ETL用来描述将数据从来源端经过抽取（extract）、转换（transform）、加载（load）至目的端的过程。
转载
2021-07-26 14:33:56
651阅读
1 离线计算离线计算：批量获取数据、批量传输数据、周期性批量计算数据、数据展示 代表技术：Sqoop批量导入数据、HDFS批量存储数据、MapReduce批量计算数据、Hive批量计算数据2 流式计算流式计算：数据实时产生、数据实时传输、数据实时计算、实时展示 代表技术：Flume实时获取数据、Kafka/metaq实时数据存储、Storm/JStorm实时数据计算、Redis实时结果缓存、持久化
转载
2024-06-12 08:56:38
54阅读
Etl目标 解析我们收集的日志数据，将解析后的数据保存到hbase中。这里选择hbase来存储数据的主要原因就是： hbase的宽表结构设计适合我们的这样多种数据格式的数据存储（不同event有不同的存储格式）。 在etl过程中，我们需要将我们收集得到的数据进行处理，包括ip地址解析、userAge
原创
2021-06-05 10:45:54
326阅读
最近写了一个针对数据仓库ETL的测试框架，baidu google了一下发现还没有非常靠谱的同类型框架或解决方案，就忍不住提前分享一下（其实是因为周五下午不想干活）。
首先分享一下我们过去测试ETL的方法：很简单，就是写两段SQL分别query上下两层数据，然后通过数据库的minus方法来得到不符合预期的数据，进而进行分析。例如
-- Source
转载
2023-08-31 18:19:57
203阅读
1. 安装4.0框架ETL的正运行前提是操作系统中已经安装有4.0框架。如果没有，请在运行ETL工具前将其提前安装。2. 解压ETL工具安装包将接收到的ETL工具压缩包解压到本地3. 安装建库脚本在oracle库中创建新用户，一般用户名为SJTB,然后在在ETL所在的目录下找到【建库脚本oracle.sql】，将该脚本其在SJTB用
转载
2023-08-31 08:28:17
180阅读
常用的数据集成ETL工具有哪些？ETL工具用于将异构数据转换为同类数据，然后由数据科学家用于从数据中获得有价值的数据，常用的ETL工具有Microsoft-SQL Server集成服务、AWS Glue、Apache NiFi、Informatica PowerCenter、IBM的Infosphere Information Server等。ETL工具是什么呢？ETL是英文Extract-Tra
转载
2023-08-14 12:10:20
106阅读
数据仓库是由外部多个数据源汇总集成的，“集成”这个词代表并不是简单的堆积，而是需要进行一些逻辑处理，数仓的集成就是这样，因为外部数据源都是异构的，所以需要做很多工作才可以进行集成，这些工作包括但不限于：字段的意义统一，轻度统计等。抽取数据有如下策略：时间戳判断扫描增量文件日志文件，审计文件扫描修改应用程序（很少使用）映像文件扫描（很少使用）另外，抽取的数据需要增加时间戳（必须的），存储到介质里面需
转载
2024-03-04 02:30:29
80阅读
为什么使用geventPython通过yield提供了对协程的基本支持，但是不完全。比如python的yield虽然提供了对协程的支持，但是需要用send手动发送数据(比如io操作时的切换，需要发送 “耗时操作完成”告诉程序可以继续往下走)，才能改变程序的执行流程，，而第三方的gevent为Python提供了比较完善的协程支持。gevent的优点gevent是第三方库，通过greenlet实现协程
转载
2024-07-03 07:45:52
65阅读
一、ETL概念 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， ETL是BI（商业智能）项目重要的一个环节。二、E-T-L架构分类 ETL所描述的过程，一般常见的作法包含ETL或
转载
2023-09-28 08:31:01
185阅读
日志采集、加工、分析、归档有着一套流程。
转载
2017-07-05 22:39:00
402阅读
2评论
ETL，全称 Extract-Transform-Load，它是将大量的多个来源的原始数据经过提取（extract）、清洗加转换（transform）、加载（load）到目标存储数据仓库或数据湖的过程；
在21世纪大数据时代，我们的系统中有来自各种来源的结构化和非结构化数据，包括：来自在线支付和客户关系管理（CRM）系统的客户数据、来自供应商系统的库存和
转载
2023-07-11 22:35:37
104阅读
熟悉TASKCTL4.1一段时间后，觉得它的调度逻辑什么的都还不错，但是感觉单机部署不太够用。想实现跨机调度作业，就要会TASKCTL的集群部署。下面就是我在网上找到的相关资料，非原创。单机部署成功后，要在单机部署的基础上，增加3个CTL节点：1个MAgent和2个Sagent，来完成集群部署。将服务端的安装包分别上传至magent、sagent1和sagent2账户，其操作都是一样的
转载
2023-07-08 14:29:02
108阅读
ETL 是数据抽取（Extract）、转换（Transform）、加载（Load）的简写，它的功能是从数据源抽取出所需的数据，经过数据清洗和转换，最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去，是构建数据仓库最重要的一步。在数据加载到数据库的过程中，分为全量加载（更新）和增量加载（更新）。全量加载：全表删除后再进行数据加载的方式。增量加载：目标表仅更新源表变化的数据。全量加载从技术角度
转载
2023-08-31 20:52:12
135阅读
现在是一个Google的时代，而对于开发者，开源已成为最重要的参考书。对于某课题，不管你是深入研究还是初窥门径。估且google一把，勾一勾同行的成就，你必会获益良多。 说到ETL开源项目，Kettle当属翘首，因此，偶决定花点时间了解一下。 项目名称很有意思，水壶。按项目负责人Matt的
转载
2023-12-01 09:34:14
81阅读
ETL （数据仓库技术）ETL，是英文 Extract-Transform-Load 的缩写，用来描述将数据从来源端经过抽取（extract）、交互转换（transform）、加载（load）至目的端的过程。ETL一词较常用在数据仓库，但其对象并不限于数据仓库。
ETL工具的典型代表有:Informatica、Datastage、OWB、微软DTS、
Beel
Geotrellis-spark-etl测试前提条件 进行到这一阶段，我们假设你已经具备了基本的spark，scala开发的能力，对Geotrellis也已经并不陌生，至少我们假设你已经使用过它，实现了一些简单的示例。 如果你没有具备以上条件，请自行参考相关资料，比如官方文档（强力推荐），同时我们也提供了《Geotrellis使用
转载
2024-06-27 20:44:23
77阅读
Kettle简介：Kettle是一款国外开源的ETL工具，纯java编写，可以在Window、Linux、Unix上运行，数据抽取高效稳定。Kettle 中文名称叫水壶，该项目的主程序员MATT 希望把各种数据放到一个壶里，然后以一种指定的格式流出。Kettle这个ETL工具集，它允许你管理来自不同数据库的数据，通过提供一个图形化的用户环境来描述你想做什么，而不是你想怎么做。Kettle中有两种脚
转载
2023-12-15 18:54:28
86阅读
数据清洗，是每个业务中不可或缺的部分，在运行核心业务的MapReduce程序之前，往后都会对数据进行清洗。数据清洗的过程往往只需要运行Mapper程序，而不需要运行Reducer程序，本文主要介绍一下数据清洗的简单应用。目录一、开始的话 二、需求与数据三、定义Bean类四、编写Mapper类五、编写Driver驱动类六、测试 
转载
2023-07-14 17:27:34
110阅读
二、使用Hive转换、装载数据 1. Hive简介
（1）Hive是什么
Hive是一个数据仓库软件，使用SQL读、写、管理分布式存储上的大数据集。它建立在Hadoop之上，具有以下功能和特点：
通过SQL方便地访问数据，适合执行ETL、报表、数据分析等数据仓库任务。提供一种机制，给各种各样的数据格式加上结构。直接访问HDFS的文件，或
转载
2023-07-11 22:50:14
180阅读
Python开发Kettle做大数据ETL，这回事要上线的了。前期准备kettle任务，本地阶段。 老规矩，交代一下业务场景，因为所有的框架和技术组件都一定要基于需求，解决实际问题，否则那就是闭门造车，没有丝毫意义。 应用场景介绍。 这回，我们记录下来了，从整体架构上来说，我们出现了一种同步情况，当前台页面访问页面时，出现了数据集合为空：
移除点击此处添加图片说明文字 可
转载
2023-07-14 17:26:55
342阅读
