OLAP发展到今天,经过了数据仓库、数据湖时代,现在是处理湖仓一体化的时代。
从数据处理技术上讲,也正处于从ETL到“去ETL”的转型期。
数据仓库时期
1、代表技术:
- 关系型数据库,如SQLServer、Oracle、MySQL、Sybase、PostgreSQL、SQLite、Hbase、MariaDB、TIDB等
- ETL:ETL是英文Extract-Transform-Load的缩写,用来描述将数据从来源端经过抽取(extract)、转换(transform)、加载(load)至目的端的过程。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依据。
2、特点:
- 存储空间受限严重
- 原始数据保留较少
- 计算性能瓶颈突出
- 数据分析场景单一
数据湖时期
1、代表技术:
- MapReduce
- SQL on Hadoop。
- ETL
2、特点:
- 存储空间可横向扩展
- 计算能力可横向扩展
- 数据处理开发较复杂
- 不支持在线应用场景
湖仓一体时期
湖仓一体很好的解决了前面两个时期都没有解决的问题。
从OLAP发展阶段,我们会发现其实在2015年都是重依赖ETL的架构。
ETL代表性技术为:
- Kettle
- TOS(Talend Open Studio)
为什么要“去ETL”?
1、ETL开发复杂,ETL工具往往只有很基本的功能,稍复杂的场景就需要二次开发、扩展开发工具。
2、碎片化,不同的ETL工具有不同的开发方式、运行逻辑,相互不能兼容。
3、运维复杂,出了问题先查调度工具,从调度工具显示的位置,再去查ETL执行包,然后还需要看源代码,匹配日志,才能定位问题。
4、性能差,上亿级的数据,如果在处理过程中,涉及到多个数据级关联处理,或者说某个数据集的数据需要在一个较大数据集里进行验证,那性能将非常非常差,几乎不可用。
去ETL以后是什么?SQL!
简单便捷
用SQL来处理数据,不需要编译,直接运行,而且你还可以不需要外部工具,直接在数据库试运行、测试,不过度依赖开发人员。
灵活性强
SQL是一种非常灵活的语言,可以轻松地操作和处理各种类型的数据。使用SQL可以方便地对数据进行筛选、过滤、组合和变形等操作,从而实现各种复杂的数据转换。同时,SQL还支持各种数据库操作,可以方便地对不同类型的数据库进行数据提取和转换。
高效且稳定
SQL是一种成熟且稳定的语言,经过多年的发展和优化,已经成为了数据处理领域的重要工具。使用SQL可以大大提高数据处理效率,减少人工干预,降低出错率。同时,SQL还支持各种优化技术,如索引、视图和存储过程等,可以进一步提高数据处理性能。
易于维护和调试
SQL是一种结构化语言,具有良好的可读性和可维护性。在数据治理过程中,使用SQL可以方便地编写、修改和维护数据转换程序,降低了代码的复杂度和维护成本。同时,SQL还具有良好的调试能力,可以方便地查找和修复错误,提高数据处理流程的稳定性和可靠性。
集成度高
SQL是关系型数据库的标准语言,广泛应用于各种数据库系统。在数据处理过程中,使用SQL可以方便地与各种数据库进行交互,实现数据提取、转换和加载等操作。同时,SQL还支持各种数据库连接方式,如ODBC、JDBC和ADO等,可以方便地与各种应用程序进行集成。
SQL学习成本也很低。
基于“去ETL”化的理念,万山数据推出了湖仓数据治理平台DG4L。
湖仓数据治理工具DG4L特点
- 系统部署低门槛,几乎可以解压直接运行
- 数据集成低门槛,不管是数据库,还是接口数据源,均可使用相同的SQL函数实现数据增量同步
- 数据治理任务开发低门槛,所有的数据处理逻辑都通过SQL完成,无需其它编程语言和工具,无需编译
- 数据分析低门槛,拖拉拽和点选即可完成复杂的数据分析。
- 数据治理看得见摸得着
- 亿级数据秒出结果
- 一条SQL搞定所有数据加工
- 一条SQL搞定所有数据分析
- 一条SQL搞定所有数据集成
- 一条SQL亦可搞定OT数据
- 在线化,可直接服务于报表、接口、数据采集等高并发场景
- 占用空间小,按列进行数据压缩
DG4L架构