【正文】 ，為企業(yè)的決策提供分析的依據(jù)　　ETL是BI項目最重要的一個環(huán)節(jié)，通常情況下ETL會花掉整個項目的1/3的時間，ETL設計的好壞直接關接到BI項目的成敗。記錄日志的目的是隨時可以知道ETL運行情況，如果出錯了，可以知道哪里出錯。一類是執(zhí)行過程日志，這一部分日志是在ETL執(zhí)行過程中每執(zhí)行一步的記錄，記錄每次運行每一步驟的起始時間，影響了多少行數(shù)據(jù)，流水賬形式。　　(1)不一致數(shù)據(jù)轉(zhuǎn)換：這個過程是一個整合的過程，將不同業(yè)務系統(tǒng)的相同類型的數(shù)據(jù)統(tǒng)一，比如同一個供應商在結算系統(tǒng)的編碼是XX0001,而在CRM中編碼是YY0001，這樣在抽取過來之后統(tǒng)一轉(zhuǎn)換成一個編碼?！　?shù)據(jù)清洗是一個反復的過程，不可能在幾天內(nèi)完成，只有不斷的發(fā)現(xiàn)問題，解決問題?！　?2)錯誤的數(shù)據(jù)：這一類錯誤產(chǎn)生的原因是業(yè)務系統(tǒng)不夠健全，在接收輸入后沒有進行判斷直接寫入后臺數(shù)據(jù)庫造成的，比如數(shù)值數(shù)據(jù)輸成全角數(shù)字字符、字符串數(shù)據(jù)后面有一個回車操作、日期格式不正確、日期越界等。不符合要求的數(shù)據(jù)主要是有不完整的數(shù)據(jù)、錯誤的數(shù)據(jù)、重復的數(shù)據(jù)三大類?！　≡隽扛碌膯栴}　　對于數(shù)據(jù)量大的系統(tǒng)，必須考慮增量抽取。如果不能建立數(shù)據(jù)庫鏈接，可以有兩種方式完成，然后再將這些源系統(tǒng)文件導入到ODS中。　　一、數(shù)據(jù)的抽取　　這一部分需要在調(diào)研階段做大量的工作，首先要搞清楚數(shù)據(jù)是從幾個業(yè)務系統(tǒng)中來,各個業(yè)務系統(tǒng)的數(shù)據(jù)庫服務器運行什么DBMS,是否存在手工數(shù)據(jù)，手工數(shù)據(jù)量有多大，是否存在非結構化的數(shù)據(jù)等等，當收集完這些信息之后才可以進行數(shù)據(jù)抽取的設計。一種是借助ETL工具(如Oracle的OWB、SQLServer2000的DTS、SQLServer2005的SSIS服務、Informatic等)實現(xiàn)，一種是SQL方式實現(xiàn)，另外一種是ETL工具和SQL相結合。數(shù)據(jù)的抽取是從各個不同的數(shù)據(jù)源抽取到ODS(OperationalDataStore，操作型數(shù)據(jù)存儲)中——這個過程也可以做一些數(shù)據(jù)的清洗和轉(zhuǎn)換)，在抽取的過程中需要挑選不同的抽取方法，盡可能的提高ETL的運行效率。ETL是BI項目重要的一個環(huán)節(jié)。 通常情況下，在BI項目中ETL會花掉整個項目的1/3的時間,ETL設計的好壞直接關接到BI項目的成敗。ETL三個部分中，花費時間最長的是“T”(Transform，清洗、轉(zhuǎn)換)的部分，一般情況下這部分工作量是整個ETL的2/3。前兩種方法各有各的優(yōu)缺點，借助工具可以快速的建立起ETL工程，屏蔽了復雜的編碼任務，提高了速度，降低了難度，但是缺少靈活性?！　τ谂c存放DW的數(shù)據(jù)庫系統(tǒng)相同的數(shù)據(jù)源處理方法　　這一類數(shù)據(jù)源在設計上比較容易。另外一種方法是通過程序接口來完成。一般情況下，業(yè)務系統(tǒng)會記錄業(yè)務發(fā)生的時間，我們可以用來做增量的標志,每次抽取之前首先判斷ODS中記錄最大的時間，然后根據(jù)這個時間去業(yè)務系統(tǒng)取大于這個時間所有的記錄?！　?1)不完整的數(shù)據(jù)：這一類數(shù)據(jù)主要是一些應該有的信息缺失，如供應商的名稱、分公司的名稱、客戶的區(qū)域信息缺失、業(yè)務系統(tǒng)中主表與明細表不能匹配等。這一類數(shù)據(jù)也要分類，對于類似于全角字符、數(shù)據(jù)前后有不可見字符的問題，只能通過寫SQL語句的方式找出來，然后要求客戶在業(yè)務系統(tǒng)修正之后抽取。對于是否過濾，是否修正一般要求客戶確認，對于過濾掉的數(shù)據(jù)，寫入Excel文件或者將過濾數(shù)據(jù)寫入數(shù)據(jù)表，在ETL開發(fā)的初期可以每天向業(yè)務單位發(fā)送過濾數(shù)據(jù)的郵件，促使他們盡快地修正錯誤,同時也可以做為將來驗證數(shù)據(jù)的依據(jù)。　　(2)數(shù)據(jù)粒度的轉(zhuǎn)換：業(yè)務系統(tǒng)一般存儲非常明細的數(shù)據(jù)，而數(shù)據(jù)倉庫中數(shù)據(jù)是用來分析的，不需要非常明細的數(shù)據(jù)。一類是錯誤日志，當某個模塊出錯的時候?qū)戝e誤日志，記錄每次出錯的時間、出錯的模塊以及出錯的信息等?！　【姘l(fā)送　　如果ETL出錯了，不僅要形成ETL出錯日志，而且要向系統(tǒng)管理員發(fā)送警告。ETL也是一個長期的過程，只有不斷的發(fā)現(xiàn)問題并解決問題，才能使ETL運行效率更高，為項目后期開發(fā)提供準確的數(shù)據(jù)。ETL三個部分中，花費時間最長的是T(清洗、轉(zhuǎn)換)的部分，一般情況下這部分工作量是整個ETL的2/3。SQL的方法優(yōu)點是靈活，提高ETL運行效率，但是編碼復雜，對技術要求比較高?！　∨cDW數(shù)據(jù)庫系統(tǒng)不同的數(shù)據(jù)源的處理方法?！　τ谖募愋蛿?shù)據(jù)源(.txt,，xls)，可以培訓業(yè)務人員利用數(shù)據(jù)庫工具將這些數(shù)據(jù)導入到指定的數(shù)據(jù)庫，然后從指定的數(shù)據(jù)庫抽取。利用業(yè)務系統(tǒng)的時間戳，一般情況下，業(yè)務系統(tǒng)沒有或者部分有時間戳。　　數(shù)據(jù)清洗　　數(shù)據(jù)清洗的任務是過濾那些不符合要求的數(shù)據(jù)，將過濾的結果交給業(yè)務主管部門，確認是否過濾掉還是由業(yè)務單位修正之后再進行抽取。需要將這一類數(shù)據(jù)過濾出來，按缺失的內(nèi)容分別寫入不同Excel文件向客戶提交，要求在規(guī)定的時間內(nèi)補全。這一類數(shù)據(jù)也要分類，對于類似于全角字符、數(shù)據(jù)前后有不面見字符的問題只能寫SQL的方式找出來，然后要求客戶在業(yè)務系統(tǒng)修正之后抽取。　　數(shù)據(jù)清洗是一個反復的過程，不可能在幾天內(nèi)完成，只有不斷的發(fā)現(xiàn)問題，解決問題?！　?shù)據(jù)轉(zhuǎn)換　　數(shù)據(jù)轉(zhuǎn)換的任務主要是進行不一致的數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)粒度的轉(zhuǎn)換和一些商務規(guī)則的計算。 　　B、數(shù)據(jù)粒度的轉(zhuǎn)換，業(yè)務系統(tǒng)一般存儲非常明細的數(shù)據(jù)，而數(shù)據(jù)倉庫中的數(shù)據(jù)是用來分析的，不需要非常明細的數(shù)據(jù)，一般情況下，會將業(yè)務系統(tǒng)數(shù)據(jù)按照數(shù)據(jù)倉庫粒度進行聚合?！　TL日志分為三類。　　如果使用ETL工具，工具會自動產(chǎn)生一些日志，這一類日志也可以作為ETL日志的一部分。企業(yè)應用集成(EAI，Enterprise Application Integration)應運而生。因此，如何對數(shù)據(jù)進行有效的集成管理已成為增強企業(yè)商業(yè)競爭力的必然選擇。(2)數(shù)據(jù)轉(zhuǎn)換：將從源數(shù)據(jù)源獲取的數(shù)據(jù)按照業(yè)務需求，轉(zhuǎn)換成目的數(shù)據(jù)源要求的形式，并對錯誤、不一致的數(shù)據(jù)進行清洗和加工?！　　　TL過程中的主要環(huán)節(jié)就是數(shù)據(jù)抽取、數(shù)據(jù)轉(zhuǎn)換和加工、數(shù)據(jù)裝載。從數(shù)據(jù)庫中抽取數(shù)據(jù)一般有以下幾種方式。在ETL使用過程中。性能，不能對業(yè)務系統(tǒng)造成太大的壓力，影響現(xiàn)有業(yè)務。當進行數(shù)據(jù)抽取時，通過比較系統(tǒng)時間與時間戳字段的值來決定抽取哪些數(shù)據(jù)。另外，無法捕獲對時間戳以前數(shù)據(jù)的delete和update操作,在數(shù)據(jù)準確性上受到了一定的限制。MD5方式的優(yōu)點是對源系統(tǒng)的傾入性較小(僅需要建立一個MD5臨時表)，但缺點也是顯而易見的，與觸發(fā)器和時間戳方式中的主動通知不同，MD5方式是被動的進行全表數(shù)據(jù)的比對，性能較差。CDC 特性是在Oracle9i數(shù)據(jù)庫中引入的。CDC體系結構基于發(fā)布者/訂閱者模型。發(fā)布者首先需要識別捕獲變化數(shù)據(jù)所需的源表。一個訂閱者可能不會對發(fā)布者發(fā)布的所有數(shù)據(jù)都感興趣?！　TL處理的數(shù)據(jù)源除了關系數(shù)據(jù)庫外，還可能是文件，例如txt文件、excel文件、xml文件等?！　?1)ETL引擎中的數(shù)據(jù)轉(zhuǎn)換和加工　　ETL引擎中一般以組件化的方式實現(xiàn)數(shù)據(jù)轉(zhuǎn)換?！　?2)在數(shù)據(jù)庫中進行數(shù)據(jù)加工　　關系數(shù)據(jù)庫本身已經(jīng)提供了強大的SQL、函數(shù)來支持數(shù)據(jù)的加工，如在SQL查詢語句中添加where條件進行過濾，查詢中重命名字段名與目的表進行映射，substr函數(shù)，case條件判斷等等。 else REMARK end as CONTENT from TB_REMARK where ID 100。裝載數(shù)據(jù)的最佳方法取決于所執(zhí)行操作的類型以及需要裝入多少數(shù)據(jù)。但是，批量裝載操作易于使用，并且在裝入大量數(shù)據(jù)時效率較高。開源世界也有很多的ETL工具，功能各異，強弱不一?！　DI的主要功能特點有：　　?！　?。通過使用DTS，可以從任何數(shù)據(jù)源中提取數(shù)據(jù)以及將數(shù)據(jù)加