什么是ETL

ETL是商业智能（BI）的重要组成部分。我们先看一下在WIKI中的定义：

ETL，是英文Extract-Transform-Load的缩写，即填充、更新数据仓库的数据抽取、转换、装载的过程。这是实现商业智能之前的数据采集步骤。这一步骤完成之后，对库中数据的数据挖掘、分析处理才可以进行。

对于ETL而言，“是什么”是很容易理解的，也就是将分散的、不易利用的数据进行整理，变成规则清晰的、易于利用的、（可能同时还是）集中的数据。在ETL过程之外，就可以基于报表分析系统、多维分析系统和数据挖掘系统等，进行进一步的数据分析利用。

这一过程可以通过Hard Codding，即编写程序实现，也可以通过各种ETL工具实现。

对于ETL，实际常见的问题有两个：

1、为什么要做ETL，而不是直接利用数据？

这个原因有多种多样，比如可能原始数据量太大，需要加以提炼；可能业务数据的服务器面临性能压力，不希望分析工作影响性能；可能源数据的异构性和低质量，需要加以规范；还有可能有些数据直接利用起来有困难，例如SAP系统中的数据。

2、不同ETL工具与方法的差异主要是什么？

由于ETL是一个可以用Hard Codding并不大困难就可以实现的过程，因此很容易会问“为什么要用ETL工具”。实际上，Hard Codding也是一种可供选择ETL方法，而各种工具与方法主要的差异在于两点，一是设计与建立ETL过程的复杂度，比如有些工作用工具可以很快建立和修改、调试，而写程序要花很大力气，有些工作则配置ETL工具很费力，还不如直接写一个SQL，不同的工具之间也有很大的差异；二是运行时的效率，有些ETL工作，要经常进行，有些则是初始时进行一次，有些数据量大、时效要求高，有些则反之。这样，在不同情况下，就可能需要根据运行效率的需要选择合适的ETL工具。

从上面两个问题，我们可以理解ETL的必要性与适用性，同时，也可以认识到，ETL是一个概念，应该根据实际的情况与需要，选择（包括不使用）合适的ETL工具或方法。