تفاوت فرآیند ETL و ELT
دوشنبه, ۱۰ آذر , ۱۳۹۹

منظور از فرآیند ETL چیست؟

واژه ی ETL اختصار یافته ‌ی ۳ کلمه‌ ی Extract به معنای استخراج داده، Transform به معنی ایجاد تغییرات بر روی داده و Load به معنی بارگذاری داده است. در واقع، طی فرآیند ETL، داده ‌ها از منابع مختلف دارای دیتابیس‌ های Relational ‌استخراج می‌شوند، سپس بر روی آن ‌ها تغییرات و اعمالی از قبیل محاسبات مختلف، ترکیب شدن چندین داده با یکدیگر و سایر موارد صورت می‌‌گیرد و در نهایت داده‌ ها در یک انبار داده (Data Warehouse) ذخیره می‌گردند.

با توجه به توضیحات بالا، طی فرآیند ETL، پس از ایجاد تغییرات لازم در مرحله ‌ی Transform که در یک سرور واسط یا Staging Server صورت می‌پذیرد، داده‌ ها از یک منبع اولیه، وارد مقصد نهایی می‌شود.

منظور از فرآیند ELT چیست؟

همان گونه که از نام این فرآیند پیداست، این فرآیند از ۳ بخش Extract، Load و سپس Transform تشکیل شده است. ابتدا داده‌ ها استخراج می‌شوند، سپس بدون این که هیچ تغییری روی آن ‌ها انجام شود، در مقصد نهایی Load می‌شوند و در همان مقصد نهایی، مرحله ‌ی Transform برای ایجاد تغییرات بر روی داده ‌ها انجام می‌شود.
فرآیند ELT معمولا بر روی دیتابیس‌ های no-Sql مانند Hadoop Cluster، Data Appliance و یا Cloud Installation پیاده‌ سازی می‌‌شود.

بنابراین می‌‌توان گفت تفاوت‌ های کلیدی ETL و ELT به شرح زیر است:
⦁ ترتیب مراحل در ETL به صورت Extract، Transform و در نهایت Load است ولی در فرآیند ELT به صورت Extractو  Load و سپس Transform است.
⦁ در فرآیند ETL داده ‌ها ابتدا در یک Staging Server بارگذاری می‌‌شوند و سپس از آن‌ جا در سیستم نهایی Load می‌شوند. در حالی فرآیند ELT داده را مستقیم در سیستم نهایی Load می‌کند.
⦁ فرآیند ETL برای داده‌ های ساختار یافته و Relational مورد استفاده قرار می‌‌گیرد؛ در حالی که فرآیند ELT برای منابع داده بدون ساختار و Cloud ها استفاده می‌گردد.
⦁ ETL برای داده ‌های با حجم پایین استفاده می‌شود ولی ELT برای داده ‌های با حجم بالا قابل استفاده است.
⦁ پیاده ‌سازی فرآیند ETL به نسبت ساده است. این در حالی است که پیاده‌ سازی ELT نیازمند مهارت به خصوصی است.
⦁ در فرآیند ETL، انجام تغییرات بر روی داده ‌ها در مرحله‌ ی Transform زما‌نبر است و هر چقدر داده بیشتر شود، مدت زمان Transform نیز افزایش می‌یابد. ولی در فرآیند ELT، سرعت هیچ ارتباطی با حجم داده ندارد.
⦁ از آن‌ جایی که در فرآیند ETL داده‌ ها باید انتخاب شوند و سپس بر روی داده‌ های انتخابی Transform و Load انجام شود، پس نیاز به Maintenance بالایی دارد. ولی از آن جایی که در ELT همواره داده‌ ها در دسترس هستند، نیاز به Maintenance به شدت پایین ‌تر است.

منبع

پیشنهاد برای مطالعه

انبارداده
نام نویسنده:
به اشتراک بگذارید:
نمودار
مرجع رسمی هوش تجاری و علم داده | نمودار اولین مرجع تخصصی Power BI
مقالات مرتبط
هوش تجاری چگونه به مدیران کمک می‌کند تا تصمیمات بهتری بگیرند؟
هوش تجاری چگونه به مدیران کمک می‌کند تا تصمیمات بهتری بگیرند؟
به لطف توسعه‌ی تکنولوژی در حیطه‌ی هوش تجاری، تحلیل داده‌ها بسیار ساده‌تر و سریع‌تر شده است. با ابزارهای مربوط به هوش تجاری، این امکان برای شما فراهم می‌شود که داده‌های مختلف را از منابع مختلف استخراج نموده و آن‌ها را به فرمتی تبدیل کنید که برای تصمیم‌گیری‌های مدیریتی قابل استفاده باشد. بنابراین از هوش تجاری [...]
آمادگی برای هوش تجاری
هوش کسب و کار در شرکت شما؛ ۵ نشانه ‌ی آمادگی برای هوش تجاری
از مزایای هوش کسب و کار یا هوش تجاری می ‌توان به این نکته اشاره کرد که تفاوتی ندارد سازمان شما بزرگ است یا کوچک؛ در هر صورت، می توانید برای بخشی از سازمان خود از هوش کسب و کار بهره ببرید. به عنوان مثال در صورتی که می‌ خواهید متوجه شوید چه کسانی به [...]
نظرات