有哪位大蝦知道資料庫方面有關ETL和EL的區別？謝謝！

1樓：網友

etl：資料抽取、轉換、裝載的過程。

el：資料抽取到**的直接過程。etl和el是資料倉儲建立的核心過程。是作為bi的離婚。bi-pilot提出採用el的解決方案對bi專案發展帶來變革和推動。

etl的概念，etl和elt資料處理上的區別

2樓：我想喝奶摸摸

etl分別是「extract」、「transform」、load」三個單詞的首字母縮寫也就是「抽取」、「轉換」、「裝載」，但我們日常往往簡稱其為資料抽取。

etl是bi/dw（商務智慧型/資料倉儲）的核心和靈魂，按照統一的規則整合並提高資料的價值，是負責完成資料從資料來源向目標資料倉儲轉化的過程，是實施資料倉儲的重要步驟。

etl包含了三方面：

抽取」：將資料從各種原始的業務系統中讀取出來，這是所有工作的前提。

轉換」：按照預先設計好的規則將抽取得資料進行轉換，使本來異構的資料格式能統一起來。

裝載」：將轉換完的資料按計劃增量或全部匯入到資料倉儲中。

與etl相比，elt的優點是轉換的同時可以引用大量的資料。缺點是可能僅僅抽取和裝載了資料，跳過了轉換過程。

有些etl工具是先將資料從源抽取(e)，裝載(l)到目標資料庫，再在目標資料庫做轉換(t)，所以有些人給這類工具乙個專門的名稱叫elt。

etl與elt的區別與聯絡?

3樓：匿名使用者

其實資料整合不算乙個很新的概念，可能20年前就有資料整合的工具，大家經常會使用talent, informatica, kettle, data stage這樣一些工具。這些工具有乙個共性，就是它的資料計算和轉化功能是非常強大的。

而elt從功能上來說沒有差異，只是換了乙個順序。差別於，如果採用elt的方案，首先把資料用一種高效的方式從資料來源抽取出來，進行一些清洗和異常資料的剔除。當使用kafka connect做乙個資料整合方案的時候，通常kafka connect只做一件事情：

將資料從資料來源抽取出來，放到乙個或者多個目的地，具體的計算任務放到目的地。取決於這個目的地特點，你可以去利用資料倉的sql去完成各種操作，也可以加乙個額外的計算框架，例如spark，對資料做更復雜靈活的計算。

etl學習筆記之一：etl是什麼？

4樓：毀滅系

對於資料倉儲以及etl的知識，我基本上是個門外漢。一切都得從頭開始，記個筆記，方便自已瞭解學習進度。

首先，我們來了解最基本的定義：

嗯，也有人將etl簡單稱為資料抽取。至少在未學習之前，領導告訴我的是，你需要做乙個資料抽取的工具。

其實呢，抽取是etl中的關鍵環節，顧名思義，也就將資料從不同的資料來源中抓取(複製)出來。

太簡單了！上面的解釋無首無尾，有點象能讓你吃飽的第七個燒餅，仔細一想，抽取是不可能單獨存在，我們需要將與之關聯的一些其它環節拿出來。

於是，得到etl的定義：

將資料抽取（extract）、轉換（transform）、清洗（cleansing）、裝載（load）的過程。

好的，既然到了這乙個層次，我們完全會進一步聯想，引出上面這個抽象事件的前因後果，抽取源：大多數情況下，可以認為是關聯式資料庫，專業一點，就是事務處理系統(oltp)。當然，廣義一點，可能會是其它資料庫或者是檔案系統。

目的地：ok，我們希望是資料倉儲。資料倉儲是啥？

在學習之前，它對我來說是個抽象的怪物，看過一些簡單的資料之後，才瞭解這個怪物一點都不怪。堆積用來分析的資料的倉庫。是了，是用來分析的，於是，它區別於oltp中的資料儲存。

在我看來，有兩個原因。

一：效能將需要分析的資料從oltp中抽離出來，使分析和事務處理不衝突。咦？這不是資料倉儲的效果嗎？是了，資料倉儲，大多數情況下，也就是通過etl工具來生成地。

二：控制使用者可以完全控制從oltp中抽離出來的資料，擁有了資料，也就擁有了一切。

嗯，olap分析，資料探勘等等等……。

最後，總結一下，嗯，時不我待，我沒有辦法一切從頭開始，鴨子要變成一盤菜，並不是舉手將之置於油鍋之勞。