王曉波

摘要：ETL作為構(gòu)建數(shù)據(jù)倉庫的一項重要技術(shù)，越來越多地應(yīng)用于各個領(lǐng)域。該文簡單介紹了ETL的基本原理，以及利用ETL技術(shù)，建立數(shù)據(jù)交換平臺，實現(xiàn)電子政務(wù)領(lǐng)域的數(shù)據(jù)整合。

關(guān)鍵詞：電子政務(wù)；ETL；抽取；轉(zhuǎn)換；加載；數(shù)據(jù)交換平臺

中圖分類號：TP393 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2016）21-0278-03

Abstract： ETL is very important in constructing Data Warehouse，and is used in many fields. This paper introduces the principles of ETL， and the data integration of E-government with the data exchange platform using ETL.

Key words： E-government； ETL； Extract； Transform； Load； Data exchange platform

1 引言

隨著信息技術(shù)的不斷普及，現(xiàn)國家電子政務(wù)外網(wǎng)和電子政務(wù)內(nèi)網(wǎng)已逐步覆蓋至縣，省級電子政務(wù)網(wǎng)絡(luò)已形成較為完善的體系。但由于信息資源共享機制尚未建立，部門自成體系現(xiàn)象嚴(yán)重，被隔離成一個個獨立的“孤島”，資源不能得到良好的整合，信息不能夠得到充分的共享。為提高公共服務(wù)效率，需要將各部門的資源整合，更好的實現(xiàn)資源共享，從而為公眾提供無縫式的、一體化電子化服務(wù)。利用ETL技術(shù)建立數(shù)據(jù)交換平臺，可將各部門數(shù)據(jù)進(jìn)行整合，從而實現(xiàn)信息共享。

利用ETL技術(shù)建立數(shù)據(jù)交換平臺，可將各部門的數(shù)據(jù)抽取到臨時中間庫后，然后對數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換，最后加載到正式數(shù)據(jù)庫中，解決各部門資源共享問題。

2 ETL簡介

ETL，即抽?。‥xtract）、轉(zhuǎn)換（Transform）和加載（Load） ，將各種數(shù)據(jù)源（分布式、異構(gòu)等）的各類數(shù)據(jù)（如關(guān)系型數(shù)據(jù)、文件數(shù)據(jù)等）抽取到臨時中間庫后，然后根據(jù)業(yè)務(wù)需要，用相關(guān)的規(guī)則進(jìn)行清洗、轉(zhuǎn)換并集成，最后加載到目的數(shù)據(jù)庫中，有效的解決了由于數(shù)據(jù)內(nèi)容、數(shù)據(jù)格式和數(shù)據(jù)質(zhì)量等原因造成的無法共享的各種棘手問題。簡單的ETL體系結(jié)構(gòu)如圖1所示：

3 數(shù)據(jù)交換平臺在電子政務(wù)領(lǐng)域中的應(yīng)用

針對現(xiàn)全省各級各部門之間信息不能共享，利用ETL技術(shù)，建立數(shù)據(jù)交換平臺，可對全省各級各部門的資源進(jìn)行有效地整合。其結(jié)構(gòu)圖如圖2所示：

數(shù)據(jù)交換平臺主要包括交換橋接子系統(tǒng)、交換傳輸子系統(tǒng)和交換管理子系統(tǒng)。

3.1交換橋接子系統(tǒng)

根據(jù)業(yè)務(wù)需求，交換橋接子系統(tǒng)用來采集各部門的業(yè)務(wù)數(shù)據(jù)，能夠支持異構(gòu)數(shù)據(jù)庫，多種服務(wù)器軟硬件，不同的文件數(shù)據(jù)源間進(jìn)行高效的數(shù)據(jù)采集，努力實現(xiàn)“零編程”或“少編程”。

3.1.1數(shù)據(jù)抽取方式

1）全量抽取：全量抽取較為簡單，即將數(shù)據(jù)源中數(shù)據(jù)（如，表或視圖）原封不動的從數(shù)據(jù)庫中抽取出來。跟數(shù)據(jù)遷移或數(shù)據(jù)復(fù)制類似。

2）增量抽?。侯櫭剂x，抽取增量數(shù)據(jù)（包括新增或修改的數(shù)據(jù)）。即抽取自上次抽取以來數(shù)據(jù)庫中表或視圖中新增或修改的數(shù)據(jù)。

3.1.2數(shù)據(jù)交換方法設(shè)計

1）觸發(fā)器方法。即在要抽取的數(shù)據(jù)庫中數(shù)據(jù)表上建立相應(yīng)的觸發(fā)器。根據(jù)對數(shù)據(jù)表的操作類型來看，需要建增加、刪除和修改三個觸發(fā)器；當(dāng)對源表的數(shù)據(jù)進(jìn)行增加、刪除或修改操作時，相應(yīng)的觸發(fā)器會被觸發(fā)，就會將變化的數(shù)據(jù)寫入一個臨時表；抽取數(shù)據(jù)時從這個臨時表進(jìn)行數(shù)據(jù)抽取，臨時表中的數(shù)據(jù)一旦被抽取后，應(yīng)當(dāng)對其進(jìn)行標(biāo)記或者刪除。

2）時間戳方法。改造各部門的業(yè)務(wù)系統(tǒng)，在需要抽取的業(yè)務(wù)表中添加時間戳字段，字段類型為時間類型；若業(yè)務(wù)系統(tǒng)對該條數(shù)據(jù)進(jìn)行了更新或修改時，也業(yè)務(wù)系統(tǒng)需同時修改時間戳字段；數(shù)據(jù)抽取時，通過時間戳字段與系統(tǒng)時間的比較來決定進(jìn)行數(shù)據(jù)的抽取。數(shù)據(jù)增量抽取的原理如圖3：

3）整表比對法。先抽取源數(shù)據(jù)，并根據(jù)相應(yīng)的規(guī)則進(jìn)行轉(zhuǎn)換，完成后先不插入目標(biāo)表，而是將源數(shù)據(jù)的每條數(shù)據(jù)與目標(biāo)表中的數(shù)據(jù)進(jìn)行對比。對比時，可根據(jù)表的主鍵值進(jìn)行新增或更新的判斷。若目標(biāo)表已存在該主鍵值的，表明目標(biāo)表中該數(shù)據(jù)已存在，然后在進(jìn)行其余字段的對比，若完全相同，則不進(jìn)行更新操作，反之，需進(jìn)行更新操作；若目標(biāo)表沒有存在該主鍵值，表明目標(biāo)表中該數(shù)據(jù)不存在，進(jìn)行新增操作即可。

4）全表刪除插入法。進(jìn)行時間抽取時，首先刪除目的表的全部數(shù)據(jù)，然后將數(shù)據(jù)全部重新加載。

5）日志表法。在業(yè)務(wù)系統(tǒng)中添加維護(hù)日志功能，建立系統(tǒng)日志表，當(dāng)業(yè)務(wù)數(shù)據(jù)發(fā)生變化時，維護(hù)日志表的內(nèi)容及時更新，然后通過讀取維護(hù)日志表中的數(shù)據(jù)進(jìn)行數(shù)據(jù)抽取以及如何抽取。

6）主動交換法。各部門按照標(biāo)準(zhǔn)設(shè)置的數(shù)據(jù)交換格式（xml），通過自己業(yè)務(wù)系統(tǒng)開發(fā)數(shù)據(jù)交換程序，主動定時提交數(shù)據(jù)到指定位置。

7）人工報送方法。提供一個簡易的數(shù)據(jù)錄入系統(tǒng)，針對沒有業(yè)務(wù)系統(tǒng)或數(shù)據(jù)量不大、更新頻率不高的部門，需要報送數(shù)據(jù)時，直接使用此系統(tǒng)。

3.1.3 數(shù)據(jù)交換機制

根據(jù)業(yè)務(wù)系統(tǒng)需求，建立實時交換、定時交換機制、單向交換機制和雙向交換機制。

1）實時交換機制

實時交換機制采用觸發(fā)器機制，依靠數(shù)據(jù)庫自身的實時觸發(fā)管理，確保數(shù)據(jù)交換的實時同步，實時同步時間在毫秒級。觸發(fā)器分為INSERT、UPATE、DELETE三種。即業(yè)務(wù)表在數(shù)據(jù)變化時根據(jù)三種觸發(fā)條件判斷屬于那種數(shù)據(jù)更新方式并定位數(shù)據(jù)記錄。在數(shù)據(jù)加載時通過定位信息獲取數(shù)據(jù)并按照觸發(fā)類型進(jìn)行數(shù)據(jù)更新同步。

2）定時交換機制

定時交換機制采用時間戳方式。當(dāng)數(shù)據(jù)加載時，通過上次運行時間、本次運行時間與時間戳字段的比較來決定進(jìn)行何種數(shù)據(jù)抽取。

3）單向交換機制

無論是定時還是實時交換機制，都可以設(shè)定為單向交換。即針對一個數(shù)據(jù)源，只是做同一種操作向其他數(shù)據(jù)源做數(shù)據(jù)同步。

4）雙向交換機制

對于實時數(shù)據(jù)同步可以支持雙向交換。即針對一個數(shù)據(jù)源，在往其他數(shù)據(jù)源做數(shù)據(jù)同步的同時，該數(shù)據(jù)源又要受被其同步的數(shù)據(jù)源的變化做實時同步。

3.1.4 數(shù)據(jù)轉(zhuǎn)換和加工

利用ETL技術(shù)，選擇數(shù)據(jù)庫方法或組件化方法對抽取的數(shù)據(jù)進(jìn)行數(shù)據(jù)轉(zhuǎn)換和加工。

1）數(shù)據(jù)庫方法：利用關(guān)系型數(shù)據(jù)庫對數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行加工。如，在SQL查詢語句中添加where條件進(jìn)行過濾，查詢中重命名字段名與目的表進(jìn)行映射，substr函數(shù)，case條件判斷等。

2）組件化方法。組件化方法包括以下功能：字段映射、數(shù)據(jù)過濾、數(shù)據(jù)清洗、數(shù)據(jù)替換、數(shù)據(jù)計算、數(shù)據(jù)驗證、數(shù)據(jù)加解密、數(shù)據(jù)合并、數(shù)據(jù)拆分等。此外，組件之間可以任意組裝。另外，提供腳本支持，使得用戶可以通過編程的方式去制定數(shù)據(jù)的轉(zhuǎn)換和加工。

3.1.5 數(shù)據(jù)裝載

1）SQL語句裝載方法：直接使用SQL語句進(jìn)行insert、update、delete操作，此方式進(jìn)行了日志記錄并且是可恢復(fù)的。

2）數(shù)據(jù)批量裝載方法：數(shù)據(jù)批量裝載方法包括數(shù)據(jù)庫bcp、bulk、關(guān)系數(shù)據(jù)庫特有的批量裝載工具或api等。

3.1.6 日志功能

提供業(yè)務(wù)系統(tǒng)橋接過程中的數(shù)據(jù)傳輸日志功能。

3.2 交換傳輸子系統(tǒng)

3.2.1 數(shù)據(jù)封裝

系統(tǒng)采用XML國際標(biāo)準(zhǔn)作為數(shù)據(jù)封裝接口規(guī)范，數(shù)據(jù)在傳輸前將數(shù)據(jù)封裝成XML格式的傳輸對象。

3.2.2 數(shù)據(jù)傳輸

提供可靠隊列的通信機制，保障隊列持久性；提供不錯、不漏、不重的傳輸機制；支持?jǐn)帱c續(xù)傳、網(wǎng)絡(luò)容錯；支持點對點消息傳輸和發(fā)布/訂閱消息傳輸；支持JAVA編程、JMS和WEBSERVICE等接入方式；支持應(yīng)用的實時、定時、主動、被動模式，實現(xiàn)同步/異步消息通信手段，實現(xiàn)數(shù)據(jù)交換平臺多種交換模式的通信支持；支持?jǐn)?shù)據(jù)高效率傳輸，適應(yīng)網(wǎng)絡(luò)傳輸速率，提供透明壓縮傳輸功能，提供通信服務(wù)端集群與均衡負(fù)載能力，有效應(yīng)對多客戶端大并發(fā)需求，屏蔽性能瓶頸；支持復(fù)雜消息傳輸模式，可以直接對大文件進(jìn)行傳輸；提供優(yōu)先級處理能力；提供標(biāo)準(zhǔn)傳輸組件。

3.2.3 交換日志

提供底層交換日志功能，包括錯誤日志的記錄。

3.3 交換管理子系統(tǒng)

主要內(nèi)容包括系統(tǒng)配置、監(jiān)控管理、交換節(jié)點管理、數(shù)據(jù)適配、交換流程管理和日志管理等。

4 結(jié)束語

本文主要簡述了ETL技術(shù)，著重介紹了利用用ETL技術(shù)建設(shè)的數(shù)據(jù)交換平臺，整合全省各部門數(shù)據(jù)，實現(xiàn)了信息的共享。同時也為ETL技術(shù)在其他領(lǐng)域的應(yīng)用提供了一個很好的借鑒。

參考文獻(xiàn)：

[1] 郭志懋， 周傲英. 數(shù)據(jù)質(zhì)量和數(shù)據(jù)清洗研究綜述[J]. 軟件學(xué)報， 2002，13（11）：2076-2082.

[2] 張寧. 數(shù)據(jù)倉庫中ETL技術(shù)的研究[J]. 計算機工程與應(yīng)用， 2002（24）：213-216.

[3] 繆嘉嘉，鄧蘇，劉青寶.ETL綜述[J]. 計算機工程， 2004（3）.

[4] 白洪濤，孫吉貴，莫旭，楊鳳杰. 一個專用的ETL程序的實現(xiàn)[J]. 計算機應(yīng)用， 2004（2）.