1 開源數據匯集工具
1.1 Talend Open Studio
Talend Open Studio 是一個 ETL (Extract, Transform, and Load) 工具，可執行數據倉庫到數據庫之間的數據同步，提供基於 Eclipse RCP 的圖形操作界面。
項目源碼：http://talendforge.org/trac/tos
項目主頁：
http://www.talend.com/products/talend-open-studio
1.2 Penthao Kettle
Kettle是一款國外開源的ETL工具，純java編寫，可以在Window、Linux、Unix上運行，數據抽取高效穩定。
Kettle 中文名稱叫水壺，該項目的主程序員MATT 希望把各種數據放到一個壺里，然后以一種指定的格式流出。
Kettle這個ETL工具集，它允許你管理來自不同數據庫的數據，通過提供一個圖形化的用戶環境來描述你想做什么，而不是你想怎么做。
Kettle中有兩種腳本文件，transformation和job，transformation完成針對數據的基礎轉換，job則完成整個工作流的控制。作為Pentaho的一個重要組成部分，現在在國內項目應用上逐漸增多。
1.3 Clover
CloverETL 是一個基於Java的開源的ETL框架，同時還包含了一個 ETL設計器——CloverETL Designer。核心的算法就是一個數據流網絡。
CloverETL支持大多數主流數據庫系統，並且它是一個跨平台產品，支持Windows 系列，Linux系列，Unix系列操作系統，有很強的可移植性。
CloverETL目前最新穩定版是CloverETL3.0.1。官方也同時推有收費版和免費版。
收費版：桌面版（個人版），企業版，主要針對企業級大型開發；
免費版：社區版（有桌面版和基於eclipse的插件版，針對個人或小型開發），引擎版，針對開源化開發。
1.4 開源工具比較
這三款開源工具是目前使用最為廣泛的，從年限上看，Kettle開始於2001年，Talend Open Studio開始於2006年，Clover開始於2009年。這三款工具都有開源版本和企業版本，企業版本可以提供一些額外的組件和咨詢服務。從目前來看，這3框開源工具都可以滿足我們的需求。
Talend: 基於Eclipse，具有很好的擴展性、穩定性以及可定制化（可以自己開發eclipse插件），並且服從Eclipse標准（如文件目錄結構都是程序員熟悉的結構）。Talend具有很好的嵌入性，因為它生成的是Java代碼，這些代碼可以很好的和其他系統結合在一起，這就要求使用者會java。如果不會Java的話，Talend的缺點是學習曲線將會非常陡峭，但是如果會java的話，Talend將是一個絕佳的選擇。
Penthao: 它是一個老牌的工具，在2001年就發布了第一個版本，Kettle是Penthao整個解決方案的一個組件，用來進行數據集成。它也是基於java開發的，但是它不要求用戶會java，將底層實現細節都隱藏了。這樣即使不會編程的用戶也可以輕易的上手，學習曲線非常平緩。它主要的缺點是，和talend相比，它的擴展性較差。由於它很難擴展，所以在社區中可用的組件就比較少；同時，由於它是直接解析存放在xml中的任務信息，不直接生產java代碼，使得它和現有的java開發的系統進行集成非常困難。
CloverETL: 它是在talend和penthao之后發展起來的工具，使用的人數沒有talend和penthao多，它主要的優點是，輕量級、容易嵌入、易於使用。但是它的功能遠沒有talend和kettle強大。
性能：從clover的官網上，有如下兩組性能測試報告（2009年），分別是1GB的文件大小和10GB的文件大小，從這兩組系統報告可以看出，clover的性能是最好的，Talend的性能次之，Penthao的性能最差。
圖 1
圖 2
結論：考慮到公司現有系統、后續的擴展性以及性能，Talend Open Studio是目前最好的選擇，因為它比Penthao靈活，性能比Penthao強，和Clover的性能差別也較小。