ETL数据抽取方案简介.docx

ETL数据抽取方案简介

目 录

ETL简介 3

ETL抽取方案 4

数据抽取 4

数据转换和加工 8

数据装载 9

时间戳方式 错误!未定义书签。

全量删除插入方式 错误!未定义书签。

全量比对方式 错误!未定义书签。

ETL简介

数据集成是把不同来源、格式和特点的数据在逻辑上或物理上有机地集中，从而提供全面的数据共享，是企业商务智能、数据仓库系统的重要组成部分。ETL是企业数据集成的主要解决方案。ETL中三个字母分别代表的是Extract、Transform、Load，即抽取、转换、加载。（1）数据抽取：从源数据源系统抽取目的数据源系统需要的数据；

数据集成是把不同来源、格式和特点的数据在逻辑上或物理上有机

地集中，从而提供全面的数据共享，是企业商务智能、数据仓库系统的

重要组成部分。ETL是企业数据集成的主要解决方案。

ETL中三个字母分别代表的是Extract、Transform、Load，即抽取、

转换、加载。

（1）数据抽取：从源数据源系统抽取目的数据源系统需要的数据；

（2）数据转换：将从源数据源获取的数据按照业务需求，转换成目

的数据源要求的形式，并对错误、不一致的数据进行清洗和加工；

（3）数据加载：将转换后的数据装载到目的数据源。

ETL作为构建数据仓库的一个环节，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。现在越来越多地将 ETL应用于一般信息系统数据的迁

移、交换和同步。一个简单ETL流程如图1所示。

数据

数据

文件

目

抽

转

加

其他

临时

图1

图1

ETL抽取方案

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、

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。

数据抽取

数据抽取是从数据源中抽取数据的过程。实际应用中，数据源较多采用的是关系数据库。从数据库中抽取数据一般有以下几种方式：

数据抽取是从数据源中抽取数据的过程。实际应用中，数据源较多

采用的是关系数据库。

从数据库中抽取数据一般有以下几种方式：

全量抽取

全量抽取类似于数据迁移或数据复制，它将数据源中的表或视图的数据原封不动的从数据库中抽取出来，并转换成自己的

全量抽取类似于数据迁移或数据复制，它将数据源中的表或视图的

数据原封不动的从数

据库中抽取出来，并转换成自己的ETL工具可以识别的格式。全量

抽取比较简单。

增量抽取

增量抽取只抽取自上次抽取以来数据库中要抽取的表中新增或修改

增量抽取只抽取自上次抽取以来数据库中要抽取的表中新增或修改

的数据。在ETL使用过程中，增量抽取较全量抽取应用更广。如何捕获

变化的数据是增量抽取的关键。对捕获方法一般有两点要求：准确性，能够将业务系统中的变化数据按一定的频率准确地捕获到；性能，不能对业务系统造成太大的压力，影响现有业务。目前增量数据抽取中常用的捕获变化数据的方法有：

变化的数据是增量抽取的关键。对捕获方法一般有两点要求：准确性，

能够将业务系统中的变化数据按一定的频率准确地捕获到；性能，不能

对业务系统造成太大的压力，影响现有业务。目前增量数据抽取中常用

的捕获变化数据的方法有：

触发器方式（又称快照式）

在要抽取的表上建立需要的触发器，一般要建立插入、修改、删除三个触发器，每当源表中的数据发生变化，就被相应的触发器将变化的数据写入一个临时表，抽取线程从临时表中抽取数据，临时表中抽取过的数据被标记或删除。优点：数据抽取的性能高，ETL加载规则简单，速度快，不需要修改业务系统表结构，可以实现数据的递增加载。缺点：要求业务表建立触发器，对业务系统有一定的影响，容易对源数据库构成威胁。

在要抽取的表上建立需要的触发器，一般要建立插入、修改、删除

三个触发器，每当源表中的数据发生变化，就被相应的触发器将变化的

数据写入一个临时表，抽取线程从临时表中抽取数据，临时表中抽取过

的数据被标记或删除。

优点：数据抽取的性能高，ETL加载规则简单，速度快，不需要修

改业务系统表结构，可以实现数据的递增加载。

缺点：要求业务表建立触发器，对业务系统有一定的影响，容易对

源数据库构成威胁。

时间戳方式

它是一种基于快照比较的变化数据捕获方式，在源表上增加一个时间戳字段，系统中更新修改表数据的时候，同时修改时间戳字段的值。当进行数据抽取时，通过比较上次抽取时间与时间戳字段的值来决定抽取哪些数据。有的数据库的