同步、异步ETL架构的比较

背景介绍：

数据的抽取，转换和加载 (ETL, Extract, Transform, Load) 是构建数据仓库过程中最复杂也是至 关重要的一个步骤，我们通常用两种办法来处理 ETL 流程:

一种是异步(Asynchronous) ETL 方式, 也称为文本文件(Flat file)方式。

另外一种是同步(Synchronous) ETL 方式，也称为直接传输 (Direct transfer) 方式。根据项目的各自特点，合理选择恰当的数据抽取流程，确定抽取过程中的监督核 查机制，对于 DW 项目的成功可以起到事半功倍的作用。在第一种模式中，数据被从源数据库 抽取到文本文件中，通过网络传输被传送到目标服务器，然后再装载到目标数据库中。对于后一 种模式，顾名思义，数据抽取过程是直接从源到目标的，没有通过中间路径或者手段。在数据仓 库工程的开发中，这两种体系架构被普遍采用，不能绝对地评价哪一种模式好，哪一种模式坏。 运用之妙，存乎一心，完全根据系统架构师或高级开发人员根据项目特点(如数据库分布，网络 连接……) 灵活实施，随机应变。

 本文目的是比较两种体系架构各自的不同点和优缺点，并基于本文的假设条件，分析两种体系架 构各自的特点和适用范围。本文共分为以下几个部分：

 系统结构图比较

 假设条件

 特点比较

 各自适用的环境

系统结构图比较

 假设条件

依循数据仓库的工作方式，原始资料由源数据库被抽取出来后，将在中间过程被写入

到”Operational Data Store”(ODS)，ODS 是被设计用来存储中间数据和核查校验数据的。通 过 ODS，数据将被萃取、预先被计算及整理，而后被导入数据仓库作进一步的报表生成与分析。 所以通常意义的 ETL 过程涵盖了两个方面的内容：1. 从源数据库到中间步骤的 ODS; 2. 从 ODS 到最终的数据仓库。本文所讨论的数据装载过程包括如下的假设条件：

 数据的抽取过程可以是数据的完全(refresh)抽取或者是增量(incremental)抽取。完全 抽取是指数据从其源系统中完整的抽取；然后，由转换及加载步骤决定需要哪些数据。 增量抽取仅抽取那些自上次抽取以来发生变化、插入或删除的数据。这样往往就会为转 换和加载步骤单独提供所需的数据。

目标数据库存放数据的时间区间比源数据库长。例如源数据库存放的是 3 个月的交易生 产数据，ODS 存放了 1 年左右的数据，而数据仓库存放了 3－5 年的历史数据。

 源数据的记录中应该有特定的时间戳字段来表明数据是何时更新的。这样在 ETL 抽取过 程中就可以根据装载的需要凭借使用时间参数来选择所需要的数据。与之相对应，目标 数据库也应该保留说明数据是何时插入或者更新的字段。一来是为了维护的需要，同时 今天的目标可能是明天的源，保留这些字段可以具有很大的灵活性。例如企业如果有基 于数据仓库基础上的数据集市系统的应用，需要抽取数据仓库的数据作为数据集市的输 入，这些字段就可以作为用来比较的参数值使用。

 许多数据库系统保留了历史记录变动的详细情况。例如对于同一客户记录来说，由于其 居住城市或者地址的变动，记录的内容也会发生相应变动，就会产生许多历史记录，有 些应用需要系统保留这些历史记录以便于回溯（Keep Track）。本文假定目标数据库 只需要抽取最近更新的一条数据，对于历史的陈旧数据，可以置之不理。

两种体系结构的特点比较

 

 

各自适用的环境

最后，通过表 2 我们可以清楚地了解两种不同的数据 ETL 模式所各自适用的环境。 这可以帮助 开发者面对具体的开发背景确定更加合适的模式。

Table 2 compares the strong point and weak point of the two architectures.

表 2. 列出了两种不同体系结构的各自优缺点