EtL是企业数据仓库构建过程中的一个核心步骤Y我们可以借助于EtL

    工具来高效地完成数据抽取转换和加载工作之所以需要EtL工具Y

    主要有以下几个原因x

    ?

    1?当数据来自不同的物理主机Y这时候如果使用SqL语句去处理的

    话Y就显得比较吃力且开销也更大]

    ?

    2?数据来源可以是各种不同的数据库或者文件Y这时候需要先把它

    们整理成统一的格式后才可以进行数据的处理Y这一过程用代码实现

    显然有些麻烦]

    ?

    3?在数据库中我们当然可以使用存储过程去处理数据Y但是Y处理

    海量数据的时候Y存储过程显然比较吃力Y而且会占用较多数据库的

    资源Y这可能会导致数据库资源不足Y进而影响数据库的性能。

    。

    在选择EtL工具时主要考虑如下因素x

    ?对平台的支持程度]

    ?抽取和装载的性能是不是较高Y且对业务系统的性能影响大不

    大，高不高]。

    ?对数据源的支持程度]。

    ?是否具有良好的集成性和开放性]。

    ?数据转换和加工的功能。

    ?是否具有管理和调度的功能。

    cdc解决方案包括变化捕捉代理变化数据服务和变化分发机制三个

    组成部分

    ?

    1?变化捕捉代理变化捕捉代理是一个软件组件Y它负责确定和捕

    捉发生在操作型数据存储源系统中的数据变化可以对变化捕捉代理

    进行专门优化Y使它适用于特定的源系统Y比如使用数据库触发器]

    也可以使用通用的方法Y比如数据日志比较。

    变化数据服务变化数据服务为变化数据捕捉的成功实现提供了

    一系列重要的功能Y包括过滤排序附加数据生命周期管理和审

    计等表6-4给出了每个功能的解释。

    变化分发机制变化分发机制负责把变化分发到变化的消费者?通

    常是EtL程序?那里变化分发机制可以支持一个或多个消费者Y并且提

    供了灵活的数据分发方式Y包括推(push)或拉(pull)的方式pull方式需要

    消费者周期性地发送请求Y通常采用标准接口实现Y比如odbc或Jdbc

    push方式需要消费者一直监听和等待变化的发生Y一旦捕捉到变化Y就立

    刻转移变化的数据Y通常采用消息中间件来实现变化分发机制的另一个

    重要功能就是提供动态返回和请求旧的变化的能力Y从而满足重复处理和

    恢复处理等任务。

    变化数据捕捉技术有两个典型的应用场景x面向批处理的cdc

    ?

    pull cdc?和面向实时的cdc?

    push cdc?

    1.面向批处理的cdc

    在这种场景中YEtL工具周期性地请求变化Y每次都接收批量数据Y

    这些批量数据是在上次请求和这次请求之间所捕捉到的变化变化

    分发请求可以采取不同的频度Y比如一天两次或每隔15分钟1次。

    对于许多组织而言Y提供变化数据的一种比较好的方式是以数据表的记

    录的形式表示这种方式可以使EtL工具通过标准接口?比如odbc?的

    方式无缝地访问变化数据cdc则需要维护上次变化分发的位置和分发

    新的变化

    这种应用场景和传统的EtL很相似Y不同的是Ypull cdc只需要转移变化

    的数据Y并不需要转移所有的数据Y这就极大地减少了资源消耗Y也消

    除了传统EtL过程的宕机时间。

    面向批处理的cdc技术简单Y很容易实现Y因为它和传统的EtL很相似Y

    并且使用现有的技术当企业对时间延迟以分钟或小时来进行衡量时Y

    采取这种方式比较可行。

    这种场景满足零延迟的要求Y变化分发机制一旦探测到变化Y就把变化

    push给EtL程序Y这通常是通过可靠的传输机制来实现的Y比如事件分发

    机制和消息中间件?如mq Series?

    虽然面向消息和面向事件的集成方法在EAI产品中更为常