轉自：http://baike.baidu.com/view/69207.htm
ETL
ETL，Extraction-Transformation-Loading的縮寫，中文名稱爲數據提取、轉換和加載。 ETL工具有：OWB(Oracle Warehouse Builder)、ODI(Oracle Data Integrator)、Informatic PowerCenter、AICloudETL、DataStage、Repository Explorer、Beeload、Kettle、DataSpider
簡介
ETL負責將分佈的、異構數據源中的數據如關係數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後加載到
數據倉庫或
數據集市中，成爲
聯機分析處理、數據挖掘的基礎。
ETL一詞較常出現在
數據倉庫，但其對象並不侷限於數據倉庫。
ETL是
數據倉庫中的非常重要的一環。它是承前啓後的必要的一步。相對於關係數據庫，
數據倉庫技術沒有嚴格的數學理論基礎，它更面向實際工程應用。所以從工程應用的角度來考慮，按着物理數據模型的要求加載數據並對數據進行一些系列處理，處理過程與經驗直接相關，同時這部分的工作直接關係
數據倉庫中數據的質量，從而影響到
聯機分析處理和數據挖掘的結果的質量。
數據倉庫是一個獨立的數據環境，需要通過抽取過程將數據從
聯機事務處理環境、
外部數據源和脫機的數據存儲介質導入到數據倉庫中；在技術上，ETL主要涉及到關聯、轉換、增量、調度和監控等幾個方面；數據倉庫系統中數據不要求與聯機事務處理系統中數據實時同步，所以ETL可以定時進行。但多個ETL的操作時間、順序和成敗對
數據倉庫中信息的有效性至關重要。
概念
ETL(Extract-Transform-Load的縮寫，即
數據抽取、轉換、裝載的過程)作爲BI/DW（Business Intelligence）的核心和靈魂，能夠按照統一的規則集成並提高數據的價值，是負責完成數據從
數據源向目標
數據倉庫轉化的過程，是實施數據倉庫的重要步驟。如果說
數據倉庫的模型設計是一座大廈的設計藍圖，數據是磚瓦的話，那麼ETL就是建設大廈的過程。在整個項目中最難部分是用戶需求分析和模型設計，而ETL規則設計和實施則是工作量最大的，約佔整個項目的60%～80%，這是國內外從衆多實踐中得到的普遍共識。
ETL是
數據抽取（Extract）、清洗（Cleaning）、轉換（Transform）、裝載（Load）的過程。是構建
數據倉庫的重要一環，用戶從
數據源抽取出所需的數據，經過
數據清洗,最終按照預先定義好的數據倉庫模型，將數據加載到數據倉庫中去。
信息是現代企業的重要資源，是企業運用科學管理、決策分析的基礎。目前，大多數企業花費大量的資金和時間來構建
聯機事務處理OLTP的業務系統和
辦公自動化系統，用來記錄事務處理的各種相關數據。據統計，數據量每2～3年時間就會成倍增長，這些數據蘊含着巨大的商業價值，而企業所關注的通常只佔在總數據量的2%～4%左右。因此，企業仍然沒有最大化地利用已存在的數據資源，以致於浪費了更多的時間和資金，也失去制定關鍵商業決策的最佳契機。於是，企業如何通過各種技術手段，並把數據轉換爲信息、知識，已經成了提高其核心競爭力的主要瓶頸。而ETL則是主要的一個技術手段。
