本文主要讨论为 IBM®DB2® Universal Database™ (UDB)（包括 UNIX®、Linux® 和 Windows® 上的实现）提取、转换和加载（ETL）数据，还将介绍 IBM 和其他厂商提供的主要选项、技术和产品。作者 Dan Simchuk 将详细阐述为大型资料库获取数据的实用选项 —— 在单分区和多分区系统上运行的数据仓库、数据集市和操作性数据存储等。此外，还将探讨 ETL 的未来发展和实现 ETL 的一些新方法。

    简介

    在有效地使用数据资料库之前，通常需要从很多数据源创建或者更新资料库。最常见的情况是，在外部系统上累积数据（供以后更新资料库使用），这些数据的格式也与资料库的要求有所不同。获得这些数据并将其转化成有用、一致、准确的数据的过程通常称为 ETL，其中的三个字母分别代表提取（Extraction）、转换（Transformation）和加载（Load）。

    提取就是从源系统中获取数据（无论是何种格式）。这个过程可能很简单，只需要从数据库或者电子表格转储文本文件（flat file）；也可能很复杂，需要建立与外部系统的联系，然后控制数据到目标系统的传输。

    转换通常不仅仅是数据格式的转换（虽然这是将数据导入系统的关键一步）。外部系统中的数据可能包含不一致或者不正确的信息，这取决于外部系统上实施的检查和平衡。转换步骤的一部分是"净化"或"拒绝"不符合条件的数据。这个阶段常用的技术包括字符检查（拒绝包含字符的数值性数据）和范围检查（拒绝超出可接受范围的数据）。被拒绝的记录通常存放在单独的文件中，然后使用更复杂的工具处理，或者手工改正问题。然后将这些数据合并到已转换集合中。

    加载阶段将获取并转换的数据存放到新的数据存储中（数据仓库、数据集市等）。对于 DB2 UDB，该过程可以用 SQL 命令（IMPORT）、工具（LOAD）或集成工具（Data Warehouse Manager 和 Information Integrator）来完成。另外，整个 ETL 过程也可使用第三方应用程序来完成，这样做通常可以减少编程，或者不需要自己编程。

    ETL 过程可能非常简单，只需要将一些数据从一个表传递到相同系统中的另一个表。也可能非常复杂，需要从数千英里之外的完全不同的系统获取数据，然后重新安排和重新格式化，使其符合完全不同的系统。下面将描述完整的 ETL 到 DB2 UDB 的方法（但不一定没有遗漏）。只要有可能，我会提供有关该方法的详细信息的链接。