摘要：數(shù)據(jù)的抽取、轉換與加載（ETL）是數(shù)據(jù)整合的核心過程。在分析高校信息化建設現(xiàn)狀基礎上，以建立數(shù)字化校園、整合數(shù)據(jù)資源、實現(xiàn)數(shù)據(jù)共享為目標，提出以ETL為基礎建立共享數(shù)據(jù)中心實現(xiàn)數(shù)據(jù)整合的方案。介紹了共享數(shù)據(jù)中心的結構，并研究了從業(yè)務系統(tǒng)到共享數(shù)據(jù)中心的ETL過程設計方法。

關鍵詞：ETL；共享數(shù)據(jù)中心；DTS；同步

DOIDOI：10.11907/rjdk.143623

中圖分類號：TP3-05

文獻標識碼：A 文章編號文章編號：16727800（2015）001001603

基金項目基金項目：

作者簡介作者簡介：趙?。?982-），女，浙江湖州人，碩士，嘉興職業(yè)技術學院教務處講師，研究方向為計算機科學與技術、教學管理。

0 引言

隨著辦學規(guī)模的擴大，高校對信息化建設的要求越來越高，各種管理系統(tǒng)先后建成并投入使用。在工作效率提高的同時，問題也逐漸顯現(xiàn)：由于受系統(tǒng)使用或開發(fā)時間、經(jīng)費、目的等限制，各部門之間的業(yè)務系統(tǒng)處于相互獨立的狀態(tài)，彼此之間不能實現(xiàn)數(shù)據(jù)交換，從而導致部門間形成“信息孤島”，造成數(shù)據(jù)無法有效共享、應用缺乏有效集成以及冗余數(shù)據(jù)無法處理的現(xiàn)象。因此，構建數(shù)字化校園，將全校范圍內(nèi)的各個業(yè)務系統(tǒng)進行高效整合，以實現(xiàn)管理的一體化和資源共享，已成為高校信息化的建設重點。

1 ETL概述

ETL（ExtractionTransformationLoading），即數(shù)據(jù)的抽取、轉換與加載，是將分散、零亂、標準不統(tǒng)一、碼制不一致的數(shù)據(jù)整合到目標數(shù)據(jù)庫中的技術[1]。它從各種原始的業(yè)務系統(tǒng)中提取數(shù)據(jù)，按照一定規(guī)則進行數(shù)據(jù)轉換，最后將轉換的數(shù)據(jù)按計劃導入目標數(shù)據(jù)庫中[2]。

1.1 數(shù)據(jù)抽取

數(shù)據(jù)抽取指業(yè)務系統(tǒng)將源數(shù)據(jù)抽取至目標數(shù)據(jù)庫。對于不同數(shù)據(jù)平臺、不同源數(shù)據(jù)形式及數(shù)據(jù)量、不同性能要求和業(yè)務量的業(yè)務系統(tǒng)，應采取不同的數(shù)據(jù)抽取接口。典型的數(shù)據(jù)抽取接口包括數(shù)據(jù)庫接口和文件接口。在數(shù)據(jù)抽取時，數(shù)據(jù)抽取效率應放在考慮的首要位置，同時也不能忽視抽取過程對現(xiàn)有業(yè)務系統(tǒng)性能及安全的影響。

1.2 數(shù)據(jù)轉換和數(shù)據(jù)清洗

從業(yè)務系統(tǒng)中抽取的數(shù)據(jù)因為有些來自不同系統(tǒng)，具有不同格式，導致了數(shù)據(jù)不一致的情況。因此在加載到目標數(shù)據(jù)庫之前，必須對數(shù)據(jù)進行轉換和清洗，將從不同業(yè)務系統(tǒng)中抽取出來的數(shù)據(jù)進行轉換、清洗、拆分、合并等處理，以保證數(shù)據(jù)的完整性和一致性。

1.3 數(shù)據(jù)加載

數(shù)據(jù)加載是將從數(shù)據(jù)源系統(tǒng)中抽取出來的數(shù)據(jù)經(jīng)過轉換與清洗后裝載到目標數(shù)據(jù)庫中。數(shù)據(jù)加載工具通常要求具有高效的性能，否則會影響整個ETL的效率[3]。

2 共享數(shù)據(jù)中心架構

共享數(shù)據(jù)中心是收集、存儲和處理全校各類共享數(shù)據(jù)，同時為全校提供信息共享服務的平臺。共享數(shù)據(jù)中心是基于數(shù)據(jù)管理與利用的綜合性技術方案，它的建立可以在存放大量數(shù)據(jù)的同時有效地管理數(shù)據(jù)，以實現(xiàn)系統(tǒng)集成和各個系統(tǒng)之間的數(shù)據(jù)共享，同時提供數(shù)據(jù)訪問手段，以保證數(shù)據(jù)的及時性、完整性和一致性[4]。

采用共享數(shù)據(jù)中心進行數(shù)據(jù)整合的好處是：原有各個部門比較成熟的系統(tǒng)仍然保持獨立運行，各業(yè)務數(shù)據(jù)庫與共享數(shù)據(jù)庫通過XML接口相互通信。需共享的數(shù)據(jù)如學生信息、教師信息等被抽取到共享數(shù)據(jù)庫中，各個業(yè)務部門之間的數(shù)據(jù)共享都要通過對共享數(shù)據(jù)庫的數(shù)據(jù)訂閱來完成，而不需要通過手工或映射方式從其它部門獲取。共享數(shù)據(jù)中心的數(shù)據(jù)來自權威的數(shù)據(jù)提供部門，所有數(shù)據(jù)都有唯一維護者，從而保證了數(shù)據(jù)的準確性和權威性。因此，采用共享數(shù)據(jù)中心是一種比較好的數(shù)據(jù)整合方案[5]。共享數(shù)據(jù)中心結構如圖1所示。

圖1 共享數(shù)據(jù)中心結構

3 數(shù)字化校園共享數(shù)據(jù)中心ETL設計

3.1 歷史數(shù)據(jù)的ETL過程

在共享數(shù)據(jù)中心建立之初，需抽取各業(yè)務系統(tǒng)的公共數(shù)據(jù)作為其歷史數(shù)據(jù)。該ETL過程需要選擇合適的ETL工具，若自行開發(fā)，可滿足項目的特殊需要，但周期長、通用性差、效率低；若選擇通用的ETL工具，能夠對不同領域及需求的業(yè)務給予很好的支持，用戶不必過多關心數(shù)據(jù)庫的各種內(nèi)部細節(jié)，只需專注于功能，且無須花費額外的開發(fā)時間，但往往價格不菲。綜合比較各種ETL工具，最后選擇了MicroSoft SQL Server 2000自帶的ETL工具DTS（Data Transformation Services數(shù)據(jù)傳輸服務）實現(xiàn)從業(yè)務系統(tǒng)數(shù)據(jù)庫到共享數(shù)據(jù)庫的ETL過程[6]。

DTS作為SQL Server的一個工具，能支持ODBC或JDBC的數(shù)據(jù)接口，主要用于實現(xiàn)各種不同數(shù)據(jù)源之間的數(shù)據(jù)轉移。其具有圖形化的界面，也是一個可編程對象。DTS所支持的源數(shù)據(jù)庫和目標數(shù)據(jù)庫包括SQL Server、Oracle、DB2、Sybase、Access、Excel等所有使用OLE DB的數(shù)據(jù)庫，轉移形式包括數(shù)據(jù)導入、導出以及數(shù)據(jù)轉換。在進行數(shù)據(jù)轉移時，可以通過指定不同的轉換規(guī)則在具有不同名稱、大小、數(shù)據(jù)類型、精度等數(shù)據(jù)之間進行數(shù)據(jù)復制[7]。

利用DTS實現(xiàn)ETL，首先必須創(chuàng)建數(shù)據(jù)轉換服務（DTS）包，選擇需要連接的源數(shù)據(jù)庫與目標數(shù)據(jù)庫，當業(yè)務系統(tǒng)與共享數(shù)據(jù)中心連接后，需要創(chuàng)建“轉換數(shù)據(jù)任務”，并對其進行設置，抽取業(yè)務系統(tǒng)中的數(shù)據(jù)，導入到數(shù)據(jù)準備區(qū)。

“轉換數(shù)據(jù)任務”主要用于實現(xiàn)源數(shù)據(jù)庫與目的數(shù)據(jù)庫之間的數(shù)據(jù)復制，可實現(xiàn)任何支持OLE DB數(shù)據(jù)連接之間的復制和轉換。并且該任務能選擇性地將列級轉換應用于數(shù)據(jù)，可以實現(xiàn)DTS中最基本的數(shù)據(jù)抽取。

進行“轉換數(shù)據(jù)任務”的配置步驟如下：①建立連接；②設置源數(shù)據(jù)和目的數(shù)據(jù)屬性；③設置轉換屬性。默認的轉換映射為直接進行數(shù)據(jù)復制。如果源數(shù)據(jù)與目的數(shù)據(jù)之間存在異構，則需要設置轉換屬性，如將源列與目的列重新匹配，或者選擇其它轉換類型。

對于不能直接進行匹配的字段，則可以通過編寫腳本語言的方式解決數(shù)據(jù)轉換問題。如教務管理系統(tǒng)的學生基本信息表中“xb”字段表示學生性別，而共享數(shù)據(jù)中心學生基本信息表中學生的“XB”字段則是用性別代碼表示。

可以在代碼框中輸入如下代碼：

Function Main（）

if DTSSource（"xb"）="男"then

DTSDestination（"XB"）="1"

Else DTSDestination（"XB"）="0"

end if

Main=DTSTransformStat_OK

End Function

通過該方式可以將學生性別由“男”、“女”轉換成性別代碼“1”和“0”，再加載入共享數(shù)據(jù)庫。

又例如學生的出生日期格式極不統(tǒng)一，同樣是1990年5月10日出生，有些為90-05-10，有些則是19900510、900510或10-may-90。對于這些多樣化的日期格式，若不在導入共享數(shù)據(jù)庫的過程中進行統(tǒng)一，則必然會影響日后如學生年齡的統(tǒng)計與分析，因此也可以利用“ActiveX腳本轉換屬性”通過編寫代碼進行學生出生日期格式的統(tǒng)一。因為在學生的身份證號中體現(xiàn)了出生日期，所以可以利用mid函數(shù)截取身份證號中表示出生日期的部分，將出生日期統(tǒng)一以19900510的格式顯示。具體代碼如下：

Function Main（）

Dim csrqstr as char，sfzhstr as char

sfzhstr= Trim（DTSSourse（“sfzh”）

Csrqstr=Mid（sfzhstr，7，8）

DTSDestination（“sfzh”）=csrqstr

Main=DTSTransformStat_OK

End Function

利用DTS工具不但能實現(xiàn)在共享數(shù)據(jù)中心創(chuàng)建之初進行歷史數(shù)據(jù)的全量抽取，還可以將一些符合特定條件的數(shù)據(jù)ETL至共享數(shù)據(jù)庫。如每年開學初有大量新生信息進入教務管理系統(tǒng)，共享數(shù)據(jù)庫中的學生基本信息表也必須更新。這些數(shù)據(jù)在從教務管理數(shù)據(jù)庫到共享數(shù)據(jù)庫的ETL過程中如果采用全表刪除方式會大大加重系統(tǒng)負擔，因此可以通過在DTS的轉換任務屬性中編寫SQL查詢語句，將抽取條件限定為年級字段值等于錄取年份，實現(xiàn)起來非常簡便，抽取效率也非常高。

3.2 實時同步數(shù)據(jù)的ETL過程

對于歷史數(shù)據(jù)而言，使用DTS可以方便地實現(xiàn)ETL過程，但在實時性要求較高的情況下，則顯得不太合適。例如教務管理系統(tǒng)的學生基本信息發(fā)生了變化，共享數(shù)據(jù)中心只有在數(shù)據(jù)轉換服務包執(zhí)行了以后數(shù)據(jù)才會更新，而這往往在某一個特定時間才會發(fā)生。如果在此之前有業(yè)務系統(tǒng)向共享數(shù)據(jù)中心提取了學生基本信息，則會造成數(shù)據(jù)不準確，因此還要考慮數(shù)據(jù)的實時同步問題。當提供共享數(shù)據(jù)的權威部門數(shù)據(jù)發(fā)生變化時，應及時將這些變化提交到共享數(shù)據(jù)庫，以保證共享數(shù)據(jù)庫中數(shù)據(jù)的準確性與完整性，同時也要將這些變化及時更新到訂閱這些數(shù)據(jù)的業(yè)務部門[8]。

實時同步數(shù)據(jù)的ETL過程可分為3個步驟：①建立Insert、Modify、Delete觸發(fā)器以獲取實時的增量更新數(shù)據(jù)并進行數(shù)據(jù)類型轉換以及數(shù)據(jù)清洗；②將這些增量更新的數(shù)據(jù)存放到更新數(shù)據(jù)記錄表中并記錄下操作序列和操作類型（Insert、Modify、Delete）；③由共享數(shù)據(jù)中心的數(shù)據(jù)同步服務通過調用Web服務連接該更新數(shù)據(jù)記錄表，進行業(yè)務數(shù)據(jù)庫與共享數(shù)據(jù)庫的同步。其過程如圖2所示。

圖2 實時同步數(shù)據(jù)的ETL過程

更新數(shù)據(jù)記錄表負責記錄業(yè)務系統(tǒng)中數(shù)據(jù)的所有更新操作，包括數(shù)據(jù)的增加、刪除、修改等。不管是何種更新操作，在更新數(shù)據(jù)記錄表中都會有一條記錄，以表示業(yè)務系統(tǒng)中數(shù)據(jù)的修改，包括記錄操作的類型是增加、刪除或修改，修改數(shù)據(jù)的具體內(nèi)容等。

更新數(shù)據(jù)記錄表建立在業(yè)務系統(tǒng)端，其結構是共享數(shù)據(jù)庫中業(yè)務數(shù)據(jù)表的字段加上控制字段，包括變化發(fā)生的時間、變化類型以及改變記錄的主鍵。

控制字段如下：

字段名：CREATE_TIME

類型：DATETIME

說明：記錄這條變化數(shù)據(jù)發(fā)生的時間

字段名：CHG_TYPE

類型：CHAR（6）

說明：記錄該變化數(shù)據(jù)的變化類型（INSERT、DELETE、MODIFY）

字段名：SDC_ID

類型：INT

說明：該字段自動生成，作為記錄的流水號，用于作為更新數(shù)據(jù)記錄表的主鍵。

下面以教務管理系統(tǒng)到共享數(shù)據(jù)中心的實時同步為例，介紹實時同步數(shù)據(jù)的ETL過程。

在業(yè)務系統(tǒng)上創(chuàng)建觸發(fā)器（包括插入、刪除和修改3種類型），當業(yè)務系統(tǒng)的數(shù)據(jù)發(fā)生變化時，則觸發(fā)了觸發(fā)器，通過觸發(fā)器在更新數(shù)據(jù)記錄表上添加記錄。為教務管理系統(tǒng)學生基本信息表創(chuàng)建觸發(fā)器的部分代碼如下：

create trigger trg_xsjbxxb

on xsjbxxb

for insert as

declare @xh char（10） declare@xm char（10）

……

declare@ksh char（20）declare@bz char（20）

select

@xh=xh，@xm=xm，

……

@ksh=ksh，@bz=bz

from inserted Inst

insert

into tb_xsjbxxb values （@xh，@xm……@ksh，@bz， 'insert'）

為教務管理系統(tǒng)創(chuàng)建發(fā)布更新數(shù)據(jù)的Web服務部分代碼如下：

string sql="select * from tb_xsjbxxb"；

SqlDataAdapter da = new SqlDataAdapter（sql，con）；

DataSet ds = new DataSet（）；

da.Fill（ds，" tb_xsjbxxb"）；

con.Close（）；

return ds；

為教務管理系統(tǒng)創(chuàng)建清除更新數(shù)據(jù)記錄表的Web服務部分代碼如下：

string sql="delete from tb_xsjbxxb"；

SqlCommand com=new SqlCommand（sql，con）；

com.ExecuteNonQuery（）；

string a；

a="共享數(shù)據(jù)中心數(shù)據(jù)更新成功！更新數(shù)據(jù)記錄表數(shù)據(jù)已清除！"；

return a；

4 結語

數(shù)字化校園是一個長期的系統(tǒng)工程，共享數(shù)據(jù)中心是其重要的基礎設施。本文提出的基于ETL技術的共享數(shù)據(jù)中心建設方案使各部門業(yè)務系統(tǒng)之間可以實現(xiàn)公共數(shù)據(jù)的安全共享，消除了原先存在的“信息孤島”，整個高校各部門之間的協(xié)調性和靈活性大大增強，極大地提高了高校各部門的工作效率。

參考文獻：

[1] [美]W H INMON.Buildding the data warehouse=數(shù)據(jù)倉庫[M].王志海，譯.北京：人民郵電出版社，2004：6870.

[2] 劉映輝，晏妮.基于ETL技術的商業(yè)銀行自動對賬系統(tǒng)[J].中國金融電腦，2009（4）：7477.

[3] 張瑞.ETL數(shù)據(jù)抽取研究綜述[J].軟件導刊，2010（10）：164165.

[4] 黨中華，趙健，肖文紅.校園網(wǎng)數(shù)據(jù)整合方案研究[J].科技資訊，2010（12）：249252.

[5] 羅妙云.高校共享數(shù)據(jù)中心平臺設計與部分實現(xiàn)[D].廣州：華南理工大學，2010.

[6] 李雅莉.決策支持系統(tǒng)中數(shù)據(jù)倉庫的設計[J].中國管理信息化，2009（17）：8487.

[7] 黃光明.教學管理數(shù)據(jù)倉庫ETL過程的設計與實現(xiàn)[J].電腦知識與技術，2007（19）：3738.

[8] 孔存金.數(shù)字化校園共享數(shù)據(jù)中心建設研究——以新疆師范大學為例[D]. 烏魯木齊：新疆師范大學，2009.