ETL(一)：(详细步骤)使用ETL将源数据抽取到EDW层

1、ETL中4大常用客户端

• R客户端主要用于创建文件夹，不同的项目主题，应该放在不同的文件夹中；

2、ETL开发流程

• ①~③在D客户端中完成；
• ④和⑤在W客户端中完成；
• ⑥在M客户端中完成；

3、需求

• 需求一：将orcle作为源数据库，将scott用户下emp表中数据，抽取到edw层。

4、创建edw用户和test1文件夹；

1）创建一个edw用户，用户存放数据转换、清洗后的数据；

① 登陆系统用户system，该用户拥有数据库最高权限；

② 创建edw用户；

• 注意：这里只讲述怎么在PL-SQL中创建用户，使用代码创建用户和赋予用户权限你可以自己去百度。
  

③ 给edw用户赋予权限，权限可以给高一点；

2）使用R客户端创建一个test1的文件夹；

① 启动R客户端，会是下图这个样子；

② 连接informatica服务器；

③ 创建test1文件夹；
点击文件夹–>创建；

输入文件名，点击确定即可；

创建完成以后，就会出现如下所示的test1文件夹；

5、开发步骤如下

• 一个完整的ETL开发需要依次经过如下几层：OTLP–>ODS–>EDW–>DW
• OLTP代表的是源数据层，因为数据的来源会不同，ETL支持好多中数据库中的数据，文件数据，这一层就是我们要处理的原始数据；
• ODS代表的是数据存储层，存放在该层的数据和源数据中的数据一摸一样。为了数据能够保持其原有状态，不损坏原始数据，我们相当于复制了一份数据放在了ODS层，该层数据才是用于我们做ETL开发的数据；
• EDW层是数据仓库层，用于存放我们进行数据转换、清洗过后的数据；
• DW层是数据集市层，用于存放我们对EDW层数据进行分组、聚合后的数据；
• 注意：现实开发中，ODS层的数据是存放在某个服务器上的，该层数据和源数据是一模一样的，因此，我们在学习过程中，可以跳过该层，直接操作源数据，但是实际开发中不要这么干，源数据一般我们是不动的，数据真的很宝贵。

1） 定义源表

• 上图中第7步可以看到，我们选择了EMP表导入到info中，这一步实际上是将源数据库中的EMP表，直接映射到了info中，此时在info中既有EMP表的表结构，又有该表中的数据。

2） 定义目标表(注意这里定义的只是表结构，目前还没有任何数据)；

① 通过源表生成目标表；

② 生成目标表后，给目标表命名，注意：这个命名很有讲究的；

③ 在上述“编辑表中”，做一个简单的列筛选，选择我们自己想要的列；

④ 此时你在查看该表，可以发现表名已经被修改，同时comm字段也被删除了；

⑤ 最关键的一步：将创建好的目标表，生成并执行到目标用户的数据库中去(有了这一步，才会在目标表中真正创建该表，只是一个表结构，没有任何数据)，因此必须点击这个“生成/执行(SQL)”；

⑥ 当出现如下窗口，点击连接，仍然使用这个ODBC数据源(由于edw层仍然是存在oracle数据库中，因此这里仍然选择oracle连接驱动)，我们要把数据加载到edw用户中，因而这里使用edw用户登陆，点击连接；

⑦ 按照如下1，2，3，4步骤进行操作，生成并执行建表语句。或者你可以不点击3，4，直接点击“生成并执行”即可；

⑧ 此时，在edw用户中可以查看edw_emp表，但是只有表结构，没有数据；

3） 创建映射

① 创建一个映射，命名为m_ora_edw_emp；

② 将源表拖拉到右边的灰色区域，可以发现你每拉进去一个表，就会给你生成一个SQ打头的表(图中的是SQ_EMP表)；

• 注意：SQ_EMP是由于你将Oracle中的表加载到info中，由于数据类型的不同，info会自动把源表，生成符合info中数据类型的一张表。

③ 将目标表拖拉到右边的灰色区域；

④ 进行源表和目标表之间的映射连接；

⑤ 当出现如下界面，表示连接成功；

⑥ 点击CTRL+S,保存一下(这一步很重要)，界面左下角出现如下界面，表示映射没有问题；

最后补充一条：实际开发过程中，一个目标表，创建一个映射。

4） 定义任务：任务又叫"会话(session)"，定义任务是为了启动映射

① 在定义任务之前，先点击连接–>再点击关系；

② 定义一个连接源数据库的连接对象；

③ 定义一个连接目标数据库的连接对象；

上面两步完成以后，点击关闭即可；

④ 创建任务：点击任务–>点击创建；

⑤ 当出现下表时，给任务(又叫会话)命名，点击创建；

⑥ 当出现如下界面，选中m_ora_edw_emp，再点击确定；

上述操作完成后，点击完成；

⑦ 修改原表的；连接对象；

⑧ 修改目标表的连接对象：

⑨ 用CTRL+S保存一下，当出现如下界面，证明任务创建成功；

5）创建工作流：用来调度任务去执行工作

① 创建一个工作流；

② 当出现如下界面后，定义一个工作流的名称，点击确定；

③ 将工作流与任务进行连接；

④ 点击CTRL+S保存，当出现如下界面，证明工作流创建成功；

⑤ 启动工作流：

⑥ 上述操作会自动帮我们打开M客户端，

⑦ 此时，去edw用户下查看edw_emp表中是否有数据；

6、开发流程中，几个需要使用Ctrl+S的地方

• 创建映射的时候，最后将源表和目标表进行关联时，需要使用Ctrl+S保存这个关联，映射才算创建成功。
  
• 定义任务的时候，最后也需要使用Ctrl+S保存创建的任务，任务才算是创建成功。
  
• 创建工作流的时候，当工作流创建后后，就需要使用Ctrl+S保存创建的工作流，这样工作流才算是创建成功。
  

### 7、关于ETL开发中，命名需要注意的地方。

• 创建映射(Mapping)的时候，命名是“m_ora_edw_emp”；
• 定义任务(Session)的时候，命名是“s_ora_edw_emp”；
• 创建工作流(Workflow)的时候，命名是“w_ora_edw_emp”；
• 解释：英文字母首字母作为前缀，m表示创建的是一个映射；s表示创建的是一个任务；w表示创建的是一个工作流；ora_edw_emp表示把oraacle最为源数据库，将该数据库中的emp表抽取、转换到edw层。

8、映射、任务、工作流的作用

• 映射主要是完成源表和目标表之间的数据流向，只有通过映射，源表中的数据才可以进入目标表中。任务主要是为了执行映射，映射创建成功后，数据并没有真正流入到目标表中，只有通过定义任务后，执行了这个映射，目标表中才会有数据。但是任务启动工作，需要通过创建工作流来调度，这也就是我们为什么创建了映射后，还要定义任务，定义任务后还要创建工作流的原因。