OLAP -- ODS 项目总结 -- ETL中的流程

ODS-BI 建设中ETL要占用1/3 的时间，深有感触。BI的建模，从物理数据层，逻辑数据层，业务逻辑层各个层次，都有很多自动化的工具可以处理。

但是ETL 中的流程确要根据性能来设计的。总结下这几个部分。

1.数据源/数据目标管理

确定数据源的表，文件，或者RESTFUL的URL，ODBC，值得注意的是，在数据源时，同时关联号外主键关系，对ETL数据有效性帮助很大。

目标数据，可能不同的主题使用了不同的数据库，各个数据库的地址，ODBC，JDBC等信息。 目标数据大部分情况下不需要建索引，主键，因为

目标数据库数据量大时都会使用批量入库，也就是bulk模式，索引会使入库失败。

2.MAPPING 管理

工作量的大头，建议命名方式 主题_维(事实)_source_target ，其中的组件也物化八门，其中还涉及到外部调用（SHELL ，存储过程等），有 过滤器Filter，

类型转换器（Express）,监听器（Lookup）,分发器，存储过程调用 ,连接器组件（Join）等等。还有ETL中的变量和参数的使用，比较难。

有些原则：尽量使用SQL中WHERE子句，而不要使用过滤器。对大表不要使用LOOKUP,Join 组件。 数据源使用bulk 方式等等。可以看看网上的ETL 优化的原则。

MAPPING 是ETL性能和一致性的关键。

3.WORKFLOW 的管理

MAPPING完成了数据的ETL的过程，但是WORKFLOW 完成的是整合到系统的利器。

在WORKFLOW中，通常一个主题一个WORKFLOW,在整个流程可以通过时间戳设置来完成 增量抽取。同时流程的统计数据的收集，ETL状态的监控信息的收集。到最后的运维邮件的发送，或者其他SHELL 的调用。 都在这个过程中。

要高级点，WORKFLOW的回滚，断点恢复都是要考虑，实现起来挺郁闷。

4. 调度器的管理

时间窗控制的工具，ODS的时间戳的控制通过调度器来控制。 时间窗根据业务高峰期，业务特性来设计和调整。

有些ETL工具有自带的调度器，也可以通过其他语言开发封装调度器，这样更为灵活。还可以使用数据库中的JOB来完成。甚至BI端的物化视图的刷新也可以放在调度器中进行。

5.状态监控 --运维系统