统文件导入到ODS中。

    3)通过程序接口来完成。

    3、对于文件类型数据源(.txt,.xls),可以培训业务人员利用数据库工具将这些数据导入到指定的数据库,然后从指定的数据库中抽取。或者还可以借助工具实现。

    4、增量更新的问题

      对于数据量大的系统,必须考虑增量抽取。一般情况下,业务系统会记录业务发生的时间,我们可以用来做增量的标志,每次抽取之前首先判断ODS中记录最大的时间,然后根据这个时间去业务系统取大于这个时间所有的记录。利用业务系统的时间戳,一般情况下,业务系统没有或者部分有时间戳。

    4.2数据的清洗

      一般情况下,数据仓库分为ODSDW两部分。通常的做法是从业务系统到ODS做清洗,将脏数据和不完整数据过滤掉,在从ODSDW的过程中转换,进行一些业务规则的计算和聚合。

    1数据清洗

      数据清洗的任务是过滤那些不符合要求的数据,将过滤的结果交给业务主管部门,确认是否过滤掉还是由业务单位修正之后再进行抽取。

    不符合要求三类数据:不完整的数据、错误的数据、重复的数据

     

    (1)不完整的数据:主要是一些应该有的信息缺失对于这一类数据过滤出来,按缺失的内容分别写入不同Excel文件向客户提交,要求在规定的时,补全后才写入数据仓库。

    (2)错误的数据:这一类错误产生的原因是业务系统不够健全,在接收输入后没有进行判断直接写入后台数据库造成的只能通过写SQL语句的方式找出来,然后要求客户在业务系统修正之后抽取

    (3)重复的数据:对于这一类数据——特别是维表中会出现这种情况——将重复数据记录的所有字段导出来,让客户确认并整理。

    4.3 数据转换

    (1)不一致数据转换:这个过程是一个整合的过程,将不同业务系统的相同类型的数据统一,比如同一个供应商在结算系统的编码是XX0001,而在CRM中编码是YY0001,这样在抽取过来之后统一转换成一个编码。

    (2)数据粒度的转换:业务系统一般存储非常明细的数据,而数据仓库中数据是用来分析的,不需要非常明细的数据。一般情况下,会将业务系统数据按照数据仓库粒度进行聚合。

    (3)商务规则的计算:不同的企业有不同的业务规则、不同的数据指标,这些指标有的时候不是简单的加加减减就能完成,这个时候需要在ETL中将这些数据指标计算好了之后存储在数据仓库中,以供分析使用。

    五、 ETL日志、警告发送

    5.1ETL日志。

    1.是执行过程日志,这一部分日志是在ETL执行过程中每执行一步的记录,记录每次运行每一步骤的起始时间,影响了多少行数据,流水账形式。

    2.是错误日志,当某个模块出错的时候写错误日志,记录每次出错的时间、出错的模块以及出错的信息等。

    3.是总体日志,只记录ETL开始时间、结束时间是否成功信息。如果使用ETL工具,ETL工具会自动产生一些日志,这一类日志也可以作为ETL日志的一部分。

    记录日志的目的是随时可以知道ETL运行情况,如果出错了,可以知道哪里出错。

    5.2 警告发送

      如果ETL出错了,不仅要形成ETL出错日志,而且要向系统管理员发送警告。发送警告的方式多种,一般常用的就是给系统管理员发送邮件,并附上出错的信息,方便管理员排查错误。

    做数据仓库系统,ETL是关键的一环。说大了,ETL是数据整合解决方案,说小了,就是倒数据的工具。回忆一下工作这么长时间以来,处理数据迁移、转换的工作倒还真的不少。但是那些工作基本上是一次性工作或者很小数据量。可是在数据仓库系统中,ETL上升到了一定的理论高度,和原来小打小闹的工具使用不同了。究竟什么不同,从名字上就可以看到,人家已经将倒数据的过程分成3个步骤,

    其实ETL过程就是数据流动的过程,从不同的数据源流向不同的目标数据。但在数据仓库中,

    六、ETL特点

    6.1数据同步(经常性的,实时)

    它不是一次性倒完数据就拉到,它是经常性的活动,按照固定周期运行的,甚至现在还有人提出了实时ETL的概念。

    6.2是数据量

    一般都是巨大的,值得你将数据流动的过程拆分成ETL

    七.Kettle

    Kettle是一款国外开源的ETL工具,纯java编写,可以在WindowLinuxUnix上运行,数据抽取高效稳定

    Kettle家族目前包括4个产品:SpoonPanCHEFKitchen

    SPOON 允许你通过图形界面来设计ETL转换过程(Transformation)。

    PAN 允许你批量运行由Spoon设计的ETL转换 (例如使用一个时间调度器)Pan是一个后台执行的程序,没有图形界面。

    CHEF 允许你创建任务(Job)。任务通过允许每个转换,任务,脚本等等,更有利于自动化更新数据仓库的复杂工作。任务通过允许每个转换,任务,脚本等等。任务将会被检查,看看是否正确地运行了。

    KITCHEN 允许你批量使用由Chef设计的任务 (例如使用一个时间调度器)KITCHEN也是一个后台运行的程序。

     


    展开全文
  • 1.Kettle里的数据数据行的形式,由转换里的步骤来处理。 2.作业项是作业的基本组成部分,每个作业项根据前一个作业项的结果顺序执行。 3.可以在转换或作业里定义数据库连接,可以在数据库等设置对话框里使用参数。 4...

    1.Kettle里的数据以数据行的形式,由转换里的步骤来处理。
    2.作业项是作业的基本组成部分,每个作业项根据前一个作业项的结果顺序执行。
    3.可以在转换或作业里定义数据库连接,可以在数据库等设置对话框里使用参数。
    4.kettle有不同类型的资源库,每种资源库都有自己的使用场景。
    5.kettle使用灵活的虚拟文件系统,可以访问各种不同位置的文件。
    6.通过变量和命名参数可以使转换或者作业更加灵活和易于配置。
    7.如何使用可视化编程,如何创建一个转换。

    1.Spoon是集成的开发环境,用于创建和设计转换或作业
    2.Kitchen和Pan命令行启动程序,分别以命令行方式执行作业和转换
    3.Carte是HTTP服务,可以远程执行Kettle作业
    4.如何使用Kettle脚本来启动Kettle的程序
    5.Kettle的主要配置文件

    展开全文
  • ETL数据分析流程

    千次阅读 2019-11-24 22:34:13
    认识ETL数据分析流程 一、商业BI中的应用 ETL是将业务系统的数据经过抽取、清洗转换之后加载到数据仓库的过程,目的是将企业中的分散、零乱、标准不统一的数据整合到一起,为企业的决策提供分析依据。 ETL是BI项目...
     

    认识ETL数据分析流程

    一、商业BI中的应用

    ETL是将业务系统的数据经过抽取、清洗转换之后加载到数据仓库的过程,目的是将企业中的分散、零乱、标准不统一的数据整合到一起,为企业的决策提供分析依据。 ETL是BI项目重要的一个环节。 通常情况下,在BI项目中ETL会花掉整个项目至少1/3的时间,ETL设计的好坏直接关接到BI项目的成败。

    ETL的设计分三部分:数据抽取、数据的清洗转换、数据的加载。在设计ETL的时候我们也是从这三部分出发。数据的抽取是从各个不同的数据源抽取到ODS(Operational Data Store,操作型数据存储)中——这个过程也可以做一些数据的清洗和转换),在抽取的过程中需要挑选不同的抽取方法,尽可能的提高ETL的运行效率。ETL三个部分中,花费时间最长的是“T”(Transform,清洗、转换)的部分,一般情况下这部分工作量是整个ETL的2/3。数据的加载一般在数据清洗完了之后直接写入DW(Data Warehousing,数据仓库)中去。

    ETL的实现有多种方法,常用的有三种。一种是借助ETL工具(如Oracle的OWB、SQL Server 2000的DTS、SQL Server2005的SSIS服务、Informatic等)实现,一种是SQL方式实现,另外一种是ETL工具和SQL相结合。前两种方法各有各的优缺点,借助工具可以快速的建立起ETL工程,屏蔽了复杂的编码任务,提高了速度,降低了难度,但是缺少灵活性。SQL的方法优点是灵活,提高ETL运行效率,但是编码复杂,对技术要求比较高。第三种是综合了前面二种的优点,会极大地提高ETL的开发速度和效率。

    二、 数据的抽取(Extract)

    这一部分需要在调研阶段做大量的工作,首先要搞清楚数据是从几个业务系统中来,各个业务系统的数据库服务器运行什么DBMS,是否存在手工数据,手工数据量有多大,是否存在非结构化的数据等等,当收集完这些信息之后才可以进行数据抽取的设计。
      一般情况下,数据仓库分为ODS、DW两部分。

    1、对于与存放DW的数据库系统相同的数据源处理方法

    这一类数据源在设计上比较容易。一般情况下,DBMS(SQLServer、Oracle)都会提供数据库链接功能,在DW数据库服务器和原业务系统之间建立直接的链接关系就可以写Select 语句直接访问。

    2、对于与DW数据库系统不同的数据源的处理方法

    对于这一类数据源,一般情况下也可以通过ODBC的方式建立数据库链接——如SQL Server和Oracle之间。如果不能建立数据库链接,可以有两种方式完成,一种是通过工具将源数据导出成.txt或者是.xls文件,然后再将这些源系统文件导入到ODS中。另外一种方法是通过程序接口来完成。

    3、对于文件类型数据源(.txt,.xls),业务人员可以利用数据库工具将这些数据导入到指定的数据库,然后从指定的数据库中抽取。或者还可以借助工具实现。

    4、增量更新的问题

    对于数据量大的系统,必须考虑增量抽取。一般情况下,业务系统会记录业务发生的时间,我们可以用来做增量的标志,每次抽取之前首先判断ODS中记录最大的时间,然后根据这个时间去业务系统取大于这个时间所有的记录。利用业务系统的时间戳,一般情况下,业务系统没有或者部分有时间戳。

    三、数据的清洗(Cleaning)

    一般情况下,数据仓库分为ODS、DW两部分。通常的做法是从业务系统到ODS做清洗,将脏数据和不完整数据过滤掉,在从ODS到DW的过程中转换,进行一些业务规则的计算和聚合。

    数据清洗的任务是过滤那些不符合要求的数据,将过滤的结果交给业务主管部门,确认是否过滤掉还是由业务单位修正之后再进行抽取。

    不符合要求的数据主要是有不完整的数据、错误的数据、重复的数据三大类。

    1.不完整的数据:

    这一类数据主要是一些应该有的信息缺失,如供应商的名称、分公司的名称、客户的区域信息缺失、业务系统中主表与明细表不能匹配等。对于这一类数据过滤出来,按缺失的内容分别写入不同Excel文件向客户提交,要求在规定的时间内补全。补全后才写入数据仓库。

    2.错误的数据:

    这一类错误产生的原因是业务系统不够健全,在接收输入后没有进行判断直接写入后台数据库造成的,比如数值数据输成全角数字字符、字符串数据后面有一个回车操作、日期格式不正确、日期越界等。这一类数据也要分类,对于类似于全角字符、数据前后有不可见字符的问题,只能通过写SQL语句的方式找出来,然后要求客户在业务系统修正之后抽取。日期格式不正确的或者是日期越界的这一类错误会导致ETL运行失败,这一类错误需要去业务系统数据库用SQL的方式挑出来,交给业务主管部门要求限期修正,修正之后再抽取。

    3.重复的数据:

    对于这一类数据——特别是维表中会出现这种情况——将重复数据记录的所有字段导出来,让客户确认并整理。

    数据清洗是一个反复的过程,不可能在几天内完成,只有不断的发现问题,解决问题。对于是否过滤,是否修正一般要求客户确认,对于过滤掉的数据,写入Excel文件或者将过滤数据写入数据表,在ETL开发的初期可以每天向业务单位发送过滤数据的邮件,促使他们尽快地修正错误,同时也可以做为将来验证数据的依据。数据清洗需要注意的是不要将有用的数据过滤掉,对于每个过滤规则认真进行验证,并要用户确认。

    四、 数据转换(Transform)

    数据转换的任务主要进行不一致的数据转换、数据粒度的转换,以及一些商务规则的计算。

    1.不一致数据转换:这个过程是一个整合的过程,将不同业务系统的相同类型的数据统一,比如同一个供应商在结算系统的编码是XX0001,而在CRM中编码是YY0001,这样在抽取过来之后统一转换成一个编码。

    2.数据粒度的转换:业务系统一般存储非常明细的数据,而数据仓库中数据是用来分析的,不需要非常明细的数据。一般情况下,会将业务系统数据按照数据仓库粒度进行聚合。

    3.商务规则的计算:不同的企业有不同的业务规则、不同的数据指标,这些指标有的时候不是简单的加加减减就能完成,这个时候需要在ETL中将这些数据指标计算好了之后存储在数据仓库中,以供分析使用。

    五、ETL日志、警告发送

    1、 ETL日志

    ETL日志分为三类。

    (1)执行过程日志,这一部分日志是在ETL执行过程中每执行一步的记录,记录每次运行每一步骤的起始时间,影响了多少行数据,流水账形式。

    (2)错误日志,当某个模块出错的时候写错误日志,记录每次出错的时间、出错的模块以及出错的信息等。

    (3)总体日志,只记录ETL开始时间、结束时间是否成功信息。如果使用ETL工具,ETL工具会自动产生一些日志,这一类日志也可以作为ETL日志的一部分。

    记录日志的目的是随时可以知道ETL运行情况,如果出错了,可以知道哪里出错。

    2、 警告发送

    如果ETL出错了,不仅要形成ETL出错日志,而且要向系统管理员发送警告。发送警告的方式多种,一般常用的就是给系统管理员发送邮件,并附上出错的信息,方便管理员排查错误。

    ETL是BI项目的关键部分,也是一个长期的过程,只有不断的发现问题并解决问题,才能使ETL运行效率更高,为BI项目后期开发提供准确与高效的数据。

    后记

    ​ 做数据仓库系统,ETL是关键的一环。说大了,ETL是数据整合解决方案,说小了,就是倒数据的工具。回忆一下工作这么长时间以来,处理数据迁移、转换的工作倒还真的不少。但是那些工作基本上是一次性工作或者很小数据量。可是在数据仓库系统中,ETL上升到了一定的理论高度,和原来小打小闹的工具使用不同了。究竟什么不同,从名字上就可以看到,人家已经将倒数据的过程分成3个步骤,E、T、L分别代表抽取、转换和装载。

    其实ETL过程就是数据流动的过程,从不同的数据源流向不同的目标数据。但在数据仓库中,

    ETL有几个特点

    一是数据同步,它不是一次性倒完数据就拉到,它是经常性的活动,按照固定周期运行的,甚至现在还有人提出了实时ETL的概念。

    二是数据量,一般都是巨大的,值得你将数据流动的过程拆分成E、T和L。

    ​ 现在有很多成熟的工具提供ETL功能,且不说他们的好坏。从应用角度来说,ETL的过程其实不是非常复杂,这些工具给数据仓库工程带来和很大的便利性,特别是开发的便利和维护的便利。但另一方面,开发人员容易迷失在这些工具中。举个例子,VB是一种非常简单的语言并且也是非常易用的编程工具,上手特别快,但是真正VB的高手有多少?微软设计的产品通常有个原则是“将使用者当作傻瓜”,在这个原则下,微软的东西确实非常好用,但是对于开发者,如果你自己也将自己当作傻瓜,那就真的傻了。ETL工具也是一样,这些工具为我们提供图形化界面,让我们将主要的精力放在规则上,以期提高开发效率。从使用效果来说,确实使用这些工具能够非常快速地构建一个job来处理某个数据,不过从整体来看,并不见得他的整体效率会高多少。问题主要不是出在工具上,而是在设计、开发人员上。他们迷失在工具中,没有去探求ETL的本质。可以说这些工具应用了这么长时间,在这么多项目、环境中应用,它必然有它成功之处,它必定体现了ETL的本质。如果我们不透过表面这些工具的简单使用去看它背后蕴涵的思想,最终我们作出来的东西也就是一个个独立的job,将他们整合起来仍然有巨大的工作量。大家都知道“理论与实践相结合”,如果在一个领域有所超越,必须要在理论水平上达到一定的高度.

    展开全文
  • ETL数据流程

    2013-05-16 15:49:16
    ETL数据抽取图,详细描述了ETL数据抽取、转换、清洗的过程,虽然只有一张图但简单,清晰能说明问题了。
  • ETL问题处理流程

    2019-08-08 13:48:24
    ¨问题陈述:在产险综合业务系统中存在保单信息不一致的问题。 ¨问题分解:保单表中的一些保单在保费信息表中没有。 ¨问题举例:保单表中有保单...¨问题影响:造成基础层保单及相关的业务数据均不入库。 ...

    ¨问题陈述:在产险综合业务系统中存在保单信息不一致的问题。

    ¨问题分解:保单表中的一些保单在保费信息表中没有。

    ¨问题举例:保单表中有保单000123123123123123,000456456456456, 而Charge表中没有。

    ¨问题数量:保单表中现有北京分公司1000张保单,有291张在保费信息表中没有,占比0.21%。

    ¨问题影响:造成基础层保单及相关的业务数据均不入库。

     

    ¨问题解决:

    1. ETL作 约束检查

    2. 判断条件是:分公司相等,保单号相等

    3. 被拒绝的数据需要保存到拒绝文件,要记录拒绝原因

    4. 拒绝文件交总公司信息技术部处理

    5. 不修改拒绝文件和数据集市中的数据,由该部门在源系统处理

     

    ¨建议:

    1. 综合统计系统和业务系统建立严格的保单信息一致性的检查

    2. IT部和业务部门根据拒绝文件在业务系统或综合统计系统中修改

    展开全文
  • 认识ETL数据分析流程

    千次阅读 2019-07-10 16:39:26
    ETL,是英文Extract-Transform-Load的缩写,用来描述将数据从来源端经过萃取(extract)、转置(transform)、加载(load)至目的端的过程。常愈大量的数据、复杂的转换逻辑、目的端为较强运算能力的数据库,愈偏向...
  • 针对传统抽取、转换、装载(ETL)架构在数据处理过程控制方面和数据产品开发效率方面的不足,提出一种基于大数据处理的ETL架构。通过分析主流的ETL工具--Datastage的工作原理和ETL过程的特点,设计ETL元数据描述模块...
  • 数据处理过程之核心技术ETL详解

    万次阅读 2016-05-24 11:29:54
    ETL (数据转换)就是对数据的合并、清理和整合。通过转换,可以实现不同的源数据在语义上的一致性。抛开大数据的概念与基本知识,进入核心。我们从:数据采集、数据存储、数据管理、数据分析与挖掘,四个方面讨论ETL...
  • 这里我们更关注数据ETL过程,而ETL前期的过程,只需要了解其基本范畴就OK。 在数据挖掘的范畴了,数据清洗的前期过程,可简单的认为就是ETL过程ETL的发展过程伴随着数据挖掘至今,其相关技术也已非常成熟。...
  • ETL,是英文 Extract-Transform-Load 的缩写,用来描述将数据从来源端经过抽取(extract)、交互转换(transform)、加载(load)至目的端的过程。   ETL工具的典型代表有:Informatica、Datastage、OWB、微软DTS...
  • ETL处理过程介绍

    千次阅读 2018-01-11 15:15:34
    本文首先提出了ETL过程进行数据清洗应解决的问题,然后通过分析现有的ETL处理方式说明应采用数据库中的ETL处理,介绍了数据质量和数据清洗的原理并提出了数据清洗在ETL中的应用模型,最后通过实例说明数据清洗的具体...
  • 架构挑战 1、对现有数据库管理技术的挑战。 2、经典数据库技术并没有考虑数据的多类别(variety)、SQL(结构化数据查询语言),在设计的一开始是没有...但实时处理的要求,是区别大数据应用和传统数据仓库技术、B...
  • ETL过程 ◇问题分析 ◇现状分析 一、ETL定义 ETL定义涉及以下内容: ETL定义 ETL前提 ETL原则 1.ETL定义 ◆定义: 数据的抽取(Extract)、转换(Transform)、装载(Load)的过程 ◆目标: 数据优化。以最小...
  • 数据ETL

    千次阅读 2019-10-24 13:22:53
    1. ETL数据清洗 数据清洗的概念:“数据清洗确保无法辨认的数据不会进入数据仓库。无法辨认的数据将影响到数据仓库中通过联机分析处理(OLAP)、数据挖掘和关键绩效指标(KPI)所产生的报表。”数据清洗, 是整个数据...
  • ETL微博数据分析流程

    2018-12-26 15:23:34
    ETL是英文Extract-trans-Load 的缩写 ,用来描述将数据从来源端经过抽取(extract),交互转换(transform),加载(load)至目的端的过程。 二,项目思路 1.获取原始数据文件 2.将数据文件解析成数据对象 3.数据对象序列化...
  • ETL数据抽取工具

    万次阅读 2018-06-19 16:20:51
    ETL负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成,最后加载到数据仓库或数据集市中,成为联机分析处理数据挖掘的基础。旗鼓相当:Datastage与Powercenter...
  • 如何复用ETL数据处理功能进行定制化服务开发 简介 众所周知,ETL是为数据报表而生,而报表往往是为领导层做决策提供数据支撑。面向领导编程往往是最能体现工作能力的。如何打造一个数据准确、实时性强的报表,就...
  • ETL数据抽取方案

    2020-10-07 14:01:15
    ETL过程中的主要环节就是数据抽取、数据转换和加工、数据装载。为了实现这些功能,ETL 工具会进行一些功能上的扩充,例如工作流、调度引擎、规则引擎、脚本支持、统计信息等。 一、数据抽取 数据抽取是从数据源...
  • 在维度建模中我们已经了解数据仓库中的维度建模方法以及基本要素,在这篇文章中我们将学习了解数据仓库的ETL过程以及实用的ETL工具。 一、什么是ETL? 构建数据仓库的核心是建模,在数据仓库的构建中,ETL贯穿于...
  • ETL最终需要保证整个处理过程的可靠性、可用性、可管理性。 可靠性:ETL处理过程必须始终运行。他们必须运行以提供及时的数据,这些数据的的所有细节都是值得信任的。 可用性:数据仓库必须满足其承诺的服务级别 ...
  • ORACLE ETL数据抽取

    千次阅读 2014-01-06 16:29:13
    数据仓库中的ETL详细的分为四个阶段:提取,传输,转换,装载。我先简单的介绍一下提取和传输的分类和方法:  一:提取  提取可以分为逻辑提取,和物理提取。  1:逻辑提取按照规模分为:完全提取,增量提取。...
  • etl数据仓库技术

    千次阅读 2017-02-09 08:56:55
    回忆一下工作这么些年来,处理数据迁移、转换的工作倒还真的不少。但是那些工作基本上是一次性工作或者很小数据量,使用access、DTS或是自己编个小程序搞定。可是在数据仓库系统中,ETL上升到了一定的理论高度,和...
  • ETL 数据加载机制概述

    千次阅读 2018-10-29 15:00:08
    ETL数据抽取(Extract)、转换(Transform)、加载(Load)的简写,它的功能是从数据源抽取出所需的数据,经过数据清洗和转换,最终按照预先定义好的数据仓库模型,将数据加载到数据仓库中去,是构建数据仓库最...
  • ETL数据抽取策略

    千次阅读 2011-02-04 23:21:00
    ETL的抽取策略 本文所提到的数据加载策略为OLTP系统作为源系统,并进行ETL数据加载到OLAP系统中所采用的一般数据加载策略。依循数据仓库的工作方式,原始资料由源数据库被抽取出来后,将在中间过程被写入...
  • 处理流程: 1.确定一个业务主键字段或物理主键字段 2.确定一个可以判断增量数据范围的字段,这取决于具体的业务场景,一般选用记录的创建时间或最后修改时间 3.确定一个分区字段,要求一段增量数据尽可能落在较少的...
  • ETL流程

    2021-03-18 05:45:41
    ETL流程 数据抽取(Extraction) 1.抽取的数据源类型可以分为结构化数据、非结构化数据、半结构化数据 2.数据源可以来自爬虫数据、日志数据、第三方数据、HBASE、关系型数据库 3.结构化数据一般采用JDBC、数据库日志...
  • Spark 数据ETL

    万次阅读 2016-04-26 01:12:54
    Spark 数据ETL         说明 ...1、本文翻译自《Machine Learning with Spark》书中第三章第3,4节内容。...3、大家如果有看不懂的地方可以参考原书(网上可以搜到)。...数据处理以及转化 1、

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 29,117
精华内容 11,646
关键字:

etl数据处理过程