- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
ETL是什么_ETL平台
据统计，数据量每经过2-3年时间就会成倍增长，这些数据蕴含着巨大的商业价值，而企业所关注的通常只占总数据量的2%~4%左右。 1、数据抽取 数据抽取指的是从不同的网络、不同的操作平台、不同的数据库和数据格式、不同的应用中抽取数据的过程。目标源可能包括ERP、CRM和其他企业系统，以及来自第三方源的数据。 整个操作过程往往要跨网络、跨操作平台。 ---- 3、数据转换处理规范 数据转换的任务主要是进行不一致的数据转换、数据粒度的转换和一些商务规则的计算。 （3）商务规则的计算，不同的企业有不同的业务规则，不同的数据指标，这些指标有的时候不是简单的加加减减就能完成，这个时候需要在ETL中将这些数据指标计算好了之后存储在数据仓库中，供分析使用。
2.8K31编辑于 2022-09-20 - 来自专栏卡尼慕
大数据平台架构+ETL
3、重复的数据：重复数据记录的所有字段都要去重。 数据转换：不一致的数据转换。统一编码。 ETL的实现方法： 1、借助ETL工具。（如OWB，DTS，SSIS等）实现。 2、SQL方法实现。 3、ETL工具与SQL相结合。 工具降低难度，但缺少灵活性。SQL灵活但编码复杂，因此结合两者。 2 大数据平台架构 ? 首先，对于做大数据开发而言，平台的监控与报警和平台管理不归我们管，主要是给运维人员做的事情。我们要做的就是中间的事情。 然后来看看数据基础平台。 接着看数据应用平台。元数据管理。这边的元数据要存储到关系型数据库中。作业平台管理，就是任务调度。交互分析就关系到sql语句。多维分析主要是对数据的维度分析，如按年分析，按月分析，按周分析等。 3 系统数据流动 ? 最左边是数据来源，可以看到，一个是来自日志数据，另外一个是来源于关系型数据库。 实时流。
2.5K21发布于 2019-09-09 - 来自专栏流川疯编写程序的艺术
大数据ETL实践探索（3）---- 大数据ETL利器之pyspark
---- 大数据ETL 系列文章简介 本系列文章主要针对ETL大数据处理这一典型场景，基于python语言使用Oracle、aws、Elastic search 、Spark 相关组件进行一些基本的数据导入导出实战 系列文章： 1.大数据ETL实践探索（1）---- python 与oracle数据库导入导出 2.大数据ETL实践探索（2）---- python 与aws 交互 3.大数据ETL实践探索（3） ---- pyspark 之大数据ETL利器 4.大数据ETL实践探索（4）---- 之 搜索神器elastic search 5.使用python对数据库，云平台，oracle，aws，es导入导出实战 6.aws ec2 配置ftp----使用vsftp 7.浅谈pandas，pyspark 的大数据ETL实践经验 ---- pyspark Dataframe ETL 本部分内容主要在 系列文章 existing SparkSession") SPARK_DRIVER_MEMORY= "10G" SPARK_DRIVER_CORE = "5" SPARK_EXECUTOR_MEMORY= "3G
5K20发布于 2019-01-17 - 来自专栏技术杂记
ETL (Extract-Transform-Load) with Kiba（3）
to] = Date.strptime(row[@from], '%d/%m/%Y').to_s row end end [root@h102 kiba]# vim convert-csv.etl [root@h102 kiba]# cat convert-csv.etl require_relative 'common' # read from source CSV file source invoice_date # show details of row contents show_me [root@h102 kiba]# bundle exec kiba convert-csv.etl :amount_eur => 10.96, :invoice_date => "2015-03-07" } { :date_facture => "7/3/ :amount_eur => 85.11, :invoice_date => "2015-03-07" } { :date_facture => "8/3/
51330发布于 2021-10-18 - 来自专栏架构之巅
ETL
据统计，数据量每2～3年时间就会成倍增长，这些数据蕴含着巨大的商业价值，而企业所关注的通常只占在总数据量的2%～4%左右。 而ETL则是主要的一个技术手段。如何正确选择ETL工具？如何正确应用ETL？ 实现ETL，首先要实现ETL转换的过程。 数据模型：标准定义数据 合理的业务模型设计对ETL至关重要。数据仓库是企业唯一、真实、可靠的综合数据平台。 ETL体系结构 下图为ETL体系结构，它体现了主流ETL产品框架的主要组成部分。
7.2K32发布于 2020-11-09 - 来自专栏etl
国产ETL etl-engine 可视化 轻量级 跨平台 支持动态解析GO语言脚本
该产品由etl-engine引擎和etl-designer云端设计器及etl-crontab调度组成。 etl-engine引擎负责解析ETL配置文件并执行ETL任务； etl-designer云端设计器通过拖拉拽的方式生成etl-engine引擎可识别的ETL任务配置文件； etl-crontab调度设计器负责按时间周期执行指定的 ETL任务，及查询ETL任务执行日志功能。 图片 图片 图片 图片 应用场景 异构系统数据交换 传统行业各业务系统数据相对独立，随着信息平台一体化、数据中台及大数据时代的推进，要求各业务系统数据相互融合，业务资源共享。 跨平台 直接编译成二进制文件，支持跨平台执行（windows、linux、mac），只需要一个可执行文件和一个配置文件就可以运行，无需其它依赖。
2.4K20编辑于 2023-04-02 - 来自专栏Albert陈凯
Hadoop数据分析平台实战——260用户数据ETL离线数据分析平台实战——260用户数据ETL
离线数据分析平台实战——260用户数据ETL ETL目标 解析我们收集的日志数据，将解析后的数据保存到hbase中。 ETL存储 etl的结果存储到hbase中， 由于考虑到不同事件有不同的数据格式， 所以我们将最终etl的结果保存到hbase中， 我们使用单family的数据格式， rowkey的生产模式我们采用 line 0: fg: no job control 解决方案：添加mapreduce.app-submission.cross-platform=true 3. info.setProvince("内蒙古自治区"); country = country.substring(3) info.setProvince(flag + "市"); country = country.substring(3)
1.2K60发布于 2018-04-08 - 来自专栏TASKCTL技术交流讨论
数据仓库ETL管理平台TASKCTL调度计划控制原理
月：*表示每月 周：*表示每天；0-6 分别代码礼拜天到礼拜六 在对日月周设置时，多个数字用’,’隔开，但不能有空格，如果是一段连续数字，可以按如下表达： 比如：日字段：1，3-15：表示 1 号，3 如下图所示： 上图表明调度服务控制 agent3 部署 test2.sh 程序。 对于负载均衡应用，实际上与代码设计无关，只与部署相关。 就拿以上调度示例为例，只需在 agent3 下级联从代理并与上级代理做相同的作业程序部署即可完成负载均衡调度。
1.5K20编辑于 2022-05-10 - 来自专栏大数据进阶
flink etl
o JOIN shipments s ON o.id = s.order_id WHERE o.order_time BETWEEN s.shipment_time - INTERVAL '3' TABLE currency_rates ( `currency_code` STRING, `eur_rate` DECIMAL(6,4), `rate_time` TIMESTAMP(3) ( `id` STRING, `currency_code` STRING, `total` DECIMAL(10,2), `transaction_time` TIMESTAMP(3) user_log ( user_id STRING ,item_id STRING ,category_id STRING ,behavior STRING ,ts TIMESTAMP(3) id INT, city STRING, state STRING, arrival_time TIMESTAMP(3)
1.5K40发布于 2021-07-14 - 来自专栏数据指象
谈谈ETL
ETL绝不是三个单词直译这么简单，三个数据环节紧密连接构成体系庞大、技术复杂度的数据生态系统。 ETL有三个难题：一是，数据的集成效率是评估抽取能力的主要考点；二是，数据的高类聚低耦合的组织结构是转换的难点；三是，数据的信息化智能化是加载的终极目标。 基于E阶段数据集中到数据平台，我们通过范式来实现数据的建模，目前应用比较广的是多维建模，通过维度和事实构建数据的关系。 四，数据角色来自ETL分工 围绕ETL 的不同阶段，工程师按岗位分工也是不同的。 数据平台工程师，主要职责是构建数据工具，搭建数据处理的环境体系，需要基于业务场景构建数据同步工具，自动报表系统，数据api工具等等。 数仓开发工程师，主要工作是构建数据的组织和管理，构建数仓体系。
2.6K50编辑于 2022-05-05 部署 及 使用 etl crontab 和 etl engine
(环境配置文件，使用etl_crontab必须) etllog_mysql.sql (日志表结构文件，使用etl_crontab必须) etl_crontab.exe (管理端，用于配置etl任务、配置调度定期执行etl_engine、查看日志等功能) etl_engine.exe (ETL引擎，用于解析执行ETL任务，必须) engineFile 引擎文件存放位置（默认配置 d:/etl_crontab/etl_engine.exe） confDir etl任务配置文件所在目录（默认配置d:/etl_crontab 5、执行etl_engine（根据实际情况使用） 1）由etl_crontab调度负责调用etl_engine执行，不需要人为干预。 均可通过管理端查看） 1）读写成功与失败的日志信息存储在数据库中 2）etl_engine执行过程中的日志输出到etl_engine.log文件中 3）etl_crontab执行过程中的日志输出到
71510编辑于 2024-12-30- 来自专栏etl
ETL 是什么 ETL 工具有哪些 ETL 数据交换系统
ETL重要性ETL是实现商务智能(Business Intelligence,BI)的核心。一般情况下,ETL会花费整个BI项目三分之一的时间，因此ETL设计得好坏直接影响BI项目的成败。 ETL工具有哪些datastage （收费） 最专业的ETL工具， 2005年被IBM收购，目前发展到11.7版本。 etl-engine （免费）用go语言实现的ETL工具，轻量级引擎、跨平台（windows，linux，unix，mac）、可嵌入go语言脚本并解析执行，方便集成到各种项目中参考资料 [资源下载]( https://github.com/hw2499/etl-engine/releases) [etl-engine使用手册](https://github.com/hw2499/etl-engine ) [etl-crontab使用手册](https://github.com/hw2499/etl-engine/wiki/etl-crontab%E8%B0%83%E5%BA%A6) [嵌入脚本开发
2.9K10编辑于 2023-02-01 - 来自专栏数据科学与人工智能
【ETL工程】大数据技术核心之ETL
数据是资产，云为数据资产提供存储、访问和计算 3. 当前云计算更偏重海量存储和计算，以及提供的云服务，运行云应用。 大数据平台架构： 我想这幅架构图，对大数据处理的人来说，应该不是很陌生。 IaaS：基础设施即服务。基于Internet的服务（如存储和数据库）。 PaaS：平台即服务。 有人写FTP的程序，可以用bat，可以用ETL工具，可以用其他的方式，总之要准确，而且方便调用和控制。 3. 有人设计数据模型，包括在1之后导出的结构，还有ODS和DWH中的表结构。 4. 引擎中进行（SQL无法实现的） ·在数据库中进行（SQL可以实现的） 3. 3. 例如源数据结构改变、接口改变等异常状况，应进行同步后，在装载数据。
3.7K100发布于 2018-02-27 - 来自专栏数据指象
谈谈ETL
ETL绝不是三个单词直译这么简单，三个数据环节紧密连接构成体系庞大、技术复杂度的数据生态系统。 ETL有三个难题：一是，数据的集成效率是评估抽取能力的主要考点；二是，数据的高类聚低耦合的组织结构是转换的难点；三是，数据的信息化智能化是加载的终极目标。 基于E阶段数据集中到数据平台，我们通过范式来实现数据的建模，目前应用比较广的是多维建模，通过维度和事实构建数据的关系。 四，数据角色来自ETL分工 围绕ETL 的不同阶段，工程师按岗位分工也是不同的。 数据平台工程师，主要职责是构建数据工具，搭建数据处理的环境体系，需要基于业务场景构建数据同步工具，自动报表系统，数据api工具等等。 数仓开发工程师，主要工作是构建数据的组织和管理，构建数仓体系。
1.5K30编辑于 2022-06-21 - 来自专栏Hadoop数据仓库
Kettle构建Hadoop ETL实践（一）：ETL与Kettle
开发ETL系统的方法 ETL系统一般都会从多个应用系统整合数据，典型的情况是这些应用系统运行在不同的软硬件平台上，由不同的厂商所支持，各个系统的开发团队也是彼此独立的，随之而来的数据多样性增加了 （2）平台独立 一个ETL工具应该能在任何平台上甚至是不同平台的组合上运行。 例如2019-08-11可以转换成1565452800，反之亦然 表1-3 其它数据类型转换 3. 作业 大多数ETL项目都需要完成各种各样的维护任务。 完全跨平台 Kettle是基于Java的解决方案，因此天然继承了Java跨平台性。 这样只要有合适的JVM存在，转换或作业就能运行在任何环境和平台之上，真正做到与平台无关。 以我个人的经验而言，只要是和关系数据库打交道，很多情况ETL通过SQL就能搞定。
6.4K79发布于 2020-08-17 - 来自专栏TASKCTL技术交流讨论
这些常用ETL批量调度平台框架组件，你都知道几个？
point of failure - Gearman can not only help scale systems, but can do it in a fault tolerant way. 3 ETL 商业免费工具: TASKCTL Web应用版 TASKCTL免费Web版作为目前唯一的ETL调度领域商业级免费软件，保证100% free，绝无黑盒代码。 项目规模：适用于中小型ETL项目 ETL工具环境：TASKCTL由于采用任务插件驱动机制，因此，可支持各种存储过程、各种脚本、以及诸如Datastage\Informatica\kettle等各种ETL 扩展功能 网络扩展：可实现单机部署、多服务部署、远程代理部署、集群部署等多种网络部署 应用扩展：技术平台设计有专门的应用API接口，可实现更多的调度应用。 (三) 主要创新 无数据库设计：国内首款专业无数据库调度技术平台。 插件机制：业界唯一通过具有统一应用接口的插件来扩展任务类型的技术平台。
1.6K40发布于 2021-01-06 - 来自专栏技术杂记
ETL CSV to Elasticsearch
>=1.21.1 (from elasticsearch) Downloading urllib3-1.22-py2.py3-none-any.whl (132kB) 100% |█████ existing installation: urllib3 1.10.2 Uninstalling urllib3-1.10.2: Successfully uninstalled urllib3-1.10.2 Successfully installed elasticsearch-6.1.1 urllib3-1.22 You are using pip version 8.1.2 record): for i in record: record[i]=str(record[i]).encode('utf-8') return record def etl_csv_to_es es.indices.flush(index=[indexName]) return (True,count) #main if __name__ == "__main__": res,num = etl_csv_to_es
2.9K30发布于 2021-08-11 - 来自专栏TASKCTL技术交流讨论
金融服务业etl作业集群统一调度平台搭建
3、Kettle工具：我们采用其kjb实现流程的开发，通过对kjb的执行，从而完成调度。 3、批量调度统一建设目标与意义 3.1、批量调度统一平台的两大建设目标 批量调度技术像任何基础技术平台、中间件技术平台一样，首先基于流程化、自动化的作业调度技术问题，其次是对该技术应用、管理以及技术应用的监控问题 5.2.3.2、多ETL服务器项目群部署方案 该部署方案主要针对具有多个批量处理服务器或多个ETL服务器的应用系统。 在具体部署时，首先需要部署一个独立技术平台Server，并在多个具体的批量或ETL服务器上部署技术平台核心代理Agent组件，通过Server与Agent之间通信实现对具批量或ETL服务器部署的作业的调度 平台完善阶段，批量应用建设第二期，最好选择数据类、批量作业集中的系统，比如ECIF、ODS等传统业务系统，应用企业级监控平台建设；实施方由产品原成商、银行科技人员共同配合建设。建设周期3个月。
2.7K40发布于 2020-06-18 - 来自专栏ApacheHudi
万字长文揭秘如何衡量云数据平台 ETL 性价比
无论团队是深度投入还是对云数据平台的成本控制越来越感兴趣，了解 ETL 性价比对于成功都至关重要。 在本博客中，我们重点介绍了当今标准基准测试规范和工具中的差距，这些差距使企业难以准确建模其 ETL 工作负载并衡量跨平台或供应商的总拥有成本[3]。 这种转变还影响了下游 ETL 在数据平台内处理数据的预期方式。毕竟，如果 ETL 管道每天或每天处理几次数据，那么近乎实时地摄取数据并不是很有用。 在 5-6 个 FACT 表中，只有 FactWatches[37] 有更新，在我们对 3 个平台的测试中，我们看到处理 FactWatches 增量负载的延迟可能占总延迟的 30-40%。 第 3 步：使用性能规范化成本： 在你测量了感兴趣的数据平台上的 ET 和 L 后，使用每个数据平台的价格对它们进行标准化。
74120编辑于 2025-05-19 - 来自专栏etl
hive etl 通过 ETL engine 读取 Hive 中的数据
etl-engine支持对Hive的读取，并输出到以下目标数据源： 消息中间件（Kafka | RocketMQ）; 关系型数据库（ Oracle | MySQL | PostgreSQL | Sqlite ）; NoSQL（Elasticsearch | Redis）; 时序数据库（ InfluxDB | ClickHouse | Prometheus）; 文件（ Excel ）； etl-engine支持 参考资料 [免费下载](https://github.com/hw2499/etl-engine/releases) [etl-engine使用手册](https://github.com/hw2499 /etl-engine) [etl-crontab使用手册](https://github.com/hw2499/etl-engine/wiki/etl-crontab%E8%B0%83%E5%BA %A6) [嵌入脚本开发](https://github.com/hw2499/etl-engine/wiki/%E5%B5%8C%E5%85%A5%E8%84%9A%E6%9C%AC%E5%BC%
3K50编辑于 2023-02-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号