ETL是BI專案最重要的一個環節，通常情況下ETL會花掉整個專案的1/3的時間，ETL設計的好壞直接關接到BI專案的成敗。ETL也是一個長期的過程，只有不斷的發現問題並解決問題，才能使ETL執行效率更高，為專案後期開發提供準確的資料。
ETL的設計分三部分：資料抽取、資料的清洗轉換、資料的載入。在設計ETL的時候也是從這三部分出發。資料的抽取是從各個不同的資料來源抽取到ODS中(這個過程也可以做一些資料的清洗和轉換)，在抽取的過程中需要挑選不同的抽取方法，儘可能的提高ETL的執行效率。ETL三個部分中，花費時間最長的是T(清洗、轉換)的部分，一般情況下這部分工作量是整個ETL的2/3。資料的載入一般在資料清洗完了之後直接寫入DW(Data Warehouse)中去。
ETL的實現有多種方法，常用的有三種，第一種是藉助ETL工具如Oracle的OWB、SQL server 2000的DTS、SQL Server2005的SSIS服務、informatic等實現，第二種是SQL方式實現，第三種是ETL工具和SQL相結合。前兩種方法各有優缺點，藉助工具可以快速的建立起ETL工程，遮蔽複雜的編碼任務，提高速度，降低難度，但是欠缺靈活性。SQL的方法優點是靈活，提高ETL執行效率，但是編碼複雜，對技術要求比較高。第三種是綜合了前面二種的優點，極大的提高ETL的開發速度和效率。
資料的抽取
資料的抽取需要在調研階段做大量工作，首先要搞清楚以下幾個問題：資料是從幾個業務系統中來？各個業務系統的資料庫伺服器執行什麼DBMS？是否存在手工資料，手工資料量有多大？是否存在非結構化的資料？等等類似問題，當收集完這些資訊之後才可以進行資料抽取的設計。
1、與存放DW的資料庫系統相同的資料來源處理方法
這一類數源在設計比較容易，一般情況下，DBMS(包括SQLServer，Oracle)都會提供資料庫連結功能，在DW資料庫伺服器和原業務系統之間建立直接的連結關係就可以寫Select 語句直接訪問。
2、與DW資料庫系統不同的資料來源的處理方法。
這一類資料來源一般情況下也可以通過ODBC的方式建立資料庫連結，如SQL Server和Oracle之間。如果不能建立資料庫連結，可以有兩種方式完成，一種是通過工具將源資料匯出成.txt或者是.xls檔案，然後再將這些源系統檔案匯入到ODS中。另外一種方法通過程式介面來完成。
3、對於檔案型別資料來源(.txt,，xls)，可以培訓業務人員利用資料庫工具將這些資料匯入到指定的資料庫，然後從指定的資料庫抽取。或者可以藉助工具實現，如SQL SERVER 2005 的SSIS服務的平面資料來源和平面目標等元件匯入ODS中去。
4、增量更新問題
對於資料量大的系統，必須考慮增量抽取。一般情況，業務系統會記錄業務發生的時間，可以用作增量的標誌，每次抽取之前首先判斷ODS中記錄最大的時間，然後根據這個時間去業務系統取大於這個時間的所有記錄。利用業務系統的時間戳，一般情況下，業務系統沒有或者部分有時間戳。
資料的清洗轉換
一般情況下，資料倉儲分為ODS、DW兩部分，通常的做法是從業務系統到ODS做清洗，將髒資料和不完整資料過濾掉，再從ODS到DW的過程中轉換，進行一些業務規則的計算和聚合。
1、資料清洗
資料清洗的任務是過濾那些不符合要求的資料，將過濾的結果交給業務主管部門，確認是否過濾掉還是由業務單位修正之後再進行抽取。不符合要求的資料主要是有不完整的資料、錯誤的資料和重複的資料三大類。
A、不完整的資料，其特徵是是一些應該有的資訊缺失，如供應商的名稱，分公司的名稱，客戶的區域資訊缺失、業務系統中主表與明細表不能匹配等。需要將這一類資料過濾出來，按缺失的內容分別寫入不同Excel檔案向客戶提交，要求在規定的時間內補全。補全後才寫入資料倉儲。
B、錯誤的資料，產生原因是業務系統不夠健全，在接收輸入後沒有進行判斷直接寫入後臺資料庫造成的，比如數值資料輸成全形數字字元、字串資料後面有一個回車、日期格式不正確、日期越界等。這一類資料也要分類，對於類似於全形字元、資料前後有不面見字元的問題只能寫SQL的方式找出來，然後要求客戶在業務系統修正之後抽取;日期格式不正確的或者是日期越界的這一類錯誤會導致ETL執行失敗，這一類錯誤需要去業務系統資料庫用SQL的方式挑出來，交給業務主管部門要求限期修正，修正之後再抽取。
C、重複的資料，特別是維表中比較常見，將重複的資料的記錄所有欄位匯出來，讓客戶確認並整理。
資料清洗是一個反覆的過程，不可能在幾天內完成，只有不斷的發現問題，解決問題。對於是否過濾、是否修正一般要求客戶確認;對於過濾掉的資料，寫入Excel檔案或者將過濾資料寫入資料表，在ETL開發的初期可以每天向業務單位傳送過濾資料的郵件，促使他們儘快的修正錯誤，同時也可以作為將來驗證資料的依據。資料清洗需要注意的是不要將有用的資料過濾掉了，對於每個過濾規則認真進行驗證，並要使用者確認才行。
2、資料轉換
資料轉換的任務主要是進行不一致的資料轉換、資料粒度的轉換和一些商務規則的計算。
A、不一致資料轉換，這個過程是一個整合的過程，將不同業務系統的相同型別的資料統一，比如同一個供應商在結算系統的編碼是XX0001，而在CRM中編碼是YY0001，這樣在抽取過來之後統一轉換成一個編碼。
B、資料粒度的轉換，業務系統一般儲存非常明細的資料，而資料倉儲中的資料是用來分析的，不需要非常明細的資料，一般情況下，會將業務系統資料按照資料倉儲粒度進行聚合。
C、商務規則的計算，不同的企業有不同的業務規則，不同的資料指標，這些指標有的時候不是簡單的加加減減就能完成，這個時候需要在ETL中將這些資料指標計算好了之後儲存在資料倉儲中，供分析使用。
ETL日誌與警告傳送
1、ETL日誌，記錄日誌的目的是隨時可以知道ETL執行情況，如果出錯了，出錯在那裡。
ETL日誌分為三類。第一類是執行過程日誌，是在ETL執行過程中每執行一步的記錄，記錄每次執行每一步驟的起始時間，影響了多少行資料，流水賬形式。第二類是錯誤日誌，當某個模組出錯的時候需要寫錯誤日誌，記錄每次出錯的時間，出錯的模組以及出錯的資訊等。第三類日誌是總體日誌，只記錄ETL開始時間，結束時間是否成功資訊。
如果使用ETL工具，工具會自動產生一些日誌，這一類日誌也可以作為ETL日誌的一部分。
2、警告傳送
ETL出錯了，不僅要寫ETL出錯日誌而且要向系統管理員傳送警告，傳送警告的方式有多種，常用的就是給系統管理員傳送郵件，並附上出錯的資訊，方便管理員排查錯誤。
原文連結：http://liushaohua543.blog.163.com/blog/static/483202201010162517266/