三九宝宝网宝宝百科宝宝知识

数据抽取、清洗与转换BI项目中ETL设计

12月01日 编辑 39baobao.com

[儿童割包茎怎么清洗]儿童割包茎怎么清洗:高锰酸钾溶液泡洗做法:从手术前3天起,每天要用高锰酸钾溶液泡洗生殖器。注意:在清洗时要将包皮翻转,暴露冠状沟,彻底清除包皮垢。但要注意,清洗完毕应及时将...+阅读

ETL是将业务系统的数据经过抽取、清洗转换之后加载到数据仓库的过程,目的是将企业中的分散、零乱、标准不统一的数据整合到一起,为企业的决策提供分析的依据。

ETL是BI项目最重要的一个环节,通常情况下ETL会花掉整个项目的1/3的时间,ETL设计的好坏直接关接到BI项目的成败。ETL也是一个长期的过程,只有不断的发现问题并解决问题,才能使ETL运行效率更高,为项目后期开发提供准确的数据。

ETL的设计分三部分:数据抽取、数据的清洗转换、数据的加载。在设计ETL的时候也是从这三部分出发。数据的抽取是从各个不同的数据源抽取到ODS中(这个过程也可以做一些数据的清洗和转换),在抽取的过程中需要挑选不同的抽取方法,尽可能的提高ETL的运行效率。ETL三个部分中,花费时间最长的是T(清洗、转换)的部分,一般情况下这部分工作量是整个ETL的2/3。数据的加载一般在数据清洗完了之后直接写入DW中去。

ETL的实现有多种方法,常用的有三种,第一种是借助ETL工具如Oracle的OWB、SQL server 2000的DTS、SQL Server2005的SSIS服务、informatic等实现,第二种是SQL方式实现,第三种是ETL工具和SQL相结合。前两种方法各有优缺点,借助工具可以快速的建立起ETL工程,屏蔽复杂的编码任务,提高速度,降低难度,但是欠缺灵活性。SQL的方法优点是灵活,提高ETL运行效率,但是编码复杂,对技术要求比较高。第三种是综合了前面二种的优点,极大的提高ETL的开发速度和效率。

数据的抽取

数据的抽取需要在调研阶段做大量工作,首先要搞清楚以下几个问题:数据是从几个业务系统中来?各个业务系统的数据库服务器运行什么DBMS?是否存在手工数据,手工数据量有多大?是否存在非结构化的数据?等等类似问题,当收集完这些信息之后才可以进行数据抽取的设计。

1、与存放DW的数据库系统相同的数据源处理方法

这一类数源在设计比较容易,一般情况下,DBMS(包括SQLServer,Oracle)都会提供数据库链接功能,在DW数据库服务器和原业务系统之间建立直接的链接关系就可以写Select 语句直接访问。

2、与DW数据库系统不同的数据源的处理方法

这一类数据源一般情况下也可以通过ODBC的方式建立数据库链接,如SQL Server和Oracle之间。如果不能建立数据库链接,可以有两种方式完成,一种是通过工具将源数据导出成.txt或者是.xls文件,然后再将这些源系统文件导入到ODS中。另外一种方法通过程序接口来完成。

3、对于文件类型数据源(.txt,,xls),可以培训业务人员利用数据库工具将这些数据导入到指定的数据库,然后从指定的数据库抽取。或者可以借助工具实现,如SQL SERVER 2005 的SSIS服务的平面数据源和平面目标等组件导入ODS中去

4、增量更新问题

对于数据量大的系统,必须考虑增量抽取。一般情况,业务系统会记录业务发生的时间,可以用作增量的标志,每次抽取之前首先判断ODS中记录的时间,然后根据这个时间去业务系统取大于这个时间的所有记录。利用业务系统的时间戳,一般情况下,业务系统没有或者部分有时间戳。

数据的清洗转换

一般情况下,数据仓库分为ODS、DW两部分,通常的做法是从业务系统到ODS做清洗,将脏数据和不完整数据过滤掉,再从ODS到DW的过程中转换,进行一些业务规则的计算和聚合。

1、数据清洗

数据清洗的任务是过滤那些不符合要求的数据,将过滤的结果交给业务主管部门,确认是否过滤掉还是由业务单位修正之后再进行抽取。不符合要求的数据主要是有不完整的数据、错误的数据和重复的数据三大类。

A、不完整的数据,其特征是是一些应该有的信息缺失,如供应商的名称,分公司的名称,客户的区域信息缺失、业务系统中主表与明细表不能匹配等。需要将这一类数据过滤出来,按缺失的内容分别写入不同Excel文件向客户提交,要求在规定的时间内补全。补全后才写入数据仓库。

B、错误的数据,产生原因是业务系统不够健全,在接收输入后没有进行判断直接写入后台数据库造成的,比如数值数据输成全角数字字符、字符串数据后面有一个回车、日期格式不正确、日期越界等。这一类数据也要分类,对于类似于全角字符、数据前后有不面见字符的问题只能写SQL的方式找出来,然后要求客户在业务系统修正之后抽取;日期格式不正确的或者是日期越界的这一类错误会导致ETL运行失败,这一类错误需要去业务系统数据库用SQL的方式挑出来,交给业务主管部门要求限期修正,修正之后再抽取。

C、重复的数据,特别是维表中比较常见,将重复的数据的记录所有字段导出来,让客户确认并整理。

数据清洗是一个反复的过程,不可能在几天内完成,只有不断的发现问题,解决问题。对于是否过滤、是否修正一般要求客户确认;对于过滤掉的数据,写入Excel文件或者将过滤数据写入数据表,在ETL开发的初期可以每天向业务单位发送过滤数据的邮件,促使他们尽快的修正错误,同时也可以作为将来验证数据的依据。数据清洗需要注意的是不要将有用的数据过滤掉了,对于每个过滤规则认真进行验证,并要用户确认才行。

2、数据转换

数据转换的任务主要是进行不一致的数据转换、数据粒度的转换和一些商务规则的计算。

A、不一致数据转换,这个过程是一个整合的过程,将不同业务系统的相同类型的数据统一,比如同一个供应商在结算系统的编码是XX0001,而在CRM中编码是YY0001,这样在抽取过来之后统一转换成一个编码。

B、数据粒度的转换,业务系统一般存储非常明细的数据,而数据仓库中的数据是用来分析的,不需要非常明细的数据,一般情况下,会将业务系统数据按照数据仓库粒度进行聚合。

C、商务规则的计算,不同的企业有不同的业务规则,不同的数据指标,这些指标有的时候不是简单的加加减减就能完成,这个时候需要在ETL中将这些数据指标计算好了之后存储在数据仓库中,供分析使用。

ETL日志与警告发送

1、ETL日志,记录日志的目的是随时可以知道ETL运行情况,如果出错了,出错在那里。

ETL日志分为三类。第一类是执行过程日志,是在ETL执行过程中每执行一步的记录,记录每次运行每一步骤的起始时间,影响了多少行数据,流水账形式。第二类是错误日志,当某个模块出错的时候需要写错误日志,记录每次出错的时间,出错的模块以及出错的信息等。第三类日志是总体日志,只记录ETL开始时间,结束时间是否成功信息。

如果使用ETL工具,工具会自动产生一些日志,这一类日志也可以作为ETL日志的一部分。

2、警告发送

ETL出错了,不仅要写ETL出错日志而且要向系统管理员发送警告,发送警告的方式有多种,常用的就是给系统管理员发送邮件,并附上出错的信息,方便管理员排查错误。

以下为关联文档:

儿童防晒衣怎么清洗手洗1、选用中性洗涤剂,放于不超过30度的温水化开,将衣服浸泡并不超过5分钟。2、用大量清水将防晒衣清洗干净,尽量不要有残留洗涤剂。3、无需拧干,直接挂在阴凉通风处晾干即...

三角区那么脏你洗对了吗女人要学会清洗技巧三角区那么脏你清洗了吗?三角区除了会沾染到白带之外,还可能在排尿的时候沾上尿液,另外,排大便时会有没擦干净的粪便粘在内裤中,经过内裤与肌肤的摩擦,很有可能转移到三角区。这...

夫妻生活前要清洗的三个部位亲亲宝贝小编提醒广大夫妻朋友,夫妻生活前的卫生很重要,对于有的人来说,不愿履行夫妻生活前的卫生工作,这是不妥当的,在这里,亲亲宝贝小编重点提醒夫妻朋友们,夫妻生活前要清洗的三...

儿童餐椅怎么清洗不可水洗漂白1、建议:儿童餐椅切勿沾上有色水或酸碱溶液,若占上水,立即用干布吸干水分,如沾上有色液体或其他有害液体,应立即根据家具标签要求进行干洗或水洗,不可水洗漂白。2...

宝宝耳后怎么清洗肥皂搓出泡沫宝宝耳后怎么清洗?先在一个小皂盒里,把婴儿皂搓出泡沫来。2宝宝躺卧宝宝耳后怎么清洗?洗宝宝的耳后部位,让小宝宝躺卧在大床上,妈妈跪坐在宝宝头的一旁,或让宝宝...

宝宝头上胎脂怎么清洗宝宝头上胎脂怎么清洗清洗前准备宝宝头上胎脂到了后期,会因为吸收到周围环境中的灰尘和污垢形成头垢,且越积越厚,导致覆盖整个头部皮肤,影响宝宝头部皮肤的呼吸,所以家长应该帮助...

宝宝日常中污渍清洗妙招日常中11种污渍清洗妙招1、奶渍如果是有吐奶、溢奶或者是不小心让衣服沾到奶渍时,首先要把衣服用冷水洗一遍,然后再用肥皂搓洗,然后用清水冲净。2、果汁衣物沾到水果渍是最...

介绍猪肝的清洗以及给宝宝食用猪肝的方法猪肝含有丰富的维生素A和铁、锌等微量元素,且所含的铁元素是血红素铁,易于吸收,可预防宝宝缺铁性贫血及夜盲症。所以猪肝经常用来给宝宝补铁的,是宝宝不错的补铁食材之一。题主...

反渗透膜元件的清洗◆ 目的:保证反渗透系统的正常运行 ◆ 目的:延长反渗透膜元件的使用寿命 ◆ 什么时候需要清洗 ◆ 如何进行清洗及用何种药剂进行清洗 1-1什么时候需要清洗反渗透系统 ◆ 当标...

推荐阅读
图文推荐