ETL

ETL

 

对于数据仓库以及ETL的知识，我基本上是个门外汉。一切都得从头开始，记个笔记，方便自已了解学习进度。
    
    首先，我们来了解最基本的定义：
    嗯，也有人将ETL简单称为数据抽取。至少在未学习之前，领导告诉我的是，你需要做一个数据抽取的工具。
    其实呢，抽取是ETL中的关键环节，顾名思义，也就将数据从不同的数据源中抓取(复制)出来。
    太简单了！
    上面的解释无首无尾，有点象能让你吃饱的第七个烧饼，
    仔细一想，抽取是不可能单独存在，我们需要将与之关联的一些其它环节拿出来。

    于是，得到ETL的定义：
    将数据抽取（Extract）、转换（Transform）、清洗（Cleansing）、装载（Load）的过程。 
    好的，既然到了这一个层次，我们完全会进一步展开联想，引出上面这个抽象事件的前因后果，

    抽取的源在哪里？ 
    装载的目的又是什么呢？

    抽取源：大多数情况下，可以认为是关系数据库，专业一点，就是事务处理系统(OLTP)。当然，广义一点，可能会是其它数据库或者是文件系统。
    目的地：OK，我们希望是数据仓库。数据仓库是啥？在学习之前，它对我来说是个抽象的怪物，看过一些简单的资料之后，才了解这个怪物一点都不怪。堆积用来分析的数据的仓库。是了，是用来分析的，于是，它区别于OLTP中的数据存储。

    然后，我们来看看为什么要ETL？
    在我看来，有两个原因。
    一：性能  将需要分析的数据从OLTP中抽离出来，使分析和事务处理不冲突。咦？这不是数据仓库的效果吗？是了，
数据仓库，大多数情况下，也就是通过ETL工具来生成地。
    二：控制  用户可以完全控制从OLTP中抽离出来的数据，拥有了数据，也就拥有了一切。
    嗯，OLAP分析，数据挖掘等等等……。

    最后，总结一下，
    从资料上看，ETL是一门大学问，对于大学问，实在有些怕怕，所以，我觉得应该停下来想一想，下一步我该干点啥？
    嗯，时不我待，我没有办法一切从头开始，
    是了，从应用出发，看看现在工作中，最急需的是什么？

    鸭子要变成一盘菜，并不是举手将之置于油锅之劳。 
    OK，要将生米变为熟饭，鸭子放上大盘，一堆废话之后，我得先看看厨房里都有了一些啥？

 

  ETL为数据仓库服务，数据仓库用于数据分析，数据分析属于BI系统的要干的事儿。

    一般中/小型ERP系统都会有不成熟的BI系统，为啥叫做不成熟？
    因为它们或者有报表分析功能，但不具有OLAP(在线分析)，或者有OLAP，但却没有数据挖掘和深度分析。或者干脆，来个大集成，直接利用第三方工具来达到相应的目的。
    为什么会这样，究其原因，很多情况是因为没有自主的数据仓库，没有数据仓库，其它的做起来也就有些四不象了。而要建立数据仓库，首要的是：ETL。
    于是，需求就应运而生了。

    对了，BI是什么？OLAP是啥？什么又是数据挖掘？鉴于我只能解释其表面含义，我就不多说了。各位不妨找本数据仓库的书，翻翻前几页，一般就明白了。或者Google一把。

    我们捡当下最流行的BI应用：OLAP来说说它与ETL的关系。
    了解OLAP的人都知道，它的分析模型由事实表和维表组成。但往往OLTP系统中的数据库是为事务而建，而并不为分析而建，而为了BI去改动OLTP数据库是不现实，并且，很多情况下也基本上是不可能的(当然，有些公司把不可能的任务变成可能的，但这显然是一种很僵硬的做法)。
    这时候，ETL的作用就显出来了，它可以为OLAP服务，按业务主题提取分析模型进行数据抽取。
    (OLAP分析需要什么样的数据支持？可以参看一下OLAP的星型模型)。

    再说说数据挖掘：
    这个课题实在太大，相关的书藉有很多很多，我还得花时间慢慢去学习。简单的说，这涉及ERP业务和统计学的知识。现在我暂时还没开始相关学习，但它与ETL的关系却很明显。因为数据挖掘所要求的数据大都是高聚合的已处理的数据，所以，不管从获取难度和效率上来说，都不适合直接从OLTP中获取。
    同样，需要ETL来帮忙。

    因此，按本人粗浅的理解：
    ETL实在是： BI系统 设计开发，项目实施 之必备良药！

    有句名言讲得好：成为巨人不如站在巨人的肩膀上。
    如果想对ETL有详尽的了解，不妨先了解一下现有流行的ETL工具。

 

来至：http://blog.csdn.net/tiger119/archive/2007/01/14/1482648.aspx

 

//