ETL と ELT – それらの違い
デビッドカーター
ETLとELTの主な違い
- ETL は抽出、変換、ロードの略であり、ELT は抽出、ロード、変換の略です。
- ETL はデータを最初にステージング サーバーにロードし、次にターゲット システムにロードしますが、ELT はデータをターゲット システムに直接ロードします。
- ETL モデルはオンプレミスのリレーショナル データと構造化データに使用され、ELT はスケーラブルなクラウドの構造化データ ソースと非構造化データ ソースに使用されます。
- ELT と ETL を比較すると、ETL は主に少量のデータに使用され、ELT は大量のデータに使用されます。
- ETL と ELT を比較すると、ETL はデータ レイク サポートを提供しませんが、ELT はデータ レイク サポートを提供します。
- ELT と ETL を比較すると、ETL は実装が簡単ですが、ELT は実装と保守に専門的なスキルが必要です。
ETL (抽出、変換、ロード) とは何ですか?
ETLは、Extract、Transform、Loadの略です。 このプロセスでは、ETL ツールがさまざまな場所からデータを抽出します。 RDBMS 次に、ソース システムは計算や連結などを適用してデータを変換し、そのデータをデータ ウェアハウス システムにロードします。
In ETL データはソースからターゲットへ流れるものです。 ETL プロセスでは、変換エンジンがあらゆるデータ変更を処理します。
ELT (抽出、ロード、変換) とは何ですか?
ELT は、データ移動に対するツールのアプローチを検討する別の方法です。 ELT では、データを書き込む前にデータを変換するのではなく、ターゲット システムに変換を実行させます。 データはまずターゲットにコピーされ、その後、その場で変換されます。
ELTは通常、Hadoopクラスタ、データアプライアンス、クラウドインストールなどの非SQLデータベースで使用されます。以下に、いくつかの包括的なリストを示します。 最高の ETL ツール データ管理のニーズに合わせて検討できます。
ETL と ELT: 並べて比較
ETL と ELT の主な違いは次のとおりです。
| 技術パラメータ | ETL | ELT |
|---|---|---|
| プロセス | データはステージング サーバーで変換されてから、Datawarehouse DB に転送されます。 | データはDBに残ります。 データウェアハウス.. |
| コードの使用法 | に使用
|
大量のデータに使用される |
| 変換 | 変換はETLサーバー/ステージング領域で行われます。 | 変換はターゲット システムで実行されます |
| 時間負荷 | データは最初にステージングにロードされ、その後ターゲット システムにロードされます。時間がかかります。 | データはターゲット システムに XNUMX 回だけロードされます。 もっと早く。 |
| 時間の変化 | ETL プロセスは、変換が完了するまで待つ必要があります。 データ サイズが大きくなるにつれて、変換時間も長くなります。 | ELT プロセスでは、速度がデータのサイズに依存することはありません。 |
| 時間 - メンテナンス | ロードして変換するデータを選択する必要があるため、高度なメンテナンスが必要です。 | データはいつでも利用できるため、メンテナンスの手間がかかりません。 |
| 実装の複雑さ | 初期段階では実装が容易です。 | ELT プロセスを実装するには、組織はツールに関する深い知識と専門スキルを備えている必要があります。 |
| データウェアハウスのサポート | オンプレミスのリレーショナル データおよび構造化データに使用される ETL モデル。 | 構造化データソースと非構造化データソースをサポートするスケーラブルなクラウドインフラストラクチャで使用されます。 |
| データレイクのサポート | サポートしません。 | 非構造化データでのデータ レイクの使用を許可します。 |
| 複雑 | ETL プロセスは、設計時に特定された重要なデータのみをロードします。 | このプロセスには、出力から後方への開発と、関連するデータのみのロードが含まれます。 |
| 費用 | 中小企業にとっては高コスト。 | オンラインの Software as a Service プラットフォームを使用することで、低い導入コストを実現します。 |
| ルックアップ | ETL プロセスでは、ファクトとディメンションの両方がステージング領域で使用できる必要があります。 | 抽出とロードが XNUMX 回のアクションで行われるため、すべてのデータが利用可能になります。 |
| 集合体 | データセット内のデータ量が増えると複雑さが増します。 | ターゲット プラットフォームの能力により、大量のデータを迅速に処理できます。 |
| 計算 | 既存の列を上書きするか、データセットを追加してターゲット プラットフォームにプッシュする必要があります。 | 計算列を既存のテーブルに簡単に追加します。 |
| 成熟 | このプロセスは XNUMX 年以上にわたって使用されています。 これは十分に文書化されており、ベストプラクティスは簡単に入手できます。 | 比較的新しい概念であり、実装が複雑です。 |
| Hardware | ほとんどのツールには、高価な固有のハードウェア要件があります。 | Saas ハードウェアのコストは問題ではありません。 |
| 非構造化データのサポート | 主にリレーショナル データをサポートします | 非構造化データのサポートがすぐに利用可能になります。 |