很可惜 T 。T 您現(xiàn)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(jīng)錄用會(huì)有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
hi，米娜桑，壯實(shí)又在周六早上和大家見面啦～
經(jīng)過上節(jié)的《壯實(shí)學(xué)數(shù)據(jù)技術(shù)03：數(shù)據(jù)接入》，我們要進(jìn)入到數(shù)據(jù)開發(fā)的階段嘍。在了解數(shù)據(jù)開發(fā)的時(shí)候，我們繞不過去一個(gè)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(shí)來帶你盤盤ETL。
上回書我們說到，數(shù)據(jù)接入到數(shù)倉中后，需要經(jīng)過一系列操作，供業(yè)務(wù)方使用。而這一系列的操作過程，簡單來說就是數(shù)據(jù)就要按照統(tǒng)一的規(guī)則集成。我們把這些規(guī)則集成，叫做一個(gè)個(gè)數(shù)倉模型。
如果把數(shù)倉模型比做大廈，數(shù)據(jù)是磚瓦的話，那么ETL就是建設(shè)大廈的過程。它鏈接著數(shù)據(jù)源和數(shù)據(jù)倉庫的兩端。
在數(shù)倉建設(shè)的整個(gè)項(xiàng)目中，最難部分是用戶需求分析和模型設(shè)計(jì)，而ETL規(guī)則設(shè)計(jì)和實(shí)施則是工作量最大的，約占整個(gè)項(xiàng)目的60%～80%，這是國內(nèi)外從眾多實(shí)踐中得到的普遍共識(shí)。
ETL（Extract-Transform-Load），即數(shù)據(jù)從數(shù)據(jù)源經(jīng)過抽?。╡xtract）、轉(zhuǎn)換（transform）、加載（load）至目的端的過程。我們從數(shù)據(jù)源抽取出所需的數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗，最終按照預(yù)先定義好的數(shù)據(jù)倉庫模型，將數(shù)據(jù)加載到數(shù)據(jù)倉庫中去。這中間有各種各樣的同步數(shù)據(jù)和異步數(shù)據(jù)，常見的有mysql2hive、hive2hive、hive2mysql等等。
ETL的實(shí)現(xiàn)，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(jié)合。前兩種方法各有各的優(yōu)缺點(diǎn)，借助工具可以快速的建立起ETL工程，可以屏蔽復(fù)雜的編碼任務(wù)，提高速度，降低難度，但是缺少靈活性。而SQL的方法優(yōu)點(diǎn)是靈活，提高ETL運(yùn)行效率，但是編碼復(fù)雜，對技術(shù)要求比較高。第三種是綜合了前面二種的優(yōu)點(diǎn)，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(fèi)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(jìn)行ETL開發(fā)。
那么為什么需要ETL呢？主要有以下幾點(diǎn)原因：
1、當(dāng)數(shù)據(jù)來自不同的物理機(jī)，這時(shí)候如果使用SQL處理的話會(huì)浪費(fèi)計(jì)算資源。
2、數(shù)據(jù)來源于不同數(shù)據(jù)庫或者文件，需要把他們整理成統(tǒng)一的格式后才可以進(jìn)行數(shù)據(jù)處理，這一過程用代碼實(shí)現(xiàn)會(huì)很麻煩。
3、處理海量數(shù)據(jù)時(shí)會(huì)占用較多數(shù)據(jù)庫的資源，會(huì)導(dǎo)致數(shù)據(jù)庫資源不足，進(jìn)而影響數(shù)據(jù)庫的性能。
簡單來說，進(jìn)行不同數(shù)據(jù)源的ETL之后，會(huì)節(jié)省計(jì)算資源、存儲(chǔ)資源、代碼也會(huì)簡單很多，省錢又省力，還省心。
（1）對平臺(tái)的支持程度
（2）抽取和裝載的性能是不是較高，且對業(yè)務(wù)系統(tǒng)的性能影響大不大，侵入性高不高
（3）對數(shù)據(jù)源的支持程度
（4）是否具有良好的集成性和開放性
（5）數(shù)據(jù)轉(zhuǎn)換和加工的功能強(qiáng)不強(qiáng)
（6）是否具有管理和調(diào)度的功能
（1）阿里-御膳房
我們可以看一下阿里御膳房這個(gè)產(chǎn)品， 在數(shù)據(jù)開發(fā)的整個(gè)流程中，是以“模型設(shè)計(jì)”、“數(shù)據(jù)開發(fā)”、“發(fā)布”、“運(yùn)維”流程化展開的。
類似的設(shè)計(jì)還有螞蟻的ETL數(shù)據(jù)平臺(tái)：
在大數(shù)據(jù)開發(fā)套件的數(shù)據(jù)開發(fā)模塊，網(wǎng)易猛犸大數(shù)據(jù)平臺(tái)提供了數(shù)據(jù)庫傳輸、SQL、Spark、OLAP Cube、MapReduce及Script各種類型任務(wù)的敏捷開發(fā)界面，任務(wù)開發(fā)者可以通過拖拽創(chuàng)建任務(wù)，方便地進(jìn)行數(shù)據(jù)集成、數(shù)據(jù)ETL、數(shù)據(jù)分析等數(shù)據(jù)科學(xué)工作。以數(shù)據(jù)庫傳輸為例，用戶只需將“數(shù)據(jù)庫傳輸”組件拖拽到畫布上并雙擊，通過下拉框選擇和手動(dòng)輸入填寫表單，快速完成數(shù)據(jù)傳輸?shù)娜蝿?wù)開發(fā)。
用戶可以進(jìn)行統(tǒng)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(xiàn)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(dāng)然，深入到數(shù)據(jù)開發(fā)的產(chǎn)品類型當(dāng)中，遠(yuǎn)遠(yuǎn)不止這些，還設(shè)計(jì)到UDF、DSN、ETL參數(shù)調(diào)優(yōu)（小文件過多&數(shù)據(jù)傾斜）、transform等等。
除此之外，還有ETL調(diào)度、SLA鏈路等等設(shè)計(jì)到數(shù)據(jù)開發(fā)后的數(shù)據(jù)調(diào)度、數(shù)據(jù)生產(chǎn)的流程。如果同學(xué)們對數(shù)據(jù)開發(fā)產(chǎn)品感興趣，可以線下自助查詢～
好啦，今天《壯實(shí)學(xué)數(shù)據(jù)技術(shù)04：ETL》就到這里啦，謝謝你的圍觀～
-END-
本文為作者獨(dú)立觀點(diǎn)，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對文章、圖片、字體等版權(quán)有疑問，請點(diǎn)擊 反饋舉報(bào)
我們致力于提供一個(gè)高質(zhì)量內(nèi)容的交流平臺(tái)。為落實(shí)國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護(hù)用戶創(chuàng)造的內(nèi)容、維護(hù)開放、真實(shí)、專業(yè)的平臺(tái)氛圍，我們團(tuán)隊(duì)將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺(tái)的內(nèi)容進(jìn)行管理。平臺(tái)鼓勵(lì)用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時(shí)也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護(hù)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(jìn)行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)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(quán)，破壞國家統(tǒng)一，損害國家榮譽(yù)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(yù)、榮譽(yù)；
4)宣揚(yáng)恐怖主義、極端主義或者煽動(dòng)實(shí)施恐怖活動(dòng)、極端主義活動(dòng)；
5)煽動(dòng)民族仇恨、民族歧視，破壞民族團(tuán)結(jié)；
6)破壞國家宗教政策，宣揚(yáng)邪教和封建迷信；
7)散布謠言，擾亂社會(huì)秩序，破壞社會(huì)穩(wěn)定；
8)宣揚(yáng)淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動(dòng)非法集會(huì)、結(jié)社、游行、示威、聚眾擾亂社會(huì)秩序；
10)侮辱或者誹謗他人，侵害他人名譽(yù)、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實(shí)施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)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(nèi)容；
2. 不友善：不尊重用戶及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動(dòng)成果；
2)誹謗：捏造、散布虛假事實(shí)，損害他人名譽(yù)；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進(jìn)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(yīng)，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(jìn)行負(fù)面評價(jià)；
7)歧視：煽動(dòng)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(yàn)、擾亂本網(wǎng)站秩序的內(nèi)容，或進(jìn)行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個(gè)帳號(hào)多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個(gè)廣告帳號(hào)互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點(diǎn)擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號(hào)之間虛假地互動(dòng)，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營銷；
8)使用特殊符號(hào)、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗(yàn)的細(xì)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(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)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(yáng)低俗、庸俗、媚俗內(nèi)容。
5. 不實(shí)信息，主要表現(xiàn)為：
1)可能存在事實(shí)性錯(cuò)誤或者造謠等內(nèi)容；
2)存在事實(shí)夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個(gè)人信息暗示自己具有特定身份，或與特定機(jī)構(gòu)或個(gè)人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運(yùn)、使用迷信方式治病；
2)求推薦算命看相大師；
3)針對具體風(fēng)水等問題進(jìn)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(yùn)勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實(shí)或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費(fèi)、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(dòng)「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號(hào)召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號(hào)」形式刷量控評等行為
5)通過「蹭熱點(diǎn)」、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(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會(huì)公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)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(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動(dòng)發(fā)現(xiàn)和接受用戶舉報(bào)兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺(tái)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(dāng)一個(gè)用戶發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對帳號(hào)進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號(hào)的處罰。當(dāng)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(hào)，或者濫用多個(gè)帳號(hào)發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺(tái)管理經(jīng)驗(yàn)的不斷豐富，本網(wǎng)站出于維護(hù)本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)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(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)