一个较为详细的ETL系统实现方案

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

1 ETL流程及调度设计（ETL Schedule）(PSP) 1. ETL调度的目标 快速见效系统要抽取39家分行四个系统的数据进行加工处理，数据从下传文件到ODS库，ODS库到LDM，再计算PI值和汇总PI，整个ETL处理过程需按一定步骤和满足某些条件进行，某些关键的文件如汇率数据、机构表等都会影响整个ETL的处理，因此，快速见效的ETL处理流程将是一个比较复杂的过程。 考虑到将来ETL处理的多样性和复杂性，引入了Job的概念，将ETL处理过程分为一个一个的Job，Job可能是清洗\加载\转换，也可能是PI加工。为了对复杂的ETL处理过程更好的调度和监控，专门设计一个ETL调度系统。通过ETL调度系统的开发使用，将清晰、高效地通过Job调度的方式处理快速见效的ETL过程。 2. ETL调度功能说明 调度维护 1) 调度系统参数维护，对调度系统的公共参数：期数、进程数、数据日期、本期开始日期和本期结束日期进行设置和修改。 2) 下传文件信息维护，维护所有区域的下传文件名称、文件状态、文件数据日期和对应区域的归属关系。 3) 作业步定义与维护，定义作业对应的实际ETL处理过程，生成作业编号，定义作业类型和作业的驱动关系，作业的运行所需要的条件。 4) 调度异常处理，对调度过程中出现的异常情况进行处理，提供错误查找、出错重跑功能。 日志管理 1) 调度过程日志，管理记录调度中的主要过程和异常信息，如调度开始、调度完成、数据库操作异常和读写文件异常的日志。 2) Job执行日志，管理记录Job执行信息的日志，提供该日志的查询、删除和执行状态重置功能。 3) Job详细事件日志，管理记录Job执行中的详细事件（清洗记录条数、数据库具体操作情况）的日志，提供对日志的查询、删除操作。 作业调度 正常情况下的作业调度，对整个ETL过程进行调度，提供分段提交处理和自动提交处理功能。 可调度的Job类型 1) C程序（清洗），ETL调度提供与C程序的接口，从而可以对C程序进行调度。 2) 用C封装的SQLLDR（加载），将ORACLE SQLLDR封装在C程序中进行调度。 3) PROC程序（合并、转换），对合并和转换过程，调度提供相应的接口，从而对ORACLE的PROC程序进行调度。 4) 存储过程（转换），将存储过程封装在PROC程序中进行调度。 5) DataStage（PI加工），调度系统提供了与DataStage的接口，可以对DataStage各个种类的Job进行调度。 作业步（ETL_Step）的功能类型及数据处理 0. 文件FTP: 将各个分行的源业务系统（NLNS、SBS、NACS）的以预定的文件格式以FTP方式通过中行网络传输到QUICK WIN项目系统的ETL服务器。 1. 文件注册：0中FTP的源数据文件，经过解压缩后，必须在QUICK WIN项目系统中注册，只有经过文件注册过程后QUICK WIN项目系统才能确认“那些分行的源数据” 已经正确到达，ETL系统就可以相应的处理流程。 2. 数据清洗：从各分行FTP来的源数据文件，可能存在非法数据或冗余数据或者数据规则标准不统一，而且文件格式上也不能被QUICK WIN项目的ETL过程立即使用，因此必须对数据文件进行数据清洗（删除非法、冗余数据、统一数据规则标准、转换成QUICK WIN项目的ETL过程能“加载”处理的文件格式）。 3. 数据加载：将清洗后的数据（文件格式）通过SQL LOADER加载到ORACLE数据库相应的数据库表中。 4. ODS数据合并：将各个分行的相同类型的源业务系统数据合并到ORACLE数据库中同一张数据表中。 5. LDM数据加工：面向业务生产数据（ODS数据库表中的数据）根据“QUICK WIN分析模型”将数据转换、加工成面向分析主题的“分析型数据”。 6. PI加工：根据业务需求、业务规则和分析模型，从LDM数据表中加工出QUICK WIN所需的PI。 7. 报表加工：根据业务需求、业务规则和分析模型，从LDM数据表和PI表中中加工出QUICK WIN所需的报表。 8. ETL调度程序：调度ETL加工各个过程的运行。 9. 监控程序：监控ETL过程的运行状态（加工进度、加工效率、成功、警告、错误等）信息，及时向系统的运行维护人员报告系统运行状态。 作业步（ETL_Step）的流程和依存关系。 1) 清洗类型的Job的运行依赖于相应下传文件的状态，必须是在下传文件检查及登记后才能进行清洗Job的调度。 2) ODS层加载类型Job的运行依赖于相应的清洁文件是否由清洗程序生成，即相应的清洗Job是否正确运行完成。 3) 从ODS到LDM的数据转换依赖ODS层的相关数据是否齐备，即相应的加载Job是否正确运行完成。 4) PI加工的进行依赖LDM层数据，即相应的转换Job是否正确运行完成。 5) 根据数据依赖关系，分区域进行作业调度，各区域之间的ETL处理可以并行处理。 作业调度方式 1。。。。。。。 2. 调度策略 采取条件驱动的策略来进行Job的调度，Job一满足驱动条件便开始运行。针对快速见效系统的ETL情况，定义四种类型的驱动条件： 1) 前导Job驱动 ETL过程中各个操作需按一定次序进行，前导Job表示ETL过程中先要进行处理的Job，Job的前导Job可以有多个 2) 下传文件驱动 当下传文件未下传完毕时，下传文件清洗不能进行，因此，下传文件通常作为清洗文件的驱动条件，当系统检测到下传文件已下传并正确后，便可进行相应的清洗，驱动Job执行的下传文件可能有多个，  3) 时间驱动 当到达某个时点时，Job便开始运行 4) 上述三种条件综合驱动 要上述三种情况至少两种均满足，Job才能运行。 3. Job的并发设计 每个Job只要满足了驱动关系后，便开始以后台方式运行。这样便实现了不同区域和同一区域的Job的最大限度的并行。考虑系统资源的情况，可以事先设定最大并行数。 4. 并发冲突设计 当并行跑的Job都需要共同使用同一资源的时候，会产生资源占用的冲突，ETL过程中通常的冲突, 用令牌的方式来避免冲突，只有获得令牌的JOB才能跑，否则等待令牌释放。 定义数据转换流程中检查点和核对点  1) 下传文件，下传文件与源系统数据进行比较检查，核对下传数据准确性。 2) 清洁文件，将清洁文件与下传文件进行比较检查，从而可判断清洗处理过程的正确性。 3) ODS库表，将ODS库表中的数据与下传文件中数据进行比较检查，从而可判断加载处理过程的正确性。 4) LDM库表，将LDM库表中的数据与ODS库表中数据进行比较检查，从而可判断转换处理过程的正确性。 5) PI值，将PI值与LDM层相关的库表进行比较检查，从而可判断PI计算处理过程的正确性。 日志信息设计 1) 调度过程日志。以文件的方式存在，用于记录Job调度中的主要过程和异常信息，如调度开始、调度完成、数据库操作异常和读写文件异常。 2) Job执行日志。数据库表方式存在，给Job的调度提供必要的信息，是Job调度策略计算的依据，调度模块和Job之间的接口之一。 3) Job详细事件日志。数据库表方式存在，记录ETL处理过程中的详细信息，如清洗记录成功条数、失败条数或数据库操作情况（INSERT\UPDATE\DELETE）。 给出异常处理设计：所有被拒绝的行、可接受的错误数以及合理退出的方式  通知设计：重要信息（成功/失败）的通知 1. 成功退出 1) 分段提交方式，当分段提交的当次任务都正确完成，即Job运行状态临时表中登记的作业状态全部为完成时，退出ETL调度。 2) 自动提交方式，当当期所有的任务都正确完成，即Job运行状态表中登记的作业状态全部为完成时，退出ETL调度。 2. 失败退出 1) 关键作业异常，关键作业运行异常时，影响剩下的作业不能运行时，则退出ETL调度。 2) 超过ETL时限，当超过预先设定的ETL 时限时，退出ETL调度。 3) 数据库异常，当不能正常操作数据库时，退出ETL调度。 4) 操作系统异常，当发生操作系统异常，导致程序不能正常运行，如文件系统异常导致读写文件错时，需要退出ETL调度。 5) 手工退出，需要人为干预ETL调度的时候，能以手工操作的方式退出ETL调度。 给出各个阶段号说明 给出表格：表6－N ETL_Step编号表（ETL控制参数） ETL 调度优先级别  按Job驱动关系进行Job的调度，前导Job优先于后续Job。 ETl流程及调度模块说明  模块概要说明 模块概要说明（总体层次） 模块名称 模块编号 开发工具/环境 模块功能说明 备注 作业调度 J01 AIX+Shell+C ETL调度主模块，负责整个ETL过程的调度处理。 维护员 作业管理 J02 EXECL+BRIO+C 定义作业步对应的实际ETL处理过程，生成作业编号，定义作业类型和作业的驱动条件。 管理员 异常重跑 J03 AIX+Shell+C 当ETL运行出现异常时，提供断点重跑机制。 维护员 参数管理 J04 Brio EIS 调度系统的公共参数：期数、进程数、数据日期、本期开始日期和本期结束日期进行设置和修改。 管理员 日志管理 J05 BrioSDK,EIS 包括调度过程日志、Job执行日志和Job详细事件日志的查询和删除。 管理员 模块概要说明（明细层次） 模块名称 模块编号 模块类型 开发环境 模块功能说明 备注 CTLINIT J01_01 作业调度 AIX,PROC 检查输入参数和驱动关系，初始化资源令牌状态/Job运行状态/下传文件状态。  UNCOMPR J01_02 作业调度 AIX,PROC,SHELL 检测下传目录下的压缩/打包的文件，并将这些文件解压缩/展开，之后移动到非下传目录下。  FILEREG J01_03 作业调度 AIX,PROC 根据下传文件控制表 检查各文件头的控制信息，将检查结果记录在下传文件控制表中。  CHKREGJOB J01_04 作业调度 AIX,PROC 扫描Job运行状态（或临时）表看所有（或本次提交需要完成的）Job是否完成，根据Job执行日志信息登记完成的Job(在Job运行状态表登记)。  CALREGJOB J01_05 作业调度 AIX,PROC 根据Job运行状态/下传文件状态/ Job驱动关系计算可已运行的Job，并在Job运行状态表中将这些Job登记为“就绪“状态。  JOBRUN J01_06 作业调度 AIX,PROC,SHELL 依据当前进程数/资源令牌占用清况发出调度一个Job运行的命令，并登记Job运行状态为“正运行“。  CRTJOB J02_01 作业管理 EXECL 生成作业列表和作业对应的驱动条件。  CHKJOB J02_02 作业管理 PROC 检查作业列表的合法性，包括驱动关系的合理性检查。  RERUN J03_01 异常重跑 AIX,PROC,SHELL 当ETL运行出现异常时，提供断点重跑机制。  PARADM J04_01 参数管理 BRIO EIS,SQLPLUS,SHELL 调度系统的公共参数：期数、进程数、数据日期、本期开始日期和本期结束日期进行设置、修改及查询。  LOGADM J05_01 日志管理 BRIO EIS,SQLPLUS 包括调度过程日志、Job执行日志和Job详细事件日志的查询和删除。  ETL流程及调度的模块设计说明表（设计阶段）  见附件《ETL调度详细设计.doc》 给出ETL流程及调度的程序设计说明表（实现阶段）：参见 “1.15节” 1.2 ETL监控(ETL Monitor) (PSP) ETL监控结构设计，  ETL监控主要功能概述 1) ETL调度检测下传文件状态，并登记到下传文件状态表中，通过Hyperion Client设计对下传文件状态查询的BQY文档，发布到Hyperion Performance Suite 8 Server，再通过Http或直接通过ODBC进行BQY查询来获取下传文件状态，从而实现了文件传输监控功能。 2) 当某个区域的某些文件清洗完成时，ETL调度在Job运行状态表中登记该区域相应清洗Job的状态（异常或完成）；当文件加载、转换或加工完成时，ETL调度同样方式在Job运行状态表中登记相应Job的状态，通过设计对Job运行状态查询的BQY，并发布到Hyperion Performance Suite 8 Server，再通过Http或直接通过ODBC进行BQY查询来获取Job的当前状态，从而实现了加载、转换和加工的监控功能。 3) 对Job的执行情况（开始时间、结束时间）的监控通过设计查询Job执行日志表的BQY文档来实现，对Job的详细事件的监控通过设计查询Job详细事件日志表的BQY来实现。 4) 对调度的整体情况的监控，则可直接通过TELNET查看调度过程日志，便能知道调度的完成情况和异常情况（数据库错、参数非法或操作系统错等）。 ? ETL监控模块说明：  ? ETL监控的模块概要说明 模块概要说明（明细层次） 模块名称 模块编号 模块类型 开发环境 模块功能说明 备注 FILEMON J06_01 ETL监控 BRIO,EIS 监控各个区域的下传文件传输情况和文件状态。  JOBMON J06_02 ETL监控 BRIO,EIS 对各个区域的清洗、加载、转换和加工过程的完成情况进行监控。  EVTMON J06_03 ETL监控 BRIO,EIS 对JOB的执行开始时间、结束时间和JOB运行过程中的详细操作情况进行实时监控。  MAINMON J06_04 ETL监控 BRIO,EIS 对调度的整体情况的监控，包括调度成功完成、异常退出、数据库错、参数情况和操作系统出错进行监控。

转载于:https://www.cnblogs.com/linboaixuzhiling/p/3207415.html