etl負責將分布的、異構資料來源中的資料如關係資料、平面資料檔案等取到臨時中間層後進行清洗、轉換、整合，最後載入到資料倉儲或資料集市中，成為聯機分析、資料探勘的基礎。
etl是將業務系統的資料經過抽取、清洗轉換之後載入到資料倉儲的過程，目的是將企業中的分散、零亂、標準不統一的資料整合到一起，為企業的決策提供分析依據。etl是bi專案重要的乙個環節。通常情況下，在bi專案總etl會花掉整個專案的1/3的時間，etl設計的好壞直接關係到bi專案的成敗。
etl的設計分三部分：資料抽取、資料的清洗轉換、資料的載入。在設計etl的時候我們也是從這三部分出發。資料的抽取是從各個不同的資料來源抽取到ods（operaational data store,操作型資料儲存）中-------這個過程也可以做一些資料的清洗和轉換，在抽取的過程中需要挑選不同的抽取方法，盡可能的提高etl的執行效率。
etl三個部分中，花費時間最長的是「t」（transform，清洗、轉換）的部分，一般情況下這部分工作量是整個etl的2/3。資料的載入一般在資料清洗完成之後直接寫入dw（data warehousing，資料倉儲）中去。
一、資料的抽取
這一部分需要在調研階段做大量的工作，首先要搞清楚資料是從幾個業務系統中來（erp、oa、crm、mis、mrp ），各個業務系統的資料庫伺服器執行什麼dmbs，是否存在手工資料，手工資料資料量有多大，是否存在非結構化的資料等等，當收集完這些資訊之後才可以進行資料抽取的設計。
1.對於與存放dw的資料庫系統相同的資料來源處理方法
這一類資料來源在設計上比較容易。一般情況下，dbms都會提供資料庫鏈結功能，在dw資料庫伺服器和原業務系統之間建立直接的鏈結關係就可以寫select語句直接訪問。
2.對於與dw資料庫系統不同的資料來源的處理方法
對於這一類資料來源，一般情況下也可以通過odbc的方式建立資料庫鏈結-----如sqlserver和oracle之間。如果不能建立資料庫鏈結，可以有兩種方式完成，一種是通過工具將源資料匯出成.txt或者.xls檔案，然後再將這些源系統檔案匯入到ods中。另外一種方法是通過程式介面來完成。
3.對於檔案型資料來源（.txt，.xls）可以培訓業務人員利用資料庫工具將這些資料匯入到指定的資料庫，然後從指定的資料庫中抽取。或者還可以借助工具實現，如sqlserver2008的ssis服務的平面資料和平面目標等元件匯入ods中中去。
4.增量更新的問題
對於資料量大的系統，必須考慮增量抽取。一般情況下，業務系統會記錄業務發生的時間，我們可以用來做增量的標誌，每次出抽取之前首先判斷ods中記錄最大的時間，然後根據這個時間去業務系統取大於這個時間所有的記錄。利用業務系統的時間戳，一般情況下，業務系統沒有或者部門有時間戳。
二、資料的清洗轉換
一般情況下，資料倉儲分為ods、dw兩部分。通常的做法是從業務系統到ods做清洗，將髒資料和不完整資料過濾掉，在從ods到dw的過程中轉換，進行一些業務的計算和整合。
1.資料清洗
資料清洗的任務是過濾掉哪些不符合要求的資料，將過濾的結果交給業務主管部門，確認是否過濾掉還是由業務單位修正之後再進行抽取。不符合要求的資料主要是有不完整的資料、錯誤的資料、重複的資料三大類。
（1）不完整的資料。這一類的資料主要是一些應該有的資訊缺失，如**商的名稱、分公司的名稱、客戶的區域資訊缺失、業務系統中主表與明細表不能匹配等。對於這一類資料過濾處理，按缺失的內容分別寫入不同excel檔案向客戶提交，要求在規定的時間內補全，補全後才寫入資料倉儲。要麼不寫入資料倉儲
（2）錯誤的資料：這一類錯誤產生的原因是業務系統不夠健全，在接收輸入後沒有進行判斷直接寫入後台資料庫造成的，比如數值資料輸成全角數字字元、字串資料後面有乙個回車操作、日期格式不正確、日期越界等。這一類資料也要分類，對於類似於全形字符、資料前後有不可見字元的問題，只能通過寫sql語句的方式找出來，然後要求客服在業務系統修正之後抽取。日期格式不正確的或者是日期越界的這一類錯誤會導致etl執行失敗，這一類錯誤需要去業務系統資料庫用sql的方式挑出來，交給業務主管部門要求限期修正，修正之後再抽取。
資料清洗是乙個反覆的過程，不可能在幾天內完成，只有不斷的發現問題，解決問題。對於是否過濾，是否修正一般要求客戶確認，對於過濾掉的資料，寫入excel檔案或者將過濾資料寫入資料表，在etl開發的初期可以每向業務單位傳送過濾資料的郵件，促使他們盡快地修正錯誤，同時也可以做為將來驗證資料的依據。
資料清洗需要注意的是不要將有用的資料過濾掉，對於每個過濾規則認真進行驗證，並要使用者確認。
2.資料轉換
資料轉換的任務主要進行不一致的資料轉換、資料粒度的轉換，以及一些商務規則的計算。
（1）不一致資料轉換：這個過程是乙個整合的過程，將不同業務系統的相同型別的資料統一，比如同乙個**商在結算系統的編碼是xx001而在crm中的編碼是yy0001，這樣在抽取過來之後統一轉換成乙個編碼。
（2）資料粒度的轉換：業務系統一般儲存非常明細的資料，二資料倉儲中資料是用來分析的，不需要非常明細的資料。一般情況下，會將業務系統資料按照資料倉儲粒度進行聚合。
（3）商務規則的計算：不同的企業有不同的業務規則、不同的資料指標，這些指標有的時候不是簡單的加加減減就能完成，這個時候需要在etl中將這些資料指標計算好了之後儲存在資料倉儲中，以供分析使用。
etl的實現有多種方法，常用的有三種：
etl工具（如sqlserver2008的ssis服務、informatica，datastage）實現，
sql方式實現（編碼實現）
etl工具和sql相結合
前兩種方法各有各的優缺點，借助工具可以快速建立etl工程，遮蔽了複雜的編碼任務，提高了速度，降低了難度，但是缺少靈活性。sql的方法優點是靈活，提高etl執行效率，但是編碼複雜，對技術要求比較高。第三種是綜合了前二種的優點，會極大地提高etl的開發速度和效率。
web services理論知識
web服務作為一種能夠快速整合應用的技術，如果與非同步傳輸進行組合，就將為構建企業級應用提供所需的可靠性。在本文中，我們嘗試用兩種設計方法來部署和訪問非同步web服務 通過使用 apache axis 在第一種方法中，用websphere mq support pac ma0r來提供mq傳輸 利用w...
理論知識總結
軟體定義 程式 資料結構 文件。軟體危機 落後的軟體生產方式無法滿足迅速增長的計算機軟體要求，從而導 致軟體開發與維護過程中出現的問題。軟體工程 方法 工具 過程。軟體生命週期模型 瀑布模型，v模型，迭代模型。軟體測試是對軟體需求分析 設計 編碼的最終複查的一系列過程，是軟體質量保證的關鍵步驟 目的...
天線理論知識
zigbee 1為乙個預估的exel ti提供的基於friis等式和二維反射平面模型計算的，通過理論計算可得到傳輸的理論距離。影響通訊距離有如下主要的指標 頻段選擇 選擇的通訊頻段越高，通訊距離越短。頻段越低天線越難設計。發射功率 發射功率越大，通訊距離越遠，與此同時，板子的功耗也越高，正常情況下，...