etl什么意思（ETL算法详解）

etl什么意思，ETL算法详解。高登网来告诉相关信息，希望对您有所帮助。 **一、ETL定义 ** ETL是将业务系统的数据经过抽取、清洗转换之后加载到数据仓库的过程，目的是将企业中的分散、零乱、标准不统一的数据整合到一起，为企业的决策提供分析依据。 二、ETL算法导图 ??三、算法应用场景 这8种ETL算法，其中主要分成4大类，增量累加、拉链算法是更符合数据仓库历史数据追踪的算法，但现实中基于业务及性能考虑，往往存在全删全插、增量累全算法的数据表应用。 四、算法详解 1、全删全插算法 用DML语句中的Delete/Insert实现逻辑，主要应用在维表、参数表、主档表加载上，即适合源表是全量数据表，该数据表业务逻辑只需保存当前最新全量数据，不需跟踪过往历史信息。 SQL代码模型： –步骤1. 清空目标表 TRUNCATE TABLE <目标表名>; –步骤2. 全量插入 INSERT INTO <目标表名> (字段1，***) SELECt 字段*** FROM <源表> ***JOIN <关联数据> WHERe ***; 2、增量累全算法 用Upsert实现逻辑，主要应用在参数表、主档表加载上，即源表可以是增量或全量数据表，目标表始终最新最全记录。 SQL代码模型： –步骤1. 生成加工源表 Create temp Table <临时表> ***; INSERT INTO <临时表> (字段***) SELECt 字段*** FROM <源表> ***JOIN <关联数据> WHERe ***； — 步骤2. 可利用Merge Into实现累全，当前也可以采用分步Delete/Insert或Update/Insert操作 Merge INTO <目标表> As T1 (字段***) Using <临时表> as S1 on (PK) when Matched then update set Colx = S1.Colx *** when Not Matched then INSERT (字段***) values (字段*** ); 3、增量累加 用Append实现逻辑，主要应用在流水表加载上，即每日产生的流水、事件数据，追加到目标表中保留全历史数据。流水表、快照表、统计分析表等均是通过该逻辑实现。 SQL代码模型： –步骤1.插入目标表 INSERT INTO <目标表> (字段1***) SELECt 字段*** FROM <源表> ***JOIN <关联数据> WHERe ***; 4、全历史拉链算法 拉链表定义：是一张至少存在PK字段、跟踪变化的字段、开链日期、闭链日期组成的数据仓库ETL数据表。 拉链表优势：根据开链、闭链日期可以快速提取对应日期有效数据，对于跟踪源系统非事件流水类表数据，拉链算法发挥越大作用，源业务系统通常每日变化数据有限，通过拉链加工可以大大降低每日打快照带来的空间开销，且不损失数据变化历史。 全历史拉链表算法实现逻辑：提取当前有效记录-提取当日源系统最新数据-根据PK字段比对当前有效记录与最新源表，更新目标表当前有效记录，进行闭链操作-根据全字段比对最新源表与当前有效记录，插入目标表。 SQL代码模型： –步骤1. 提取当前有效记录 Insert into <临时表-开链-pre> (不含开闭链字段***) Select 不含开闭链字段*** From <目标表> Where 结束日期 =date\\\'<最大日期>’; –步骤2. 提取当日源系统最新数据 <源表临时表-cur> — 步骤3 今天全部开链的数据，即包含今天全新插入、数据发生变化的记录 Insert Into <临时表-增量-ins> Select 不含开闭链字段*** From <源表临时表-cur> where (不含开闭链字段***) not in (Select 不含开闭链字段*** From <临时表-开链-pre> ); — 4 今天需要闭链的数据，即今天发生变化的记录 Insert into <临时表-增量-upd> Select 不含开闭链字段***,开始时间 From <临时表-开链-pre> where (不含开闭链字段***) not in (Select 不含开闭链字段*** From <临时表-开链-cur> ); –步骤5 更新闭链数据，即历史记录闭链（删除-插入替代更新） DELETe FROM <目标表> WHERe (PK***) IN (Select PK*** From <临时表-增量-upd>) AND 结束日期=date\\\'<最大日期>’; INSERT INTO <目标表>   (不含开闭链字段***,开始时间,结束日期) Select 不含开闭链字段***,开始时间,date\\\'<数据日期>’ From <临时表-增量-upd>; — 6 插入开链数据，即当日新增记录 INSERT INTO <目标表>   (不含开闭链字段***,开始时间,结束日期) Select 不含开闭链字段***,date\\\'<数据日期>’,date\\\'<最大日期>’ From <临时表-增量-ins>; 5、增量拉链算法 算法实现逻辑是提取上日开链数据-PK相同变化记录，关闭旧记录链，开启新记录链-PK不同，源表存在，新增开链记录。增量拉链，目的是追踪数据增量变化历史，根据PK比对新拉一条开链数据。 SQL代码模型： — 步骤1. 提取当前有效记录 Insert into <临时表-开链-pre> (不含开闭链字段***) Select 不含开闭链字段*** From <目标表> Where 结束日期 =date\\\'<最大日期>’; –步骤2. 提取当日源系统增量记录 <源表临时表-cur> — 步骤3. 提取当日源系统新增记录 Insert into <临时表-增量-ins> Select 不含开闭链字段*** From <临时表-开链-cur> where (PK) not in (select PK from <临时表-开链-pre>); –步骤4. 提取当日源系统历史变化记录 Insert into <临时表-增量-upd> Select 不含开闭链字段*** From <临时表-开链-cur> inner join <临时表-开链-pre> on (PK 等值) where (变化字段 非等值); –步骤5. 更新历史变化记录，关闭历史旧链，开启新链 update <目标表> AS T1 SET <变化字段 S1赋值>,结束日期 = date\\\'<数据日期>’ FROM <临时表-增量-upd> AS S1 WHERe ( <PK 等值> ) AND T1.结束日期 =date\\\'<最大日期>’ INSERT INTO <目标表> (不含开闭链字段***,开始时间,结束日期) SELECt 不含开闭链字段***,date\\\'<数据日期>’,date\\\'<最大日期>’ FROM <临时表-增量-upd>; –步骤6. 插入全新开链数据 INSERT INTO <目标表>   (不含开闭链字段***,开始时间,结束日期) SELECt 不含开闭链字段***,date\\\'<数据日期>’,date\\\'<最大日期>’ FROM <临时表-增量-ins>; 6、增删拉链算法 算法实现逻辑是，提取上日开链数据-提取源表非删除记录-PK相同变化记录，关闭旧记录链，开启新记录链-PK比对，源表存在，新增开链记录-提取源表删除记录-PK比对，旧开链记录存在，关闭旧记录链。 SQL代码模型： — 步骤1. 清理目标表 TRUNCATE TABLE <目标表>; — 步骤2. 全量插入 INSERT INTO <目标表> (字段***) SELECt 字段*** FROM <源表> ***JOIN <关联数据> WHERe ***; 7、全量增删拉链算法 算法实现逻辑是提取上日开链数据-提取源表非删除记录_PK相同变化记录，关闭旧记录链，开启新记录链-PK比对，源表存在，新增开链记录-提取源表删除记录-PK比对，旧开链记录存在，关闭旧记录链-PK比对，提取旧开链存在但源表不存在记录，关闭旧记录链；主要是利用业务字段跟踪全量数据中包含删除的变化历史。 SQL代码模型： — 步骤1. 清理目标表 TRUNCATE TABLE <目标表>; — 步骤2. 全量插入 INSERT INTO <目标表> (字段***) SELECt 字段*** FROM <源表> ***JOIN <关联数据> WHERe ***; 8、自拉链算法 根据源表业务日期字段，和目标表开链、闭链日期比对，首尾相接，拉出全历史拉链，主要将流水表数据转化成拉链表数据。 SQL代码模型： –步骤1. 清理目标表 TRUNCATE TABLE <目标表>; –步骤2. 全量插入 INSERT INTO <目标表> (字段***) SELECt 字段*** FROM <源表> ***JOIN <关联数据> WHERe ***; 在实际工作中所有数据表通常还会包含一些控制字段，即插入日期、更新日期、更新源头字段，这样对于数据变化敏感的数据仓库，可以进一步追踪数据变化历史。 ?雅风网是一家创业点子分享平台，在这里提供互联网创业项目，以及引流推广、网络营销、实操案例分享，需要网上创业点子那就上雅风网，找项目，学推广就来雅风网！