快捷搜索:  as  test  1111  test aNd 8=8  test++aNd+8=8  as++aNd+8=8  as aNd 8=8

新葡的京集团350vip:择善而从 ETL还是数据联合?



企业常常必要把数据集成到很多操作系统中,可以经由过程以下两个技巧实现:

提取、转换和加载历程(ETL):采纳这种措施,企业首先要建立一个集中式数据仓库,然后为利益相关的数据构建一个全局模式。对新葡的京集团350vip付每一个操作系统,企业将采纳某种形式的ETL历程把数据实例转换玉成局模式,然后再把他们加载到集中式数据仓库中。

数据联合(Federate):这是数据集成的另一种措施,企业也必要像ETL措施所述的那样构建一个全局模式,只是把数据保留在它原本的存储位置。企业会采纳MetaMatrix或Aqualogics这样的数据联合器,而不再自己构建一个集中式数据仓库。查询(包括更新)可以提交给联合器进行处置惩罚。反过来新葡的京集团350vip,联合器管帐算出哪些查询或更新操作必要运行在哪个操作系统,才能对提交的敕令反馈回来精确的结果。

接下来,我们来看看这两种处置惩罚措施都有哪些优毛病,而我们应该采纳哪一种措施才能高效达到我们的目的。

数据元素: ETL更得当频繁查询的“热数据”

假如应用ETL历程进行数据集成,当一个数据元素被提掏出来时,数据转换历程才开始了。而在数据联合历程中,数据转换是发生在查询光阴里。假如某个数据元素常常要被查询,只进行一次转换的资源显然要低的多,以是用ETL历程更相宜。反过来,假如某个数据元素从来不会被查询或者查询的次数很少时,应用联合历程择更明智。总之,对付常常发生查询更新的“热数据”最好采纳ETL的办理规划。

索引:数据联合更难优化

联机事务处置惩罚对付数据索引的要求每每与数据仓库对查询索引的要求显着不合。是以,在ETL处置惩罚措施中,数据仓库功课负荷的优化可以与联机事务处置惩罚的优化分分开,在不合的硬件长进行。而数据联合处置惩罚措施中,数据库治理员必须在同一个数据库中平衡两者的功课负荷,这要比分手优化各自的功课负荷更繁杂。

资本治理:想要商业智能查询相应更快捷就用ETL历程

在数据仓库中,商业智能用户可以享用到专门用于优化索引查询的对象。比拟之下,数据联合技巧对联机处置惩罚事务履行的优先程度没有那么高,这导致了对商业智能查询的反映很慢,建议你在等待某个查询结果时可以先出去喝杯茶吃个饭。

模式转换的繁杂性:ETL历程的连接处置惩罚更少

很多半据仓库都采纳星型模式或雪花模式。而大年夜部分的联机事务处置惩罚系统都采纳非雪花模式。是以,全局模式跟着操作模式的不合而发生显明变更。这种环境下,全局模式中的某个记录很可能时来自操作模式中的几个不合的记录。是以,联接器必须在每次查询的时刻都履行该连接。而ETL系统则只是在加载时进行一次连接。以是,在模式映射历程变得繁杂的时刻,ETL处置惩罚措施体现更优良。

并发节制:数据联合冲突面临寻衅

在ETL系统中,必须按期从操作系统抽取数据元素。这些数据元素一旦新葡的京集团350vip加载到中央数据仓库,其存储属性就变为只读了。是以,在ETL历程中基础上不会有锁争用的环境发生。而数据联合历程会在操作系统中把商业智能查询和事务处置惩罚混杂起来履行,其结果便是导致呈现锁争用和其他资本冲突。

时效性:ETL历程必须处置惩罚逾期数据问题

数据仓库加载历程有一半光阴其数据基础都是逾期的。而联合器却能够随时更新信息。为了办理这个缺陷,一些新的数据仓库系统(如,Vertica)容许数据加载历程和查询历程并行处置惩罚,这个法度榜样称为trickle loading。

映射:数据联合无法处置惩罚某些转换

对付操作型数据库来说,经常要获取客户信息,例如客户姓名等。在ETL历程中,无论你什么时刻必要某个客户资料,你总能在某个包孕了从操作系统名到全局模式名映射的稳定增长表中找到其资料。假如某个客户名不存在,就可以添加关新葡的京集团350vip于该客户的新记录。是以,姓名映射是由一个映射表所支持的一种全局性操作。不过,这难以包管能够把相同的映射利用到每个操作系统,除非各个系统保留和更新相同的映射表。而联合器没有响应的对象进行来对状态信息来说必须的映射功能。是以,很难同时履行某些转换。

总结:ETL历程在很多环境下更胜一筹

总而言之,险些所有企业都应用ETL措施新葡的京集团350vip来进行数据集成。数据联合市场相对来说要小得多。当数据源异常多(例如,有跨越5000个数据源)而且商业智能用户在任何特准光阴里只会用到此中很小的一部分时,数据联合利用才显出上风。在极度环境下,凭证每个数据元素在更新或删除之前的造访量为零,这时我们最好让数据保留在它滥觞地。相反,昔时夜部分的数据元素都邑被使用多少次时,这也是更常见的情形,ETL历程照样我们的首选。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

您可能还会对下面的文章感兴趣: