ETL是Extract，Transform和Load的缩写。 在此过程中，ETL工具从不同的RDBMS源系统中提取数据，然后转换数据，如应用计算，连接等，然后将数据加载到数据仓库系统中。
在ETL中，数据是从源流向目标。 在ETL过程中，转换引擎负责数据更改。
ELT是用于查看数据移动。 ELT不在数据写入之前转换数据，而是让目标系统进行转换。 数据首先复制到目标，然后转换。
ELT通常与无Sql数据库(如Hadoop集群，数据设备或云)一起使用。
ETL与ELT之间的区别
| 参数 | ETL | ELT |
|---|---|---|
| 处理 | 数据在staging服务器上转换，然后传输到Datawarehouse DB。 | 数据保留在Datawarehouse的DB中。 |
| 代码 | 计算密集型转换;少量数据 | 用于大量数据 |
| 转型 | 转换在ETL服务器/staging区域中完成。 | 转换在目标系统中执行 |
| 时间负载 | 数据首先加载到暂存中，然后加载到目标系统中。 时间密集。 | 数据仅一次加载到目标系统。 更快。 |
| 时间转换 | ETL过程需要等待转换完成 … |
ETL是Extract，Transform和Load的缩写。 在此过程中，ETL工具从不同的RDBMS源系统中提取数据，然后转换数据，如应用计算，连接等，然后将数据加载到数据仓库系统中。
ETL流程需要来自各种利益相关方（包括开发人员，分析师，测试人员，高级管理人员)的积极参与.为了保持其作为决策者工具的价值，数据仓库系统需要随业务变化而变化。 ETL是数据仓库系统的重复活动(每日，每周，每月)，需要灵活，自动化且有良好的文档。
在组织中采用ETL的原因有很多：
ETL分为3个步骤
在此步骤中，将数据从源系统提取到暂存区域 …
read more数据仓库具有以下特征：
数据仓库以主题为导向，因为它提供有关主题的信息，而不是公司正在进行的操作。 这些主题可以是销售，营销，分发等。
数据仓库从不关注正在进行的操作。 相反，它强调建模和分析数据以供决策 。 它还通过排除无助于支持决策过程的数据，提供围绕特定主题的简单而简洁的视图。
在数据仓库中，集成意味着为来自不同数据库的所有类似数据建立公共测量单位。 数据还需要以通用和普遍接受的方式存储在Datawarehouse中。
数据仓库是通过集成来自各种来源的数据(如大型机，关系数据库，平面文件等)而开发的。此外，它必须保持一致的命名约定，格式和编码。
集成有助于有效分析数据。 必须确保命名约定，属性度量，编码结构等的一致性。 请考虑以下示例：
在上面的示例中，有三个不同的应用程序标记为A，B和C.存储在这些应用程序中的信息是Gender，Date和Balance。 但是，每个应用程序的数据都以不同的方式存储。
数据库是相关数据的集合，代表现实世界的一些元素。 它旨在构建和填充特定任务的数据。 它也是数据解决方案的构建块。
数据仓库是一种信息系统，用于存储来自单个或多个来源的历史和可交换数据。 它旨在分析，报告，整合来自不同来源的交易数据。
数据仓库简化了组织的分析和报告流程。 它也是组织决策和预测过程的单一版本。
这里是使用数据库系统的主要原因：
这里是使用数据仓库的重要原因：
数据仓库是从各种渠道收集和管理数据的技术，可提供有意义的业务洞察，战略性地使用数据。 它用于查询和分析而不是事务处理，是将数据转换为信息并及时向用户提供的过程。
决策支持数据库(数据仓库)与组织的运营数据库分开维护。 但是数据仓库不是产品，而是环境。 它是属于信息系统，向用户传统运营数据存储难以访问或展示的当前和历史决策支持信息。
数据仓库是BI系统的核心，BI是为数据分析和报告而构建的。
你们很多人都知道，3NF设计的库存系统数据库很多都有相互关联的表。 例如，有关当前库存信息的报告可包含超过12个连接条件，查询慢。 数据仓库提供了一种新设计，可以缩短响应时间，提高报表和分析查询的性能。
数据仓库系统的其他名称：
数据仓库使用户能够理解并提高其组织的绩效 …
read more