ETL架构

企业信息化建设过程中，业务系统各自为政、相互独立造成的“数据孤岛”现象尤为普遍，业务不集成、流程不互通、数据不共享……。这给企业进行数据的分析利用、报表开发等带来了巨大困难。在此情况下，数据仓库的建设就显得必不可少了，将相互分离的业务系统的数据源整合在一起，建立一个统一的数据采集、处理、存储、分发、共享中心，实现企业全局数据的系统化运作管理，为DSS（决策支持系统）、BI（商务智能）、经营分析系统等深度开发应用奠定基础，挖掘数据价值。

   在企业搭建数据仓库的过程中，有一个核心环节——ETL。如果说数据仓库是一座大楼，那么ETL就是大楼的地基。ETL是Extract（抽取）-Transform（转换）-Load（加载） 的缩写，负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。ETL设计和实施的工作量一般要占数据仓库总工作量的60%以上，数据仓库建成后的日常运维的好坏也严重依赖ETL的设计使用，所以说ETL是整个数据仓库的生命线，ETL工具的选择对于整个数据仓库项目的成功是非常重要的。

   ETL工具目前有两种技术架构——ETL架构和ELT架构，咋一看这两种架构好像没什么不同之处，那么二者之间到底有什么区别呢？

 （1）ETL架构

   ETL架构按其字面含义理解就是按照E——T——L这个顺序流程进行处理的架构：先抽取、然后转换、完成后加载到目标数据库中。在ETL架构中，数据的流向是从源数据流到ETL工具，ETL工具是一个单独的数据处理引擎，一般会在单独的硬件服务器上，实现所有数据转化的工作，然后将