一个较为详细ETL系统实现方案.docVIP

一个较为详细的ETL系统实现方案 一个较为详细的ETL系统实现方案 影响, 清洗, 监控, 机构, 汇率 1 ETL流程及调度设计（ETL Schedule）(PSP) 1. ETL调度的目标 快速见效系统要抽取39家分行四个系统的数据进行加工处理，数据从下传文件到ODS库，ODS库到LDM，再计算PI值和汇总PI，整个ETL处理过程需按一定步骤和满足某些条件进行，某些关键的文件如汇率数据、机构表等都会影响整个ETL的处理，因此，快速见效的ETL处理流程将是一个比较复杂的过程。 考虑到将来ETL处理的多样性和复杂性，引入了Job的概念，将ETL处理过程分为一个一个的Job，Job可能是清洗\加载\转换，也可能是PI加工。为了对复杂的ETL处理过程更好的调度和监控，专门设计一个ETL调度系统。通过ETL调度系统的开发使用，将清晰、高效地通过Job调度的方式处理快速见效的ETL过程。 2. ETL调度功能说明 调度维护 1) 调度系统参数维护，对调度系统的公共参数：期数、进程数、数据日期、本期开始日期和本期结束日期进行设置和修改。 2) 下传文件信息维护，维护所有区域的下传文件名称、文件状态、文件数据日期和对应区域的归属关系。 3) 作业步定义与维护，定义作业对应的实际ETL处理过程，生成作业编号，定义作业类型和作业的驱动关系，作业的运行所需要的条件。 4) 调度异常处理，对调度过程中出现的异常情况进行处理，提供错误查找、出错重跑功能。 日志管理 1) 调度过程日志，管理记录调度中的主要过程和异常信息，如调度开始、调度完成、数据库操作异常和读写文件异常的日志。 2) Job执行日志，管理记录Job执行信息的日志，提供该日志的查询、删除和执行状态重置功能。 3) Job详细事件日志，管理记录Job执行中的详细事件（清洗记录条数、数据库具体操作情况）的日志，提供对日志的查询、删除操作。 作业调度 正常情况下的作业调度，对整个ETL过程进行调度，提供分段提交处理和自动提交处理功能。 可调度的Job类型 1) C程序（清洗），ETL调度提供与C程序的接口，从而可以对C程序进行调度。 2) 用C封装的SQLLDR（加载），将ORACLE SQLLDR封装在C程序中进行调度。 3) PROC程序（合并、转换），对合并和转换过程，调度提供相应的接口，从而对ORACLE的PROC程序进行调度。 4) 存储过程（转换），将存储过程封装在PROC程序中进行调度。 5) DataStage（PI加工），调度系统提供了与DataStage的接口，可以对DataStage各个种类的Job进行调度。 作业步（ETL_Step）的功能类型及数据处理 0. 文件FTP: 将各个分行的源业务系统（NLNS、SBS、NACS）的以预定的文件格式以FTP方式通过中行网络传输到QUICK WIN项目系统的ETL服务器。 1. 文件注册：0中FTP的源数据文件，经过解压缩后，必须在QUICK WIN项目系统中注册，只有经过文件注册过程后QUICK WIN项目系统才能确认“那些分行的源数据” 已经正确到达，ETL系统就可以相应的处理流程。 2. 数据清洗：从各分行FTP来的源数据文件，可能存在非法数据或冗余数据或者数据规则标准不统一，而且文件格式上也不能被QUICK WIN项目的ETL过程立即使用，因此必须对数据文件进行数据清洗（删除非法、冗余数据、统一数据规则标准、转换成QUICK WIN项目的ETL过程能“加载”处理的文件格式）。 3. 数据加载：将清洗后的数据（文件格式）通过SQL LOADER加载到ORACLE数据库相应的数据库表中。 4. ODS数据合并：将各个分行的相同类型的源业务系统数据合并到ORACLE数据库中同一张数据表中。 5. LDM数据加工：面向业务生产数据（ODS数据库表中的数据）根据“QUICK WIN分析模型”将数据转换、加工成面向分析主题的“分析型数据”。 6. PI加工：根据业务需求、业务规则和分析模型，从LDM数据表中加工出QUICK WIN所需的PI。 7. 报表加工：根据业务需求、业务规则和分析模型，从LDM数据表和PI表中中加工出QUICK WIN所需的报表。 8. ETL调度程序：调度ETL加工各个过程的运行。 9. 监控程序：监控ETL过程的运行状态（加工进度、加工效率、成功、警告、错误等）信息，及时向系统的运行维护人员报告系统运行状态。 作业步（ETL_Step）的流程和依存关系。 1) 清洗类型的Job的运行依赖于相应下传文件的状态，必须是在下传文件检查及登记后才能进行清洗Job的调度。 2) ODS层加载类型Job的运行依赖于相应的清洁文件是否由清洗程序生成，即相应的清洗Job是否正