技術(shù)規(guī)范(通用)

1、ETL技術(shù)規(guī)范第1章. ETL設(shè)計(jì)規(guī)范ETL設(shè)計(jì)規(guī)范主要應(yīng)用于ETL編碼的前期工作。由于ETL全過程是面向數(shù)據(jù)的，主要工作為數(shù)據(jù)的抽?。‥xtract）、轉(zhuǎn)換（Transform）、裝載（Loading），正確界定所涉及到的數(shù)據(jù)范圍和應(yīng)當(dāng)應(yīng)用的轉(zhuǎn)換邏輯對(duì)于后續(xù)的編碼工作非常重要，這些數(shù)據(jù)關(guān)系的確定，我們稱之為Mapping（數(shù)據(jù)映射）。正確定義數(shù)據(jù)映射關(guān)系是ETL成功實(shí)施的前提，一個(gè)完善的Mapping應(yīng)該包含以下幾個(gè)部分：1.1 源數(shù)據(jù)集屬性此部分應(yīng)該詳細(xì)描述數(shù)據(jù)源的相關(guān)屬性，包括：實(shí)體名稱含數(shù)據(jù)來源名稱（DSN）、所有者等信息；字段名稱英文名稱；字段簡(jiǎn)述中文名稱，如為參數(shù)信息應(yīng)該有相關(guān)取值

2、解釋，如性別字段（1：男；2：女；0：不詳）類型字段類型，含長度和精度信息；非空屬性字段是否可以為空；1.2 目標(biāo)數(shù)據(jù)集屬性此部分應(yīng)該詳細(xì)描述目標(biāo)數(shù)據(jù)集的相關(guān)屬性，包括：實(shí)體名稱含數(shù)據(jù)來源名稱（DSN）、所有者等信息；字段名稱英文名稱，建議根據(jù)字段含義來命名，而不是簡(jiǎn)單用拼音來定義字段（此部分由負(fù)責(zé)設(shè)計(jì)數(shù)據(jù)集的人員控制）；字段簡(jiǎn)述中文名稱，對(duì)于保留字段應(yīng)該給出默認(rèn)值；類型字段類型，含長度和精度信息；非空屬性字段是否可以為空；1.3 ETL規(guī)則主要描述ETL各個(gè)環(huán)節(jié)的轉(zhuǎn)換規(guī)則，包括：數(shù)據(jù)源過濾規(guī)則描述從源數(shù)據(jù)集獲取數(shù)據(jù)過程中過濾掉記錄的規(guī)則；關(guān)聯(lián)規(guī)則當(dāng)源數(shù)據(jù)集為多個(gè)時(shí)，描述相互之間的關(guān)聯(lián)關(guān)系；列

3、轉(zhuǎn)換規(guī)則描述源數(shù)據(jù)集到目標(biāo)數(shù)據(jù)集的字段間的轉(zhuǎn)換規(guī)則；此規(guī)則非常重要，要清晰描述字段間的邏輯關(guān)系，包括業(yè)務(wù)邏輯；目標(biāo)數(shù)據(jù)集更新規(guī)則描述目標(biāo)數(shù)據(jù)集的更新策略，包括更新機(jī)制和更新頻度，如“每日全量更新”、“每周增量更新”等；ETL作業(yè)列表由于ETL所開發(fā)的作業(yè)之間包含一定的業(yè)務(wù)邏輯和編碼邏輯，所以調(diào)度過程中應(yīng)遵循一定的邏輯順序，此部分主要用來明確調(diào)度的順序，包括：作業(yè)名稱實(shí)現(xiàn)Mapping的作業(yè)名稱，包括該作業(yè)功能描述；調(diào)度順序用序號(hào)或者是流程圖模式描述作業(yè)的調(diào)度順序，需要綜合考慮業(yè)務(wù)邏輯、編碼邏輯以及系統(tǒng)資源等多方面情況，在保證業(yè)務(wù)邏輯和編碼邏輯的基礎(chǔ)上，通過控制調(diào)度，最大限度地合理利用系統(tǒng)資源；

4、參數(shù)列表列舉每個(gè)作業(yè)中所使用的參數(shù)，不同作業(yè)中的相同參數(shù)最好使用相同的名稱，便于調(diào)度時(shí)進(jìn)行控制。第2章. ETL開發(fā)規(guī)范ETL項(xiàng)目的開發(fā)往往是多人團(tuán)隊(duì)開發(fā)模式，由于周期較長，期間難免會(huì)出現(xiàn)開發(fā)人員交替現(xiàn)象。無論是開發(fā)過程中的人員交替還是從開發(fā)到系統(tǒng)運(yùn)營之間的轉(zhuǎn)換，都需要良好的交接。為保證項(xiàng)目開發(fā)各個(gè)時(shí)期的平穩(wěn)過度及順利交接，在開發(fā)過程中，應(yīng)該遵循一定的開發(fā)規(guī)范。主要包括：² 命名規(guī)范² 結(jié)構(gòu)規(guī)范² 代碼封裝規(guī)范2.1 命名規(guī)范2.1.1 作業(yè)命名規(guī)范ETL是一個(gè)復(fù)雜的工作，數(shù)據(jù)倉庫的建設(shè)一般會(huì)花費(fèi)70以上的工作量在ETL上面，而且這是一個(gè)細(xì)致活，任何一點(diǎn)小的錯(cuò)誤都

5、有可能造成后續(xù)工作的出錯(cuò)和失?。淮送?，數(shù)據(jù)倉庫需要不斷的更新維護(hù)，相應(yīng)的ETL程序也需要進(jìn)行相關(guān)的更新維護(hù)，所花費(fèi)的成本也很大。一個(gè)好的命名規(guī)范，能夠使ETL的程序更清晰易懂，很好地避免了開發(fā)過程中出錯(cuò)；同時(shí)更好的可讀性，也極大地減低了ETL程序的更新維護(hù)成本。作業(yè)命名規(guī)則：JOBTYPEDESCRIPTIONSEQNUMJOBTYPE：作業(yè)類型DESCRIPTION：有效的描述信息SEQNUM：作業(yè)的編號(hào)。由于一定的原因，有可能需要拆分作業(yè)數(shù)據(jù)多次加載數(shù)據(jù)，這個(gè)編號(hào)就可以區(qū)分加載。如果一次加載可以成功的話這個(gè)編號(hào)就不需要了。2.1.2 作業(yè)內(nèi)部命名規(guī)范對(duì)于作業(yè)內(nèi)部命名，應(yīng)該遵循代碼的可讀性與

6、可傳遞性原則，命名規(guī)則：FunctionDescriptionFunction：表示用途，Ex:抽取，Create:創(chuàng)建，Ld:裝載，Lookup:查找等Description：有意義的描述，比如數(shù)據(jù)庫表名，文件名等。2.1.3 作業(yè)注釋規(guī)范ETL開發(fā)過程往往要經(jīng)歷一個(gè)較長時(shí)間段，為了便于團(tuán)隊(duì)開發(fā)和后期維護(hù)，除開發(fā)設(shè)計(jì)文檔要齊全外，還應(yīng)該在作業(yè)設(shè)計(jì)界面中適當(dāng)加注釋信息，主要包括作業(yè)功能說明、所屬模塊、開發(fā)時(shí)間、開發(fā)人員等信息。2.2 結(jié)構(gòu)規(guī)范2.2.1 作業(yè)目錄組織結(jié)構(gòu)對(duì)于ETL PROJECT而言，我們需要?jiǎng)澐智逦哪夸浗Y(jié)構(gòu)，根據(jù)一定的規(guī)則將作業(yè)組織起來，這樣無論是對(duì)ETL設(shè)計(jì)人員，運(yùn)行人員

7、，維護(hù)人員，都有很大的幫助。目錄結(jié)構(gòu)劃分遵循以下原則：1 體現(xiàn)作業(yè)的依賴關(guān)系。2 體現(xiàn)作業(yè)功能。3 獨(dú)立放置二次開發(fā)作業(yè)。2.2.2 模塊化結(jié)構(gòu)ETL按照處理邏輯分為E階段（Extract）、T階段（Transformer）和L階段（Loading）。E、T、L階段可能分處不同的服務(wù)器上，需要跨網(wǎng)絡(luò)運(yùn)行，他們之間的配置情況可能存在較大的差異，而多數(shù)ETL設(shè)計(jì)的處理機(jī)制是串行運(yùn)行機(jī)制，基于數(shù)據(jù)行處理。如果E、T、L的過程同時(shí)運(yùn)行，那么整體的處理能力應(yīng)該是三個(gè)環(huán)節(jié)中效率最低的那個(gè)環(huán)節(jié)的處理水平。如果我們將三個(gè)環(huán)節(jié)的設(shè)計(jì)分開，實(shí)行模塊化流程處理，即E環(huán)節(jié)、T環(huán)節(jié)、L環(huán)節(jié)均設(shè)計(jì)成可獨(dú)立運(yùn)行的模塊，那么

8、在整個(gè)處理過程中，將可以最大限度發(fā)揮功效，不會(huì)因?yàn)榇蕴幚頇C(jī)制而相互制約。另外，模塊化的流程設(shè)計(jì)，對(duì)于開發(fā)階段的調(diào)試以及維護(hù)階段的出錯(cuò)處理都提供了良好的輔助作用。第3章. ETL維護(hù)規(guī)范3.1 日志檢查3.1.1 日志文件報(bào)告ETL提供日志監(jiān)測(cè)和報(bào)告功能。報(bào)告分匯總報(bào)告和詳細(xì)報(bào)告。匯總報(bào)告報(bào)告內(nèi)容：作業(yè)總數(shù)，WARNING作業(yè)數(shù)，成功作業(yè)數(shù)，失敗作業(yè)數(shù)，開始時(shí)間，結(jié)束時(shí)間等詳細(xì)報(bào)告報(bào)告內(nèi)容：作業(yè)名稱，開始時(shí)間，結(jié)束時(shí)間，運(yùn)行狀態(tài)等3.1.2 作業(yè)狀態(tài)排查在ETL管理控制臺(tái)上，可點(diǎn)擊進(jìn)入查看作業(yè)更為詳細(xì)的狀態(tài)及出錯(cuò)信息，以便于維護(hù)更正。3.2 出錯(cuò)處理即使是經(jīng)過嚴(yán)格測(cè)試的程序，在實(shí)際運(yùn)行中仍然會(huì)

9、因?yàn)榉N種原因而導(dǎo)致出錯(cuò)，根據(jù)ETL的處理邏輯，我們將錯(cuò)誤分為以下三類：抽取錯(cuò)誤：簡(jiǎn)稱E（Extract）類錯(cuò)誤轉(zhuǎn)換錯(cuò)誤：簡(jiǎn)稱T（Transformer）類錯(cuò)誤裝載錯(cuò)誤：簡(jiǎn)稱L（Loading）類錯(cuò)誤3.2.1 E類錯(cuò)誤這類錯(cuò)誤發(fā)生在數(shù)據(jù)抽取階段。諸如數(shù)據(jù)庫連接故障、網(wǎng)絡(luò)資源不足等原因都可以導(dǎo)致此類故障。由于此類錯(cuò)誤發(fā)生時(shí)，數(shù)據(jù)還處于原始狀態(tài)，未發(fā)生轉(zhuǎn)換，對(duì)目標(biāo)數(shù)據(jù)集也未產(chǎn)生任何影響，理論上可以看做是ETL處理未開始，因此處理此類錯(cuò)誤相對(duì)簡(jiǎn)單，只需要排除故障原因后重新運(yùn)行ETL處理即可。3.2.2 T類錯(cuò)誤這類錯(cuò)誤發(fā)生在數(shù)據(jù)轉(zhuǎn)換階段。引發(fā)原因較多，既有環(huán)境資源故障的可能，也有設(shè)計(jì)邏輯缺陷的可能。

10、此類錯(cuò)誤發(fā)生在ETL的中間階段，應(yīng)根據(jù)實(shí)際故障原因進(jìn)行處理。對(duì)于環(huán)境資源故障所引發(fā)的錯(cuò)誤，只需要排除故障原因，重新運(yùn)行ETL的T（Transformer）階段和L（Loading）階段即可。對(duì)于設(shè)計(jì)邏輯缺陷所引發(fā)的錯(cuò)誤，處理相對(duì)復(fù)雜首先要定位錯(cuò)誤并修正程序，同時(shí)要明確該錯(cuò)誤是否涉及到數(shù)據(jù)源的抽取邏輯，如果未涉及到，則在修正邏輯后重新運(yùn)行T（Transformer）階段和L（Loading）階段程序即可；若邏輯錯(cuò)誤與數(shù)據(jù)源相關(guān)，則需要重新運(yùn)行包括E（Extract）階段在內(nèi)的整個(gè)ETL處理。3.2.3 L類錯(cuò)誤這類錯(cuò)誤發(fā)生在數(shù)據(jù)裝載階段，除環(huán)境資源故障原因外，最大可能性是需要裝載到目標(biāo)集的數(shù)據(jù)違

11、反了目標(biāo)數(shù)據(jù)集數(shù)據(jù)約束，如主鍵重復(fù)、非空字段出現(xiàn)空值、數(shù)據(jù)超長、類型不匹配等等。因環(huán)境資源故障（網(wǎng)絡(luò)故障等等）所引發(fā)的出錯(cuò)，處理簡(jiǎn)單，只需排除故障，將目標(biāo)數(shù)據(jù)集恢復(fù)到裝載前狀態(tài)，重新運(yùn)行L階段的處理即可。對(duì)于非環(huán)境資源所引發(fā)的問題，處理與T類錯(cuò)誤類似：先定位原因，根據(jù)以往的經(jīng)驗(yàn)，問題多數(shù)發(fā)生在T階段，可能存在設(shè)計(jì)缺陷或者運(yùn)行邏輯缺陷，需要對(duì)T部分的處理進(jìn)行修正，并將目標(biāo)數(shù)據(jù)集恢復(fù)到裝載前狀態(tài)，重新運(yùn)行T階段和L階段的處理。在上一章“設(shè)計(jì)規(guī)范”里，我們強(qiáng)調(diào)了模塊化的流程設(shè)計(jì)，將E階段、T階段、L階段按流程分模塊化設(shè)計(jì)，其實(shí)不僅僅是為了解決系統(tǒng)資源瓶頸問題，同時(shí)也是為了方便出錯(cuò)時(shí)進(jìn)行處理。在發(fā)生T

12、類和L類錯(cuò)誤時(shí)，由于各處理階段設(shè)計(jì)相對(duì)獨(dú)立，對(duì)于不同階段的問題，只需要單獨(dú)運(yùn)行與該階段相關(guān)的處理，而無須將所有處理過程都重新運(yùn)行，大大減低重復(fù)運(yùn)行的代價(jià)。3.3 備份、恢復(fù)與版本控制ETL系統(tǒng)的備份包括兩個(gè)部分，即ETL運(yùn)行環(huán)境備份及數(shù)據(jù)庫的備份。運(yùn)行備份是指為保證如果運(yùn)行的ETL系統(tǒng)崩潰時(shí)可以通過備份的ETL系統(tǒng)繼續(xù)完成ETL的工作，為達(dá)到這個(gè)目的，應(yīng)安裝兩臺(tái)ETL環(huán)境，并建立相同的配置，其中一臺(tái)處于運(yùn)行狀態(tài)，而另一臺(tái)為待機(jī)狀態(tài)。每日在日常ETL完成后對(duì)運(yùn)行環(huán)境的各文件進(jìn)行備份，即將ETL的運(yùn)行目錄轉(zhuǎn)儲(chǔ)到外掛磁盤或外部存儲(chǔ)介質(zhì)。而數(shù)據(jù)庫的數(shù)據(jù)備份對(duì)于ETL非常重要，建議系統(tǒng)管理員每日做數(shù)據(jù)的完全備份，每天保留一個(gè)備份文件，建議至少保留7天。ETL系統(tǒng)的恢復(fù)相應(yīng)也包括兩個(gè)部分，即運(yùn)行恢復(fù)及數(shù)據(jù)恢復(fù)運(yùn)行恢復(fù)是指當(dāng)運(yùn)行系統(tǒng)遇到嚴(yán)重故障如硬件故障、操作系統(tǒng)崩潰等無法及時(shí)修復(fù)時(shí)，啟用備份的運(yùn)行系統(tǒng)繼續(xù)，通過將上一日備份的ETL環(huán)境恢復(fù)到待機(jī)系統(tǒng)，然后啟動(dòng)待機(jī)系統(tǒng)運(yùn)行日常ETL。數(shù)據(jù)庫恢復(fù)通常兩種情況下會(huì)用到，