什么是ETL?

ETL，是英文 Extract-Transform-Load 的縮寫，用來描述將數據從來源端經過抽取（extract）、交互轉換（transform）、加載（load）至目的端的過程。ETL是將業務系統的數據經過抽取、清洗轉換之后加載到數據倉庫的過程，因而也稱為數據倉庫技術。其目的是將分散、零亂、標准不統一的數據整合到一起，為企業的決策提供分析依據。

可以看出，ETL要做三部分工作，數據抽取、數據的清洗轉換和數據的加載。數據抽取一般是通過工具從各個不同的數據源抽取到一個中間層中，其中可以做一些數據的清洗和轉換，這個過程要注意抽取效率。數據清洗是指將不符合要求的數據除掉，包括錯誤數據、不完整數據、重復數據。數據轉換要做的工作是把所有數據的模板、標准、計算規則等進行統一，如存儲結構、數據編碼等。清洗轉換好的數據按着標准的ETL架構存儲到數據倉庫中，以備進行數據分析和決策。

ETL是BI重要的一個環節，是進行數據分析的基礎。數據倉庫構建好后，才有可能基於數據倉庫來構建分析模型並根據需求展現最終的結果。做好一個BI項目，其中很大一部分工作是ETL，ETL的質量決定了BI是否成功。有的BI工具本身就帶着ETL功能，實際上是把前期和后期工作整合到一起了。當然專門的ETL工具就有很多，完全可以滿足BI的需要，因而在工作中除了要考慮工具的性能、效率，還要考慮項目的成本，經濟也是必須考慮的因素。實際上ETL不僅是BI的基礎，也是報表工具的基礎。報表工具價格比較廉，如FINE、RAQ、皕傑報表的價格與BI比起來實在算不了什么，所以也就不與ETL一起說事兒了。

Kettle 是一款國外開源的 etl 工具，純 java 編寫，綠色無需安裝，數據抽取高效穩定(數據遷移工具)。
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。

主頁：http://kettle.pentaho.org/