轉至：http://www.cognoschina.net/club/viewthread.php?tid=5627

1?ETL流程及調度設計（ETL Schedule）(PSP) 1. ETL調度的目標 快速見效系統要抽取39家分行四個系統的數據進行加工處理，數據從下傳文件到ODS庫，ODS庫到LDM，再計算PI值和匯總PI，整個ETL處理過程需按一定步驟和滿足某些條件進行，某些關鍵的文件如匯率數據、機構表等都會影響整個ETL的處理，因此，快速見效的ETL處理流程將是一個比較復雜的過程。 考慮到將來ETL處理的多樣性和復雜性，引入了Job的概念，將ETL處理過程分為一個一個的Job，Job可能是清洗\加載\轉換，也可能是PI加工。為了對復雜的ETL處理過程更好的調度和監控，專門設計一個ETL調度系統。通過ETL調度系統的開發使用，將清晰、高效地通過Job調度的方式處理快速見效的ETL過程。 2. ETL調度功能說明 調度維護 1) 調度系統參數維護，對調度系統的公共參數：期數、進程數、數據日期、本期開始日期和本期結束日期進行設置和修改。 2) 下傳文件信息維護，維護所有區域的下傳文件名稱、文件狀態、文件數據日期和對應區域的歸屬關系。 3) 作業步定義與維護，定義作業對應的實際ETL處理過程，生成作業編號，定義作業類型和作業的驅動關系，作業的運行所需要的條件。 4) 調度異常處理，對調度過程中出現的異常情況進行處理，提供錯誤查找、出錯重跑功能。 日志管理 1) 調度過程日志，管理記錄調度中的主要過程和異常信息，如調度開始、調度完成、數據庫操作異常和讀寫文件異常的日志。 2) Job執行日志，管理記錄Job執行信息的日志，提供該日志的查詢、刪除和執行狀態重置功能。 3) Job詳細事件日志，管理記錄Job執行中的詳細事件（清洗記錄條數、數據庫具體操作情況）的日志，提供對日志的查詢、刪除操作。 作業調度 正常情況下的作業調度，對整個ETL過程進行調度，提供分段提交處理和自動提交處理功能。 可調度的Job類型 1) C程序（清洗），ETL調度提供與C程序的接口，從而可以對C程序進行調度。 2) 用C封裝的SQLLDR（加載），將ORACLE SQLLDR封裝在C程序中進行調度。 3) PROC程序（合并、轉換），對合并和轉換過程，調度提供相應的接口，從而對ORACLE的PROC程序進行調度。 4) 存儲過程（轉換），將存儲過程封裝在PROC程序中進行調度。 5) DataStage（PI加工），調度系統提供了與DataStage的接口，可以對DataStage各個種類的Job進行調度。 作業步（ETL_Step）的功能類型及數據處理 0. 文件FTP: 將各個分行的源業務系統（NLNS、SBS、NACS）的以預定的文件格式以FTP方式通過中行網絡傳輸到QUICK WIN項目系統的ETL服務器。 1. 文件注冊：0中FTP的源數據文件，經過解壓縮后，必須在QUICK WIN項目系統中注冊，只有經過文件注冊過程后QUICK WIN項目系統才能確認“那些分行的源數據” 已經正確到達，ETL系統就可以相應的處理流程。 2. 數據清洗：從各分行FTP來的源數據文件，可能存在非法數據或冗余數據或者數據規則標準不統一，而且文件格式上也不能被QUICK WIN項目的ETL過程立即使用，因此必須對數據文件進行數據清洗（刪除非法、冗余數據、統一數據規則標準、轉換成QUICK WIN項目的ETL過程能“加載”處理的文件格式）。 3. 數據加載：將清洗后的數據（文件格式）通過SQL LOADER加載到ORACLE數據庫相應的數據庫表中。 4. ODS數據合并：將各個分行的相同類型的源業務系統數據合并到ORACLE數據庫中同一張數據表中。 5. LDM數據加工：面向業務生產數據（ODS數據庫表中的數據）根據“QUICK WIN分析模型”將數據轉換、加工成面向分析主題的“分析型數據”。 6. PI加工：根據業務需求、業務規則和分析模型，從LDM數據表中加工出QUICK WIN所需的PI。 7.?報表加工：根據業務需求、業務規則和分析模型，從LDM數據表和PI表中中加工出QUICK WIN所需的報表。 8. ETL調度程序：調度ETL加工各個過程的運行。 9. 監控程序：監控ETL過程的運行狀態（加工進度、加工效率、成功、警告、錯誤等）信息，及時向系統的運行維護人員報告系統運行狀態。 作業步（ETL_Step）的流程和依存關系。 1) 清洗類型的Job的運行依賴于相應下傳文件的狀態，必須是在下傳文件檢查及登記后才能進行清洗Job的調度。 2) ODS層加載類型Job的運行依賴于相應的清潔文件是否由清洗程序生成，即相應的清洗Job是否正確運行完成。 3) 從ODS到LDM的數據轉換依賴ODS層的相關數據是否齊備，即相應的加載Job是否正確運行完成。 4) PI加工的進行依賴LDM層數據，即相應的轉換Job是否正確運行完成。 5) 根據數據依賴關系，分區域進行作業調度，各區域之間的ETL處理可以并行處理。 作業調度方式 1。。。。。。。 2. 調度策略 采取條件驅動的策略來進行Job的調度，Job一滿足驅動條件便開始運行。針對快速見效系統的ETL情況，定義四種類型的驅動條件： 1) 前導Job驅動 ETL過程中各個操作需按一定次序進行，前導Job表示ETL過程中先要進行處理的Job，Job的前導Job可以有多個 2) 下傳文件驅動 當下傳文件未下傳完畢時，下傳文件清洗不能進行，因此，下傳文件通常作為清洗文件的驅動條件，當系統檢測到下傳文件已下傳并正確后，便可進行相應的清洗，驅動Job執行的下傳文件可能有多個，? 3)?時間驅動 當到達某個時點時，Job便開始運行 4) 上述三種條件綜合驅動 要上述三種情況至少兩種均滿足，Job才能運行。 3. Job的并發設計 每個Job只要滿足了驅動關系后，便開始以后臺方式運行。這樣便實現了不同區域和同一區域的Job的最大限度的并行?？紤]系統資源的情況，可以事先設定最大并行數。 4. 并發沖突設計 當并行跑的Job都需要共同使用同一資源的時候，會產生資源占用的沖突，ETL過程中通常的沖突, 用令牌的方式來避免沖突，只有獲得令牌的JOB才能跑，否則等待令牌釋放。 定義數據轉換流程中檢查點和核對點? 1) 下傳文件，下傳文件與源系統數據進行比較檢查，核對下傳數據準確性。 2) 清潔文件，將清潔文件與下傳文件進行比較檢查，從而可判斷清洗處理過程的正確性。 3) ODS庫表，將ODS庫表中的數據與下傳文件中數據進行比較檢查，從而可判斷加載處理過程的正確性。 4) LDM庫表，將LDM庫表中的數據與ODS庫表中數據進行比較檢查，從而可判斷轉換處理過程的正確性。 5) PI值，將PI值與LDM層相關的庫表進行比較檢查，從而可判斷PI計算處理過程的正確性。 日志信息設計 1) 調度過程日志。以文件的方式存在，用于記錄Job調度中的主要過程和異常信息，如調度開始、調度完成、數據庫操作異常和讀寫文件異常。 2) Job執行日志。數據庫表方式存在，給Job的調度提供必要的信息，是Job調度策略計算的依據，調度模塊和Job之間的接口之一。 3) Job詳細事件日志。數據庫表方式存在，記錄ETL處理過程中的詳細信息，如清洗記錄成功條數、失敗條數或數據庫操作情況（INSERT\UPDATE\DELETE）。 給出異常處理設計：所有被拒絕的行、可接受的錯誤數以及合理退出的方式? 通知設計：重要信息（成功/失敗）的通知 1. 成功退出 1) 分段提交方式，當分段提交的當次任務都正確完成，即Job運行狀態臨時表中登記的作業狀態全部為完成時，退出ETL調度。 2) 自動提交方式，當當期所有的任務都正確完成，即Job運行狀態表中登記的作業狀態全部為完成時，退出ETL調度。 2. 失敗退出 1) 關鍵作業異常，關鍵作業運行異常時，影響剩下的作業不能運行時，則退出ETL調度。 2) 超過ETL時限，當超過預先設定的ETL 時限時，退出ETL調度。 3) 數據庫異常，當不能正常操作數據庫時，退出ETL調度。 4) 操作系統異常，當發生操作系統異常，導致程序不能正常運行，如文件系統異常導致讀寫文件錯時，需要退出ETL調度。 5) 手工退出，需要人為干預ETL調度的時候，能以手工操作的方式退出ETL調度。 給出各個階段號說明 給出表格：表6－N ETL_Step編號表（ETL控制參數） ETL 調度優先級別? 按Job驅動關系進行Job的調度，前導Job優先于后續Job。 ETl流程及調度模塊說明? 模塊概要說明 模塊概要說明（總體層次） 模塊名稱 模塊編號 開發工具/環境 模塊功能說明 備注 作業調度 J01 AIX+Shell+C ETL調度主模塊，負責整個ETL過程的調度處理。 維護員 作業管理 J02 EXECL+BRIO+C 定義作業步對應的實際ETL處理過程，生成作業編號，定義作業類型和作業的驅動條件。?管理員 異常重跑 J03 AIX+Shell+C 當ETL運行出現異常時，提供斷點重跑機制。 維護員 參數管理 J04 Brio EIS 調度系統的公共參數：期數、進程數、數據日期、本期開始日期和本期結束日期進行設置和修改。 管理員 日志管理 J05 BrioSDK,EIS 包括調度過程日志、Job執行日志和Job詳細事件日志的查詢和刪除。 管理員 模塊概要說明（明細層次） 模塊名稱 模塊編號 模塊類型 開發環境 模塊功能說明 備注 CTLINIT J01_01 作業調度 AIX,PROC 檢查輸入參數和驅動關系，初始化資源令牌狀態/Job運行狀態/下傳文件狀態。? UNCOMPR J01_02 作業調度 AIX,PROC,SHELL 檢測下傳目錄下的壓縮/打包的文件，并將這些文件解壓縮/展開，之后移動到非下傳目錄下。? FILEREG J01_03 作業調度 AIX,PROC 根據下傳文件控制表 檢查各文件頭的控制信息，將檢查結果記錄在下傳文件控制表中。? CHKREGJOB J01_04 作業調度 AIX,PROC 掃描Job運行狀態（或臨時）表看所有（或本次提交需要完成的）Job是否完成，根據Job執行日志信息登記完成的Job(在Job運行狀態表登記)。? CALREGJOB J01_05 作業調度 AIX,PROC 根據Job運行狀態/下傳文件狀態/ Job驅動關系計算可已運行的Job，并在Job運行狀態表中將這些Job登記為“就緒“狀態。? JOBRUN J01_06 作業調度 AIX,PROC,SHELL 依據當前進程數/資源令牌占用清況發出調度一個Job運行的命令，并登記Job運行狀態為“正運行“。? CRTJOB J02_01 作業管理 EXECL 生成作業列表和作業對應的驅動條件。? CHKJOB J02_02 作業管理 PROC 檢查作業列表的合法性，包括驅動關系的合理性檢查。? RERUN J03_01 異常重跑 AIX,PROC,SHELL 當ETL運行出現異常時，提供斷點重跑機制。? PARADM J04_01 參數管理 BRIO EIS,SQLPLUS,SHELL 調度系統的公共參數：期數、進程數、數據日期、本期開始日期和本期結束日期進行設置、修改及查詢。? LOGADM J05_01 日志管理 BRIO EIS,SQLPLUS 包括調度過程日志、Job執行日志和Job詳細事件日志的查詢和刪除。? ETL流程及調度的模塊設計說明表（設計階段）? 見附件《ETL調度詳細設計.doc》 給出ETL流程及調度的程序設計說明表（實現階段）：參見 “1.15節” 1.2 ETL監控(ETL Monitor) (PSP) ETL監控結構設計，? ETL監控主要功能概述 1) ETL調度檢測下傳文件狀態，并登記到下傳文件狀態表中，通過Hyperion Client設計對下傳文件狀態查詢的BQY文檔，發布到Hyperion Performance Suite 8?Server，再通過Http或直接通過ODBC進行BQY查詢來獲取下傳文件狀態，從而實現了文件傳輸監控功能。 2) 當某個區域的某些文件清洗完成時，ETL調度在Job運行狀態表中登記該區域相應清洗Job的狀態（異?；蛲瓿?#xff09;；當文件加載、轉換或加工完成時，ETL調度同樣方式在Job運行狀態表中登記相應Job的狀態，通過設計對Job運行狀態查詢的BQY，并發布到Hyperion Performance Suite 8 Server，再通過Http或直接通過ODBC進行BQY查詢來獲取Job的當前狀態，從而實現了加載、轉換和加工的監控功能。 3) 對Job的執行情況（開始時間、結束時間）的監控通過設計查詢Job執行日志表的BQY文檔來實現，對Job的詳細事件的監控通過設計查詢Job詳細事件日志表的BQY來實現。 4) 對調度的整體情況的監控，則可直接通過TELNET查看調度過程日志，便能知道調度的完成情況和異常情況（數據庫錯、參數非法或操作系統錯等）。 ? ETL監控模塊說明：? ? ETL監控的模塊概要說明 模塊概要說明（明細層次） 模塊名稱 模塊編號 模塊類型 開發環境 模塊功能說明 備注 FILEMON J06_01 ETL監控 BRIO,EIS 監控各個區域的下傳文件傳輸情況和文件狀態。? JOBMON J06_02 ETL監控 BRIO,EIS 對各個區域的清洗、加載、轉換和加工過程的完成情況進行監控。? EVTMON J06_03 ETL監控 BRIO,EIS 對JOB的執行開始時間、結束時間和JOB運行過程中的詳細操作情況進行實時監控。? MAINMON J06_04 ETL監控 BRIO,EIS 對調度的整體情況的監控，包括調度成功完成、異常退出、數據庫錯、參數情況和操作系統出錯進行監控。

轉載于:https://www.cnblogs.com/linboaixuzhiling/p/3207415.html

總結

以上是生活随笔為你收集整理的一个较为详细的ETL系统实现方案的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。