ETL是什么?

ETL是Extract, Transform和Load的缩写。在这个过程中，ETL工具从不同的RDBMS源系统中提取数据，然后转换数据，如应用计算、连接等，然后将数据加载到数据仓库系统中。

在ETL中，数据从源流向目标。ETL过程转换引擎负责处理任何数据更改。

ELT是什么？

ELT是观察数据一种方法。ELT让目标系统进行转换数据，而不是在编写之前转换数据。数据首先复制到目标，然后在适当的位置进行转换。

ELT通常用于非sql数据库，如Hadoop集群、数据设备或云安装。

ETL和ELT的不同点

ETL和ELT在以下参数上存在差异:

参数	ETL	ELT
过程	数据在暂存区域上进行转换，然后传输到数据仓库。	数据保存在数据仓库的数据库中。
代码使用	用于：1.计算密集型转换、2.少量数据	用于处理大量数据
转换	转换在ETL服务器/暂存区域完成	转换在目标系统中执行
加载时间	数据首先加载到staging，然后加载到目标系统。时间密集。	数据只加载到目标系统一次，得更快。
转换时间	ETL过程需要等待转换完成。随着数据大小的增长，转换时间也会增加。	在ELT过程中，速度从不依赖于数据的大小。
维护时间	它需要高度维护，因为您需要选择数据来加载和转换。	低维护，因为数据总是可用的。
实现的复杂性	在早期阶段，更容易实现。	实施ELT过程应具备深厚的工具知识和专业技能。
数据仓库支持	用于内部、关系和结构化数据的ETL模型。	用于支持结构化、非结构化数据源的可伸缩云基础设施。
数据湖(Data Lake)支持	不支持	允许使用非结构化数据的数据湖。
复杂性	ETL进程只加载设计时确定的重要数据。	这个过程涉及到从向后输出到只加载相关数据的开发。
成本	中小企业成本高。	使用在开源软件作为服务平台的入门成本较低。
查找	在ETL过程中，事实和维度都需要在staging area中可用。	所有数据都是可用的，因为提取和加载发生在一个操作中。
聚合	复杂性随着数据集中数据量的增加而增加。	目标平台的强大功能可以快速处理大量数据。
计算	重写现有列或需要追加数据集并将其推到目标平台。	轻松地将计算后的列添加到现有表中。
成熟度	这个过程已经使用了20多年。它有很好的文档记录，并且很容易获得最佳的设计和运行效果	相对较新的概念和复杂的实施。
硬件	大多数工具都有昂贵的独特硬件需求。	Saas硬件成本不是问题。
支持非结构化数据	主要支持关系数据	支持随时可用的非结构化数据。

总结:

• ETL表示提取、转换和加载，ELT表示提取、加载和转换
• 在ETL进程中，数据从源流到中台再到目标。
• ELT让目标系统进行转换。没有涉及中台系统。
• ELT解决了ELT的许多挑战，但成本高昂，需要掌握特定的技能来实施和维护。

文章说明：

本文翻译自国外技术文章：https://www.guru99.com/etl-vs-elt.html

本文为九五青年博客翻译，如需转载请在下面留言，原文如有版权问题，在下面留言板反馈，我们会第一时间处理