概述

etl（Extract-Transform-Load的縮寫，即數(shù)據(jù)抽取、轉(zhuǎn)換、裝載的過程），對于企業(yè)或行業(yè)應用來說，我們經(jīng)常會遇到各種數(shù)據(jù)的處理，轉(zhuǎn)換，遷移，所以了解并掌握一種etl工具的使用，必不可少。最近用Kettle做數(shù)據(jù)處理比較多，所以也就介紹下這方面內(nèi)容，這里先對比下幾款主流的ETL工具。

1、DataPipeline

Data Pipeline是一家為企業(yè)用戶提供數(shù)據(jù)基礎架構(gòu)服務的科技公司，DataPipeline數(shù)據(jù)質(zhì)量平臺整合了數(shù)據(jù)質(zhì)量分析、質(zhì)量校驗、質(zhì)量監(jiān)控等多方面特性， 以保證數(shù)據(jù)質(zhì)量的完整性、一致性、準確性及唯一性，徹底解決數(shù)據(jù)孤島和數(shù)據(jù)定義進化的問題。

2、Kettle

Kettle是一款國外開源的ETL工具，純java編寫，可以在Windows、Linux、Unix上運行，數(shù)據(jù)抽取高效穩(wěn)定。Kettle 中文名稱叫水壺，該項目的主程序員MATT 希望把各種數(shù)據(jù)放到一個壺里，然后以一種指定的格式流出。

Kettle家族目前包括4個產(chǎn)品：Spoon、Pan、CHEF、Kitchen。

SPOON 允許你通過圖形界面來設計ETL轉(zhuǎn)換過程（Transformation）。

PAN 允許你批量運行由Spoon設計的ETL轉(zhuǎn)換 (例如使用一個時間調(diào)度器)。Pan是一個后臺執(zhí)行的程序，沒有圖形界面。

CHEF 允許你創(chuàng)建任務（Job）。 任務通過允許每個轉(zhuǎn)換，任務，腳本等等，更有利于自動化更新數(shù)據(jù)倉庫的復雜工作。任務通過允許每個轉(zhuǎn)換，任務，腳本等等。任務將會被檢查，看看是否正確地運行了。

KITCHEN 允許你批量使用由Chef設計的任務 (例如使用一個時間調(diào)度器)。KITCHEN也是一個后臺運行的程序。

3、Talend

Talend，是一家專業(yè)的開源集成軟件公司，為企業(yè)提供開源的中間件解決方案，從而讓企業(yè)能夠在他們的應用，系統(tǒng)以及數(shù)據(jù)庫中贏取更大的價值。 在傳統(tǒng)軟件公司提供封閉、私有的解決方案的領(lǐng)域Talend系列軟件以開源的形式進行開發(fā)。Talend，可運行于 Hadoop 集群之間，直接生成 MapReduce 代碼供 Hadoop 運行，從而可以降低部署難度和成本，加快分析速度。而且 Talend 還支持可進行并發(fā)事務處理的Hadoop2.0。

4、Informatica

Informatica是全球領(lǐng)先的數(shù)據(jù)管理軟件提供商。在如下Gartner魔力象限位于領(lǐng)導者地位：數(shù)據(jù)集成工具魔力象限、數(shù)據(jù)質(zhì)量工具魔力象限 、元數(shù)據(jù)管理解決方案魔力象限 、主數(shù)據(jù)管理解決方案魔力象限 、企業(yè)級集成平臺即服務（EiPaaS）魔力象限。

Informatica Enterprise Data Integration包括Informatica PowerCenter和Informatica PowerExchange 兩大產(chǎn)品，憑借其高性能、可充分擴展的平臺，可以解決幾乎所有數(shù)據(jù)集成項目和企業(yè)集成方案。

· Informatica PowerCenter用于訪問和集成幾乎任何業(yè)務系統(tǒng)、任何格式的數(shù)據(jù)，它可以按任意速度在企業(yè)內(nèi)交付數(shù)據(jù)，具有高性能、高可擴展性、高可用性的特點。Informatica PowerCenter包括4個不同版本，即：標準版，實時版，高級版，云計算版。同時，它還提供了多個可選的組件，以擴展Informatica PowerCenter的核心數(shù)據(jù)集成功能，這些組件包括：數(shù)據(jù)清洗和匹配、數(shù)據(jù)屏蔽、數(shù)據(jù)驗證、Teradata雙負載、企業(yè)網(wǎng)格、元數(shù)據(jù)交換、下推優(yōu)化(Pushdown Optimization)、團隊開發(fā)和非結(jié)構(gòu)化數(shù)據(jù)等。

· Informatica PowerExchange 是一系列的數(shù)據(jù)訪問產(chǎn)品，它確保 IT 機構(gòu)能夠根據(jù)需要隨時隨地訪問并在整個企業(yè)內(nèi)傳遞關(guān)鍵數(shù)據(jù)。憑該能力，IT機構(gòu)可以優(yōu)化有限的資源和數(shù)據(jù)的業(yè)務價值。Informatica PowerExchange支持多種不同的數(shù)據(jù)源和各類應用，包括企業(yè)應用程序、數(shù)據(jù)庫和數(shù)據(jù)倉庫、大型機、中型系統(tǒng)、消息傳遞系統(tǒng)和技術(shù)標準。

5、Datax

DataX 是阿里巴巴集團內(nèi)被廣泛使用的離線數(shù)據(jù)同步工具/平臺，實現(xiàn)包括 MySQL、Oracle、SqlServer、Postgre、HDFS、Hive、ADS、HBase、TableStore(OTS)、MaxCompute(ODPS)、DRDS 等各種異構(gòu)數(shù)據(jù)源之間高效的數(shù)據(jù)同步功能。

開源地址：https://github.com/alibaba/DataX

6、Oracle Goldengate

GoldenGate軟件是一種基于日志的結(jié)構(gòu)化數(shù)據(jù)復制軟件。GoldenGate 能夠?qū)崿F(xiàn)大量交易數(shù)據(jù)的實時捕捉、變換和投遞，實現(xiàn)源數(shù)據(jù)庫與目標數(shù)據(jù)庫的數(shù)據(jù)同步，保持亞秒級的數(shù)據(jù)延遲。

源端通過抽取進程提取redo log或archive log日志內(nèi)容，通過pump進程（TCP/IP協(xié)議）發(fā)送到目標端，最后目標端的rep進程接收日志、解析并應用到目標端，進而完成數(shù)據(jù)同步。

7、ETL工具對比

整理成表格如下：

覺得有用的朋友多幫忙轉(zhuǎn)發(fā)哦！后面會分享更多devops和DBA方面的內(nèi)容，感興趣的朋友可以關(guān)注下~