ETL技術(shù)規(guī)范(通用)

ETL技術(shù)規(guī)范ETL設(shè)計規(guī)范ETL設(shè)計規(guī)范主要應(yīng)用于ETL編碼的前期工作。由于ETL全過程是面向數(shù)據(jù)的，主要工作為數(shù)據(jù)的抽取（Extract）、轉(zhuǎn)換（Transform）、裝載（Loading），正確界定所涉及到的數(shù)據(jù)范圍和應(yīng)當應(yīng)用的轉(zhuǎn)換邏輯對于后續(xù)的編碼工作非常重要，這些數(shù)據(jù)關(guān)系的確定，我們稱之為Mapping（數(shù)據(jù)映射）。正確定義數(shù)據(jù)映射關(guān)系是ETL成功實施的前提，一個完善的Mapping應(yīng)該包含以下幾個部分：源數(shù)據(jù)集屬性此部分應(yīng)該詳細描述數(shù)據(jù)源的相關(guān)屬性，包括：實體名稱——含數(shù)據(jù)來源名稱（DSN）、所有者等信息；字段名稱——英文名稱；字段簡述——中文名稱，如為參數(shù)信息應(yīng)該有相關(guān)取值解釋，如性別字段（1：男；2：女；0：不詳）類型——字段類型，含長度和精度信息；非空屬性——字段是否可以為空；目標數(shù)據(jù)集屬性此部分應(yīng)該詳細描述目標數(shù)據(jù)集的相關(guān)屬性，包括：實體名稱——含數(shù)據(jù)來源名稱（DSN）、所有者等信息；字段名稱——英文名稱，建議根據(jù)字段含義來命名，而不是簡單用拼音來定義字段（此部分由負責設(shè)計數(shù)據(jù)集的人員控制）；字段簡述——中文名稱，對于保留字段應(yīng)該給出默認值；類型——字段類型，含長度和精度信息；非空屬性——字段是否可以為空；命名規(guī)范作業(yè)命名規(guī)范ETL是一個復(fù)雜的工作，數(shù)據(jù)倉庫的建設(shè)一般會花費70％以上的工作量在ETL上面，而且這是一個細致活，任何一點小的錯誤都有可能造成后續(xù)工作的出錯和失敗；此外，數(shù)據(jù)倉庫需要不斷的更新維護，相應(yīng)的ETL程序也需要進行相關(guān)的更新維護，所花費的成本也很大。一個好的命名規(guī)范，能夠使ETL的程序更清晰易懂，很好地避免了開發(fā)過程中出錯；同時更好的可讀性，也極大地減低了ETL程序的更新維護成本。作業(yè)命名規(guī)則：[JOBTYPE][DESCRIPTION][SEQNUM]JOBTYPE：作業(yè)類型DESCRIPTION：有效的描述信息SEQNUM：作業(yè)的編號。由于一定的原因，有可能需要拆分作業(yè)數(shù)據(jù)多次加載數(shù)據(jù)，這個編號就可以區(qū)分加載。如果一次加載可以成功的話這個編號就不需要了。作業(yè)內(nèi)部命名規(guī)范對于作業(yè)內(nèi)部命名，應(yīng)該遵循代碼的可讀性與可傳遞性原則，命名規(guī)則：[Function][Description]Function：表示用途，Ex:抽取，Create:創(chuàng)建，Ld:裝載，Lookup:查找等Description：有意義的描述，比如數(shù)據(jù)庫表名，文件名等。作業(yè)注釋規(guī)范ETL開發(fā)過程往往要經(jīng)歷一個較長時間段，為了便于團隊開發(fā)和后期維護，除開發(fā)設(shè)計文檔要齊全外，還應(yīng)該在作業(yè)設(shè)計界面中適當加注釋信息，主要包括作業(yè)功能說明、所屬模塊、開發(fā)時間、開發(fā)人員等信息。結(jié)構(gòu)規(guī)范作業(yè)目錄組織結(jié)構(gòu)對于ETLPROJECT而言，我們需要劃分清晰的目錄結(jié)構(gòu)，根據(jù)一定的規(guī)則將作業(yè)組織起來，這樣無論是對ETL設(shè)計人員，運行人員，維護人員，都有很大的幫助。目錄結(jié)構(gòu)劃分遵循以下原則：體現(xiàn)作業(yè)的依賴關(guān)系。體現(xiàn)作業(yè)功能。獨立放置二次開發(fā)作業(yè)。模塊化結(jié)構(gòu)ETL按照處理邏輯分為E階段（Extract）、T階段（Transformer）和L階段（Loading）。E、T、L階段可能分處不同的服務(wù)器上，需要跨網(wǎng)絡(luò)運行，他們之間的配置情況可能存在較大的差異，而多數(shù)ETL設(shè)計的處理機制是串行運行機制，基于數(shù)據(jù)行處理。如果E、T、L的過程同時運行，那么整體的處理能力應(yīng)該是三個環(huán)節(jié)中效率最低的那個環(huán)節(jié)的處理水平。如果我們將三個環(huán)節(jié)的設(shè)計分開，實行模塊化流程處理，即E環(huán)節(jié)、T環(huán)節(jié)、L環(huán)節(jié)均設(shè)計成可獨立運行的模塊，那么在整個處理過程中，將可以最大限度發(fā)揮功效，不會因為串性處理機制而相互制約。另外，模塊化的流程設(shè)計，對于開發(fā)階段的調(diào)試以及維護階段的出錯處理都提供了良好的輔助作用。ETL維護規(guī)范日志檢查日志文件報告ETL提供日志監(jiān)測和報告功能。報告分匯總報告和詳細報告。匯總報告報告內(nèi)容：作業(yè)總數(shù)，WARNING作業(yè)數(shù)，成功作業(yè)數(shù)，失敗作業(yè)數(shù)，開始時間，結(jié)束時間等詳細報告報告內(nèi)容：作業(yè)名稱，開始時間，結(jié)束時間，運行狀態(tài)等作業(yè)狀態(tài)排查在ETL管理控制臺上，可點擊進入查看作業(yè)更為詳細的狀態(tài)及出錯信息，以便于維護更正。出錯處理即使是經(jīng)過嚴格測試的程序，在實際運行中仍然會因為種種原因而導(dǎo)致出錯，根據(jù)ETL的處理邏輯，我們將錯誤分為以下三類：抽取錯誤：簡稱E（Extract）類錯誤轉(zhuǎn)換錯誤：簡稱T（Transformer）類錯誤裝載錯誤：簡稱L（Loading）類錯誤E類錯誤這類錯誤發(fā)生在數(shù)據(jù)抽取階段。諸如數(shù)據(jù)庫連接故障、網(wǎng)絡(luò)資源不足等原因都可以導(dǎo)致此類故障。由于此類錯誤發(fā)生時，數(shù)據(jù)還處于原始狀態(tài)，未發(fā)生轉(zhuǎn)換，對目標數(shù)據(jù)集也未產(chǎn)生任何影響，理論上可以看做是ETL處理未開始，因此處理此類錯誤相對簡單，只需要排除故障原因后重新運行ETL處理即可。T類錯誤這類錯誤發(fā)生在數(shù)據(jù)轉(zhuǎn)換階段。引發(fā)原因較多，既有環(huán)境資源故障的可能，也有設(shè)計邏輯缺陷的可能。此類錯誤發(fā)生在ETL的中間階段，應(yīng)根據(jù)實際故障原因進行處理。對于環(huán)境資源故障所引發(fā)的錯誤，只需要排除故障原因，重新運行ETL的T（Transformer）階段和L（Loading）階段即可。對于設(shè)計邏輯缺陷所引發(fā)的錯誤，處理相對復(fù)雜——首先要定位錯誤并修正程序，同時要明確該錯誤是否涉及到數(shù)據(jù)源的抽取邏輯，如果未涉及到，則在修正邏輯后重新運行T（Transformer）階段和L（Loading）階段程序即可；若邏輯錯誤與數(shù)據(jù)源相關(guān)，則需要重新運行包括E（Extract）階段在內(nèi)的整個ETL處理。L類錯誤這類錯誤發(fā)生在數(shù)據(jù)裝載階段，除環(huán)境資源故障原因外，最大可能性是需要裝載到目標集的數(shù)據(jù)違反了目標數(shù)據(jù)集數(shù)據(jù)約束，如主鍵重復(fù)、非空字段出現(xiàn)空值、數(shù)據(jù)超長、類型不匹配等等。因環(huán)境資源故障（網(wǎng)絡(luò)故障等等）所引發(fā)的出錯，處理簡單，只需排除故障，將目標數(shù)據(jù)集恢復(fù)到裝載前狀態(tài)，重新運行L階段的處理即可。對于非環(huán)境資源所引發(fā)的問題，處理與T類錯誤類似：先定位原因，根據(jù)以往的經(jīng)驗，問題多數(shù)發(fā)生在T階段，可能存在設(shè)計缺陷或者運行邏輯缺陷，需要對T部分的處理進行修正，并將目標數(shù)據(jù)集恢復(fù)到裝載前狀態(tài)，重新運行T階段和L階段的處理。在上一章“設(shè)計規(guī)范”里，我們強調(diào)了模塊化的流程設(shè)計，將E階段、T階段、L階段按流程分模塊化設(shè)計，其實不僅僅是為了解決系統(tǒng)資源瓶頸問題，同時也是為了方便出錯時進行處理。在發(fā)生T類和L類錯誤時，由于各處理階段設(shè)計相對獨立，對于不同階段的問題，只需要單獨運行與該階段相關(guān)的處理，而無須將所有處理過程都重新運行，大大減低重復(fù)運行的代價。備份、恢復(fù)與版本控制ETL系統(tǒng)的備份包括兩個部分，即ETL運行環(huán)境備份及數(shù)據(jù)庫的備份。運行備份是指為保證如果運行的ETL系統(tǒng)崩潰時可以通過備份的ETL系統(tǒng)繼續(xù)完成ETL的工作，為達到這個目的，應(yīng)安裝兩臺ETL環(huán)境，并建立相同的配置，其中一臺處于運行狀態(tài)，而另一臺為待機狀態(tài)。每日在日常ETL完成后對運行環(huán)境的各文件進行備份，即將ETL的運行目錄轉(zhuǎn)儲到外掛磁盤或外部存儲介質(zhì)。而數(shù)據(jù)庫的數(shù)據(jù)備份對于ETL非常重要，建議系統(tǒng)管理員每日做數(shù)據(jù)的完全備份，每天保留一個備份文件，建議至少保留7天。ETL系統(tǒng)的恢復(fù)相應(yīng)也包括兩個部分，即運行恢復(fù)及數(shù)據(jù)恢復(fù)運行恢復(fù)是指當運行系統(tǒng)遇到嚴重故障如硬件故障、操作系統(tǒng)崩潰等無法及時修復(fù)時，啟用備份的運行系統(tǒng)繼續(xù)，通過將上一日備份的ETL環(huán)境恢復(fù)到待機系統(tǒng)，然后啟動待機系統(tǒng)運行日常ETL。數(shù)據(jù)庫恢復(fù)通常兩種情況下會用到，一種是數(shù)據(jù)庫系統(tǒng)本身出了故障需要重新安裝，這時需要將上一日備份的數(shù)據(jù)