基于可復用構(gòu)件思想的ETL架構(gòu)設(shè)計

申請免費試用、咨詢電話：400-8352-114

數(shù)據(jù)倉庫的數(shù)據(jù)來源常包含著噪聲數(shù)據(jù)、不完整數(shù)據(jù)、甚至是不一致的數(shù)據(jù)。為了得到高質(zhì)量的數(shù)據(jù)，必須對抽取(Extract)出來的原始數(shù)據(jù)做一系列復雜轉(zhuǎn)換(Transform)處理，最后裝載(Load)到數(shù)據(jù)倉庫中。這種從原始數(shù)據(jù)到數(shù)據(jù)倉庫之間，對數(shù)據(jù)進行的操作稱為ETL過程，其工作量大約占系統(tǒng)的60％，實現(xiàn)ETL過程的效率和質(zhì)量很大程度上決定了數(shù)據(jù)倉庫系統(tǒng)的構(gòu)建效率和質(zhì)量。目前研究ETL過程都是集中于個案的研究，強調(diào)ETL系統(tǒng)的可擴展性和靈活性，對于如何在類相似或相近的數(shù)據(jù)倉庫項目中共享ETL過程的研究則很少，很大程度上阻礙了數(shù)據(jù)倉庫項目建設(shè)效率的進一步提高。如何在一類相似或相近的數(shù)據(jù)倉庫項目中發(fā)現(xiàn)其共同特征、知識和需求，使得ETL過程可以在這些數(shù)據(jù)倉庫項目中被反復使用，大幅度提高實現(xiàn)ETL過程的效率，從而提高數(shù)據(jù)倉庫構(gòu)建的效率，研究該問題具有一定理論意義及實用價值?；诳蓮陀脴?gòu)件思想的ETL架構(gòu)設(shè)計

設(shè)計思想

基于構(gòu)件技術(shù)的軟件復用提倡以已有的工作為基礎(chǔ)，充分利用過去工作中積累的知識和經(jīng)驗，將已經(jīng)辨識的具有相對獨立功能的構(gòu)件應用于新系統(tǒng)的開發(fā)，保證新系統(tǒng)開發(fā)的過程中，能夠?qū)⒅攸c集中于辨識和實現(xiàn)應用系統(tǒng)特有的構(gòu)成成分，最終縮短系統(tǒng)開發(fā)周期，提高系統(tǒng)的質(zhì)量。

基于構(gòu)件技術(shù)的軟件復用的核心思想包括如下幾個方面：

(1)構(gòu)件化設(shè)計。通過系統(tǒng)地分析一類相似或相近的數(shù)據(jù)倉庫項目，識別出其共同特征和可變特征，并對這些特征進行抽象，形成領(lǐng)域分析模型，并據(jù)此進一步識別出可復用的構(gòu)件。

(2)層次化設(shè)計。層次化設(shè)計可以提高系統(tǒng)的可擴展性和可維護性。通過層次化設(shè)計可以將所有識別的構(gòu)件按一定的規(guī)則(如抽象級別、處理對象和處理的功能)分類管理，然后以分層的形式來組織，進而確定不同層構(gòu)件之間的交互方式，保證每個構(gòu)件的變化只涉及它的鄰近兩層的相關(guān)構(gòu)件，實現(xiàn)系統(tǒng)一定程度上的開放性。

(3)接口化設(shè)計。不同層次的構(gòu)件之間需要溝通，溝通需要規(guī)范，通過規(guī)范的接口可實現(xiàn)構(gòu)件之間溝通的規(guī)范化。接口只制定規(guī)范，具體實現(xiàn)交由構(gòu)件內(nèi)部完成。接口化設(shè)計將構(gòu)件的差異放到實現(xiàn)階段，而不是在設(shè)計階段，使得設(shè)計階段可以致力于軟件架構(gòu)設(shè)計的完整性和復用性，使得不同系統(tǒng)之間處理的差異通過替換構(gòu)件而無需變動架構(gòu)就可得到解決。

ETL架構(gòu)模型設(shè)計

基于可復用構(gòu)件思想的ELT架構(gòu)(如圖1所示)主要分成基礎(chǔ)服務層、抽取層、集成轉(zhuǎn)換層、特殊處理層四個層次，每個層次的功能如下所述。

1、抽取層

抽取層構(gòu)件位于ETL架構(gòu)的最底層，直接面對數(shù)據(jù)源，完成數(shù)據(jù)抽取階段的工作。鑒于數(shù)據(jù)倉庫數(shù)據(jù)源差異性大的特點，這個層的ETL構(gòu)件在不同數(shù)據(jù)倉庫間差異很大，可重用程度總體上比較低。

2、集成轉(zhuǎn)換層

集成轉(zhuǎn)換層構(gòu)件主要將抽取層抽取的數(shù)據(jù)轉(zhuǎn)換成格式規(guī)范、含義統(tǒng)一、質(zhì)量良好的數(shù)據(jù)，并集成到數(shù)據(jù)倉庫中。由于是在兩個層接口構(gòu)件之間，所以集成轉(zhuǎn)換層構(gòu)件的輸入和輸出都要滿足層間接口構(gòu)件的約定，在相似數(shù)據(jù)倉庫項目之間的差異主要體現(xiàn)在業(yè)務處理規(guī)則上。集成轉(zhuǎn)換層為每類數(shù)據(jù)對象提供一類ETL處理構(gòu)件，同層構(gòu)件之間相對獨立，通過抽象各個相似數(shù)據(jù)倉庫項目業(yè)務規(guī)則，將其封裝在構(gòu)件內(nèi)，保證ETL架構(gòu)在相似數(shù)據(jù)倉庫之間移植時，只要通過配置業(yè)務規(guī)則，ETL構(gòu)件即可投入使用。

3、特殊處理層

為了保證后續(xù)功能開發(fā)者可以將注意力放在功能關(guān)注的指標上，而不要關(guān)心指標的具體口徑，更不要擔心指標口徑變化和指標口徑在相似數(shù)據(jù)倉庫項目之間的差異對功能移植造成不利影響，在集成轉(zhuǎn)換層構(gòu)件處理的基礎(chǔ)上，專門增加了特殊處理層，負責將數(shù)據(jù)倉庫中按流水交易形式組織的數(shù)據(jù)換算成按KPI組織的形式。

4、基礎(chǔ)服務層

為了給ETL提供一個相對穩(wěn)定和靈活的架構(gòu)，在元數(shù)據(jù)管理的構(gòu)件識別的基礎(chǔ)上引入了基礎(chǔ)服務層，擴展了傳統(tǒng)意義上的元數(shù)據(jù)管理的功能，包含元數(shù)據(jù)管理構(gòu)件、層間接口構(gòu)件、KPI自動測試構(gòu)件三大類：這些構(gòu)件構(gòu)成了ETL基礎(chǔ)和骨架，為系統(tǒng)的穩(wěn)定性和適應性奠定了基礎(chǔ)。

(1)元數(shù)據(jù)管理構(gòu)件。元數(shù)據(jù)是關(guān)于數(shù)據(jù)的數(shù)據(jù)，元數(shù)據(jù)管理構(gòu)件主要完成ETL子系統(tǒng)中元數(shù)據(jù)管理模塊的功能，具體分成三小類，分別是負責維護數(shù)據(jù)倉庫架構(gòu)的維護類構(gòu)件、負責維護業(yè)務規(guī)則的維護類構(gòu)件和調(diào)度類構(gòu)件。

(2)層間接口構(gòu)件。為了在各個數(shù)據(jù)倉庫項目之間平穩(wěn)的移植ETL，在此設(shè)計了層間接口構(gòu)件。從抽象層面上為各數(shù)據(jù)倉庫項目提供一個相同的ETL處理框架，為ETL處理過程各層次的各種功能構(gòu)件提供接口，實現(xiàn)構(gòu)件具體處理過程對架構(gòu)的透明化，為系統(tǒng)功能擴展留下了余地。

(3)KPI(關(guān)鍵績效指標)自動測試構(gòu)件。測試無疑是保證系統(tǒng)質(zhì)量的一個重要方法，ETL也不例外，但是，ETL過程測試和一般的軟件測試在測試過程、測試方法、評價標準等方面都有比較大的不同，它是一個非常繁瑣、工作量巨大、有一定規(guī)律的過程。

從抽象層面上看，一類相似或相近的數(shù)據(jù)倉庫項目每個KPI(關(guān)鍵績效指標)的維度組合是相對固定的，測試標準和過程是一致的，所以，在ETL架構(gòu)中，專門提供了KPI自動測試類構(gòu)件，為每類KPI提供一個自動測試構(gòu)件，其基本處理邏輯如圖2所示。

該類構(gòu)件能夠快速發(fā)現(xiàn)ETL架構(gòu)中集成層和轉(zhuǎn)換層中相關(guān)構(gòu)件數(shù)據(jù)處理過程中隱藏的問題，從而降低ETL過程測試的難度和工作量，大幅度提高ETL架構(gòu)的效率和質(zhì)量。