很可惜 T 。T 您現在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經錄用會有專人和您聯系
咨詢如何成為春羽作者請聯系：鳥哥筆記小羽毛（ngbjxym）
hi，米娜桑，壯實又在周六早上和大家見面啦～
經過上節(jié)的《壯實學數據技術03：數據接入》，我們要進入到數據開發(fā)的階段嘍。在了解數據開發(fā)的時候，我們繞不過去一個詞：ETL。
那么什么是ETL？我們?yōu)槭裁葱枰狤TL？市面上的ETL工具有哪些？今天，壯實來帶你盤盤ETL。
上回書我們說到，數據接入到數倉中后，需要經過一系列操作，供業(yè)務方使用。而這一系列的操作過程，簡單來說就是數據就要按照統一的規(guī)則集成。我們把這些規(guī)則集成，叫做一個個數倉模型。
如果把數倉模型比做大廈，數據是磚瓦的話，那么ETL就是建設大廈的過程。它鏈接著數據源和數據倉庫的兩端。
在數倉建設的整個項目中，最難部分是用戶需求分析和模型設計，而ETL規(guī)則設計和實施則是工作量最大的，約占整個項目的60%～80%，這是國內外從眾多實踐中得到的普遍共識。
ETL（Extract-Transform-Load），即數據從數據源經過抽?。╡xtract）、轉換（transform）、加載（load）至目的端的過程。我們從數據源抽取出所需的數據，經過數據清洗，最終按照預先定義好的數據倉庫模型，將數據加載到數據倉庫中去。這中間有各種各樣的同步數據和異步數據，常見的有mysql2hive、hive2hive、hive2mysql等等。
ETL的實現，常見為三種。一種是借助ETL工具，一種是SQL方式，另外一種是ETL工具和SQL相結合。前兩種方法各有各的優(yōu)缺點，借助工具可以快速的建立起ETL工程，可以屏蔽復雜的編碼任務，提高速度，降低難度，但是缺少靈活性。而SQL的方法優(yōu)點是靈活，提高ETL運行效率，但是編碼復雜，對技術要求比較高。第三種是綜合了前面二種的優(yōu)點，極大地提高ETL的開發(fā)速度和效率。
ETL工具有 Datastage、Informatica、Kettle 等。其中 Datastage、Informatica 都是收費昂貴的商業(yè)工具，Kettle是基于Java開發(fā)的開源工具，這些工具可以通過拖拽配置等方式進行ETL開發(fā)。
那么為什么需要ETL呢？主要有以下幾點原因：
1、當數據來自不同的物理機，這時候如果使用SQL處理的話會浪費計算資源。
2、數據來源于不同數據庫或者文件，需要把他們整理成統一的格式后才可以進行數據處理，這一過程用代碼實現會很麻煩。
3、處理海量數據時會占用較多數據庫的資源，會導致數據庫資源不足，進而影響數據庫的性能。
簡單來說，進行不同數據源的ETL之后，會節(jié)省計算資源、存儲資源、代碼也會簡單很多，省錢又省力，還省心。
（1）對平臺的支持程度
（2）抽取和裝載的性能是不是較高，且對業(yè)務系統的性能影響大不大，侵入性高不高
（3）對數據源的支持程度
（4）是否具有良好的集成性和開放性
（5）數據轉換和加工的功能強不強
（6）是否具有管理和調度的功能
（1）阿里-御膳房
我們可以看一下阿里御膳房這個產品， 在數據開發(fā)的整個流程中，是以“模型設計”、“數據開發(fā)”、“發(fā)布”、“運維”流程化展開的。
類似的設計還有螞蟻的ETL數據平臺：
在大數據開發(fā)套件的數據開發(fā)模塊，網易猛犸大數據平臺提供了數據庫傳輸、SQL、Spark、OLAP Cube、MapReduce及Script各種類型任務的敏捷開發(fā)界面，任務開發(fā)者可以通過拖拽創(chuàng)建任務，方便地進行數據集成、數據ETL、數據分析等數據科學工作。以數據庫傳輸為例，用戶只需將“數據庫傳輸”組件拖拽到畫布上并雙擊，通過下拉框選擇和手動輸入填寫表單，快速完成數據傳輸的任務開發(fā)。
用戶可以進行統一托管，聲明式ETL定義。援引https://myslide.cn/slides/4103
可以看到，目前ETL工具還是呈現百花齊放的方式，有類SQL模式、有拖拽模式、有封裝配置模式。
當然，深入到數據開發(fā)的產品類型當中，遠遠不止這些，還設計到UDF、DSN、ETL參數調優(yōu)（小文件過多&數據傾斜）、transform等等。
除此之外，還有ETL調度、SLA鏈路等等設計到數據開發(fā)后的數據調度、數據生產的流程。如果同學們對數據開發(fā)產品感興趣，可以線下自助查詢～
好啦，今天《壯實學數據技術04：ETL》就到這里啦，謝謝你的圍觀～
-END-
本文為作者獨立觀點，不代表鳥哥筆記立場，未經允許不得轉載。
《鳥哥筆記版權及免責申明》 如對文章、圖片、字體等版權有疑問，請點擊 反饋舉報
我們致力于提供一個高質量內容的交流平臺。為落實國家互聯網信息辦公室“依法管網、依法辦網、依法上網”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據本公約中的條款對注冊用戶和發(fā)布在本平臺的內容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質內容，同時也將采取必要措施管理違法、侵權或有其他不良影響的網絡信息。
一、根據《網絡信息內容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權，破壞國家統一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權益；
11)通過網絡以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網絡欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內容；
2. 不友善：不尊重用戶及其所貢獻內容的信息或行為。主要表現為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網站秩序的內容，或進行相關行為。主要表現為：
1)多次發(fā)布包含售賣產品、提供服務、宣傳推廣內容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內容；
4)多次發(fā)布包含欺騙性外鏈的內容，如未注明的淘寶客鏈接、跳轉網站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產品、品牌等內容獲取搜索引擎中的不正當曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網站秩序的推廣內容及相關交易。
7)發(fā)布包含欺騙性的惡意營銷內容，如通過偽造經歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內容審核的廣告內容。
4. 色情低俗信息，主要表現為：
1)包含自己或他人性經驗的細節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內容；
4)帶有性暗示、性挑逗等易使人產生性聯想；
5)展現血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內容。
5. 不實信息，主要表現為：
1)可能存在事實性錯誤或者造謠等內容；
2)存在事實夸大、偽造虛假經歷等誤導他人的內容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構或個人存在關聯。
6. 傳播封建迷信，主要表現為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治?。?br /> 2)求推薦算命看相大師；
3)針對具體風水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標題黨，主要表現為：
1)以各種夸張、獵奇、不合常理的表現手法等行為來誘導用戶；
2)內容與標題之間存在嚴重不實或者原意扭曲；
3)使用夸張標題，內容與標題嚴重不符的。
8.「飯圈」亂象行為，主要表現為：
1)誘導未成年人應援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網絡水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內容，主要表現為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導未成年人不良嗜好影響未成年人身心健康的；
2)不當評述自然災害、重大事故等災難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網絡生態(tài)造成不良影響的其他內容。
二、違規(guī)處罰
本網站通過主動發(fā)現和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內容質量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當一個用戶發(fā)布違規(guī)內容時，本網站將依據相關用戶違規(guī)情節(jié)嚴重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內容時，本網站將加重處罰。
三、申訴
隨著平臺管理經驗的不斷豐富，本網站出于維護本網站氛圍和秩序的目的，將不斷完善本公約。
如果本網站用戶對本網站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網站進行反饋。
(規(guī)則的最終解釋權歸屬本網站所有)