概述
假如把一个完整的数据仓库系统比作一个提供美味菜肴的餐馆，那么ETL系统就是这个餐馆的厨房。在大多数情况下，ETL对最终用户来说是透明的，正像食客往往不需要进入厨房获取服务，厨房也不会对食客开放。但是，ETL模块常常占用整个数据仓库项目70%以上的资源，实际情况也大概也是如此，厨师的工资比侍者要高出很多。
在当前的数据仓库项目中，企业级ETL工具昂贵的许可证、培训费用常常使许多中小型用户望而却步。真实世界的应用中相当一部分的数据源(E) 都是以文件或数据库的方式提供，进行的转换 (T) 也可以在数据库之内完成，基于这一实际情况，利用Oracle自身的一些功能，我们可以构建相对简单的ETL流程。
在Oracle9i中引入了外部表(External Table)的概念，通过访问驱动程序ORACLE_LOADER可以对数据库之外的文件进行只读的SQL查询。在Oracle10g中，提供了第二个访问驱动程序ORACLE_DATAPUMP，允许用户对外部表进行写操作，写出的结果文件以特定的结构保存并允许DPAPI访问，即该结果文件可以被加载到另一个数据库中。同时，新的访问驱动程序也支持列对象的投影。
配合10g中新增的DBMS_SCHEDULER包，可以很方便地实现ETL工具的定时调度功能。这个新的DBMS_SCHEDULER包取代了原有的DBMS_JOB包，并提供了更加强大完善的功能，笔者在本文中仅举一简单示例说明。
Ralph Kimball在他的
准备工作
在使用外部表之前，首先要建立DIRECTORY对象。同时给需要进行外部表操作的用户赋予适当的权限。
SQL> CREATE OR REPLACE DIRECTORY source_dir as '/home/oracle/backup';
Directory created
SQL> CREATE OR REPLACE DIRECTORY target_dir as '/home/oracle/backup/target';
Directory created
SQL> CREATE OR REPLACE DIRECTORY log_dir as '/home/oracle/backup/log';
Directory created
SQL> grant read on directory source_dir to test;
授权成功.
SQL> grant read on directory target_dir to test;
授权成功.
SQL> grant read on directory log_dir to test;
授权成功.
SQL>grant connect, dba to test identified by test;
授权成功.
数据抽取— ORACLE_LOADER
平文件的数据源一般有两种格式：定长格式或者分隔符格式，ORACLE_LOADER对这两种格式都提供支持。如果是分隔符格式的源文件，使用关键字FIELDS TERMINATED BY指定分隔符；如果是定长格式文件，使用关键字POSITION指定数据列的位置。
$ pwd
/home/oracle/backup
$ ls
target log product1.dat
$ cat product1.dat
1,Bicycle,JiangSu
2,Camps,ZheJiang
3,Wearings,SiChuan
4,Gloves,SiChuan
5,Food,YunNan
6,Shoes,NULL
$
使用EXTERNAL ORGANIZATIONAL关键字构建外部表，注意DRIVER关键字指定了ORACLE_LOADER驱动；DEFAULT DIRECTORY子句指定了默认的操作目录；在ACCESS PARAMETERS子句中定义了分隔符、坏文件、LOG文件；LOCATION关键字指定了外部表依存的数据文件，如果存在多个文件，使用逗号分隔。
SQL> ed
Wrote file afiedt.buf
CREATE TABLE stenny_ext_product
(product_id NUMBER(4),
product_name VARCHAR2(20),
location VARCHAR2(25)
)
ORGANIZATION EXTERNAL
(
TYPE ORACLE_LOADER
DEFAULT DIRECTORY source_dir
ACCESS PARAMETERS
(
records delimited by newline
badfile log_dir:'bad_product.dat'
logfile log_dir:'product.log'
fields terminated by ','
missing field values are null
( product_id, product_name, location )
)
LOCATION ('product1.dat')
)
REJECT LIMIT UNLIMITED
SQL> /
Table created
SQL> select * from stennY_ext_product;
PRODUCT_ID PRODUCT_NAME LOCATION
---------- -------------------- -------------------------
1 Bicycle JiangSu
2 Camps ZheJiang
3 Wearings SiChuan
4 Gloves SiChuan
5 Food YunNan
6 Shoes NULL
6 rows selected
SQL>
经过上面的步骤，我们将数据库之外的一个平文件通过访问驱动程序ORACLE_LOADER与一个数据库表STENNY_EXT_PRODUCT建立了映射关系。我们对这个外部表可以进行排序，表连接等只读操作。
在典型的数据仓库系统中，事实表中的大部分字段都采用KEY的形式进行存储。在我们的例子中，我们将对LOCATION列进行LOOKUP，满足地区标准的数据被视为正确数据并附以标准键值；如果出现在标准表中不存在的纪录，我们将认为其为脏数据。脏数据将被另行处理。我们的标准表为LOC_STD，正确记录的Staging表为STG_PRODUCT，异常记录的Staging表为STG_EXCEP。在数据文件中，ID为6的产品没有对应的Location，该记录将被视为异常记录。通过一个简单的存储过程，我们将STENNY_EXT_PRODUCT与LOC_STD表进行连接，正确的记录与异常记录将被写入对应的Staging表中。
SQL> Create table stg_excep as select * from stenny_ext_product where 1=2;
SQL> CREATE TABLE STG_PRODUCT
2 (
3 PRODUCT_ID NUMBER,
4 PRODUCT_NAME VARCHAR2(20),
5 LOC_ID NUMBER
6 );
SQL> CREATE TABLE LOC_STD
2 (
3 LOC_ID NUMBER,
4 LOC_NAME VARCHAR2(20)
5 );
SQL> CREATE OR REPLACE PROCEDURE proc_txn_product AS
2 BEGIN
3 insert into stg_product
4 select product_id, product_name, loc_id
5 from stenny_ext_product, loc_std
6 where loc_std.loc_name = stenny_ext_product.location;
7 insert into stg_excep
8 select *
9 from stenny_ext_product
10 where product_id not in (select product_id from stg_product);
11 commit;
12 END proc_txn_product;
13 /
---------- -------------------- ----------
1 Bicycle 1
2 Camps 2
3 Wearings 3
4 Gloves 3
5 Food 4
---------- -------------------- -------------------------
6 Shoes NULL
在经过了上面的抽取、清洗整合的步骤后，我们将使用ORACLE_DATAPUMP将staging表中的数据写入目标文件中。典型的数据仓库系统最终的目标是数据库，而本文中的ECCD流程可以是数据准备的一个过程，众所周知，数据仓库的刷新频率与Staging区域可能不同，目标文件可以被传输到数据仓库系统，并按照其刷新频率进行第二步加载。顺便提一句，DBMS_SCHEDULER可以用来完成在数据库之间进行文件传输。
下面的代码演示了如何使用ORACLE_DATAPUMP驱动访问程序unload数据库表的过程。
SQL> ed
Wrote file afiedt.buf
ORGANIZATION EXTERNAL (TYPE ORACLE_DATAPUMP
DEFAULT DIRECTORY target_dir
LOCATION ('tgt_product.dmp'))
PARALLEL 2
AS
SELECT product_id,
product_name,
loc_id
FROM stg_product
SQL> /
Table created
SQL> select * from tgt_product;
PRODUCT_ID PRODUCT_NAME LOC_ID
---------- -------------------- ----------
1 Bicycle 1
2 Camps 2
3 Wearings 3
4 Gloves 3
5 Food 4
SQL>
同时，在target_dir目录下可以看到创建的TGT_PRODUCT.DMP文件，该文件可以被加载到真正的目标数据库，但是必须使用ORACLE_DATAPUMP访问驱动程序。
定时调度 – DBMS_SCHEDULER
首先我们将使用proc_file_watcher存储过程每5分钟对某一个目录进行扫描等待文件。如果文件存在，调用proc_txn_product对文件进行处理，否则睡眠5分钟。这个文件扫描过程在周二早上4点钟被激活，如果超过8点文件还是没有到，可以抛出用户异常或者调用UTL_SMTP包发邮件通知相关责任人。
create or replace procedure proc_file_watcher is
v_exists boolean;
v_file_length number;
v_blocksize number;
begin
<
if to_char(sysdate, 'hh24') >= '08' then
--³¬Ê±£¬¿ÉÒÔµ÷ÓÃUTL_SMTP
null;
else
utl_file.fgetattr('SOURCE_DIR',
'product1.dat',
v_exists,
v_file_length,
v_blocksize);
if v_exists then
dbms_output.put_line('File there!');
proc_txn_product;
else
dbms_output.put_line('404 Error');
dbms_lock.sleep(300);
goto L_sleeping_child;
end if;
end if;
end proc_file_watcher;
现在，我们只需要将这个文件扫描程序加入调度，每个周二早上4点钟开始运行即可。
--创建程序
BEGIN
DBMS_SCHEDULER.CREATE_PROGRAM(program_name => 'TEST.STP_PROC_FILE_WATCHER',
program_action => 'TEST.PROC_FILE_WATCHER',
program_type => 'STORED_PROCEDURE',
comments => 'Firing the ETL process if file arrives',
enabled => TRUE);
END;
BEGIN
SYS.DBMS_SCHEDULER.CREATE_SCHEDULE(repeat_interval => 'FREQ=WEEKLY;BYDAY=TUE;BYHOUR=8;BYMINUTE=0;BYSECOND=0',
start_date => to_timestamp_tz('2011-01-27 US/Central',
'YYYY-MM-DD TZR'),
comments => 'Tuesday AM Schedule',
schedule_name => '"TEST"."SCS_TXN_PROD"');
END;
BEGIN
SYS.DBMS_SCHEDULER.CREATE_JOB(job_name => 'TEST.SCJ_TXN_PROD',
program_name => 'TEST.STP_PROC_FILE_WATCHER',
schedule_name => 'TEST.SCS_TXN_PROD',
comments => 'Start the ETL process on Tuesday',
auto_drop => FALSE,
enabled => TRUE);
END;
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/9399028/viewspace-686396/ ，如需转载，请注明出处，否则将追究法律责任。
