使用SQL Server 2008 集成服務(wù)
在傳統(tǒng)的以ETL為中心的數(shù)據(jù)集成中，標(biāo)準(zhǔn)的數(shù)據(jù)源仍然是大多數(shù)數(shù)據(jù)倉庫的核心。然而，包括更加多樣化的數(shù)據(jù)源、法規(guī)要求以及全球和在線業(yè)務(wù)在內(nèi)的各種需求，正迅速地改變著對數(shù)據(jù)集成的傳統(tǒng)要求。在這個快速發(fā)展及不斷變化的背景下，從數(shù)據(jù)提取價值的需要和對這種需要的依賴能力變得比以往更加重要。有效的數(shù)據(jù)集成已成為制定有效決策的基礎(chǔ)。SQL Server Integration Services 提供了一個靈活、快速及可擴(kuò)展的體系結(jié)構(gòu)，能夠?qū)Ξ?dāng)前業(yè)務(wù)環(huán)境的數(shù)據(jù)進(jìn)行有效集成。
在本文中，我們將探討 SQL Server Integration Services （SSIS）如何成為一個有效的工具包，如何能在滿足傳統(tǒng)的 ETL 操作需求的同時滿足多方面數(shù)據(jù)集成不斷變化的需求。我們還將討論 SSIS 與主要的 ETL 提供商所提供的工具和解決方案的根本區(qū)別。SSIS 能夠極好地滿足全球企業(yè)（從最大的企業(yè)到最小的企業(yè)）不斷變化的需求。
SSIS體系結(jié)構(gòu)
任務(wù)流和數(shù)據(jù)流引擎
SSIS 既包含一個面向操作的任務(wù)流引擎，也包含一個可擴(kuò)展的快速數(shù)據(jù)流引擎。數(shù)據(jù)流存在于一個總體任務(wù)流的環(huán)境中。任務(wù)流引擎為數(shù)據(jù)流引擎提供運(yùn)行時資源和操作支持。任務(wù)流和數(shù)據(jù)流的這種組合，使 SSIS 能夠有效地作用于傳統(tǒng)的 ETL 或數(shù)據(jù)倉庫（DW）應(yīng)用場景以及許多其他擴(kuò)展的應(yīng)用場景（如數(shù)據(jù)中心操作）。在本文中，我們將主要關(guān)注與數(shù)據(jù)流相關(guān)的應(yīng)用場景。SSIS 用于面向數(shù)據(jù)中心的工作流時，是另外一個單獨(dú)的主題。
管道體系結(jié)構(gòu)
SSIS 的核心是數(shù)據(jù)轉(zhuǎn)換管道。這個管道有一個面向緩沖區(qū)的體系結(jié)構(gòu)，一旦數(shù)據(jù)被加載到內(nèi)存中，該體系結(jié)構(gòu)能夠異?？焖俚夭倏v數(shù)據(jù)行集。方法是,在一次單一操作中執(zhí)行 ETL 進(jìn)程中的所有數(shù)據(jù)轉(zhuǎn)換,而不是分段處理數(shù)據(jù)，盡管存在特定的轉(zhuǎn)換或操作需求，或者硬件也可能會成為障礙。為了獲得最佳性能，該體系結(jié)構(gòu)需要避免分段處理數(shù)據(jù)。SSIS 甚至盡量避免從內(nèi)存中復(fù)制數(shù)據(jù)。相比之下，傳統(tǒng)的 ETL 工具往往需要在入庫和集成進(jìn)程的幾乎每個步驟都分段處理。不分段操縱數(shù)據(jù)的能力超越了對關(guān)系數(shù)據(jù)和平面文件數(shù)據(jù)的傳統(tǒng)處理能力，也超越了傳統(tǒng)的 ETL 轉(zhuǎn)換功能。SSIS 能將所有類型的數(shù)據(jù)（結(jié)構(gòu)化、非結(jié)構(gòu)化和 XML 等）在被加載到其緩沖區(qū)之前轉(zhuǎn)換為一種表格結(jié)構(gòu)（列和行）。能夠應(yīng)用于表格數(shù)據(jù)的任何數(shù)據(jù)操作，也能夠應(yīng)用于數(shù)據(jù)流管道中任何步驟的數(shù)據(jù)。這意味著，一個單一的數(shù)據(jù)流管道能夠集成各種不同來源的數(shù)據(jù)，并且能夠執(zhí)行任何復(fù)雜的操作，而不必分段處理數(shù)據(jù)。
請注意，如果出于業(yè)務(wù)或操作方面的原因需要進(jìn)行分段處理，SSIS 也能對這些任務(wù)的執(zhí)行提供良好支持。
這種體系結(jié)構(gòu)支持在各種數(shù)據(jù)集成應(yīng)用場景（從傳統(tǒng)的面向 DW 的 ETL 到非傳統(tǒng)的信息集成技術(shù)）中使用 SSIS。
ADO.NET 連接
集成服務(wù)解決方案的一個重要方面是提取或加載數(shù)據(jù)。因此，集成解決方案能夠無縫連接到多種數(shù)據(jù)源是非常重要的，這樣可以通過全面的數(shù)據(jù)接入平臺獲得最佳的性能和可靠性收益。SQL Server 2008 Integration Services 已針對 ADO.NET 連接（以前的版本是針對 OLE DB 或 ODBC 進(jìn)行優(yōu)化）進(jìn)行優(yōu)化。與 ADO.NET 的連接改善了對系統(tǒng)集成和對第三方的支持。SQL Server 2005 Integration Services 是使用 OLE DB 完成重要任務(wù)（如查找），但現(xiàn)在用戶可以針對任務(wù)、源組件和目標(biāo)組件使用 ADO.NET。
線程池
集成解決方案需要擴(kuò)大規(guī)模，但當(dāng)它達(dá)到一定規(guī)模之后，要改善性能就變得非常困難。SQL Server 2008 Integration Services 通過在多個組件之間共享線程打破了這種限制，從而提高了并行度，減少了堵塞。因此，高度并行、多處理器和多核心系統(tǒng)在很大程度使性能獲得提高。
在大部分系統(tǒng)的性能獲得提高的同時，線程池也減少了手動配置 SSIS 包來增加并行性的需要，從而提高了開發(fā)人員的工作效率。
持續(xù)查找
執(zhí)行查找是集成解決方案中最常見的操作之一。在數(shù)據(jù)入庫時查找操作尤為普遍，因?yàn)槭聦?shí)記錄是通過查找將業(yè)務(wù)鍵轉(zhuǎn)換為它們相應(yīng)的代理。SQL Server 2008 Integration Services 提高了查找操作的性能以相應(yīng)滿足最大表格的需要。
在處理輸入列之前，可以將查找轉(zhuǎn)換設(shè)定為緩存部分或全部引用數(shù)據(jù)。SQL Server 2008 Integration Services 能夠從任何源加載全部緩存，并允許緩存大小超過 4GB，即使在 32 位操作系統(tǒng)上也是如此。通過利用部分緩存，SQL Server 2008 Integration Services 能夠通過使用數(shù)據(jù)流預(yù)加載查找操作。部分緩存支持 OLEDB、ADO.Net 和 ODBC 的數(shù)據(jù)庫查找，而且能夠跟蹤查找結(jié)果和查找失誤。如果不選擇對引用數(shù)據(jù)預(yù)先加載緩存，SQL Server 2008 Integration Services 也支持對成批數(shù)據(jù)庫的調(diào)用和區(qū)分大小的匹配。
集成應(yīng)用場景
SSIS的數(shù)據(jù)傳輸操作
盡管 SQL Server 2005 Integration Services 相對以前的版本來說已經(jīng)是一個能夠提供更多功能的強(qiáng)大產(chǎn)品，但許多用戶發(fā)現(xiàn)，其通過使用向?qū)У暮唵螖?shù)據(jù)傳輸操作非常復(fù)雜，缺乏實(shí)用性。SQL Server 2008 Integration Services 提供了使用 ADO.NET 的、改進(jìn)的向?qū)Ш透倪M(jìn)的用戶界面，能夠執(zhí)行自動數(shù)據(jù)類型轉(zhuǎn)換，與以前的版本相比更具可擴(kuò)展性。
圖2
SSIS的數(shù)據(jù)倉庫加載
從本質(zhì)上講，SSIS 是一個綜合的、功能全面的 ETL 工具。與高端市場上的競爭對手相比，其功能、規(guī)模和性能非常好，而且購置費(fèi)用也相對較少。數(shù)據(jù)集成管道體系結(jié)構(gòu)允許同時使用來自多個源的數(shù)據(jù)，執(zhí)行多種復(fù)雜的轉(zhuǎn)換，然后同時將數(shù)據(jù)放置到多個目標(biāo)位置。這種體系結(jié)構(gòu)支持 SSIS 不僅可以用于大型數(shù)據(jù)庫，也可以用于復(fù)雜的數(shù)據(jù)流。在數(shù)據(jù)從一個（或多個）源位置向一個（或多個）目標(biāo)位置流動時，該結(jié)構(gòu)支持拆分、合并和組合不同的數(shù)據(jù)流，以及以其他方式對數(shù)據(jù)加以控制。圖 3 顯示了此類數(shù)據(jù)流的一個示例。
SQL Server 2008 提供對 Change Data Capture （更改數(shù)據(jù)捕獲，CDC）的支持，可以使用 CDC 記錄在 SQL Server 表格中的插入、更新和刪除操作，并且能夠以一種便于使用的相關(guān)方式對細(xì)節(jié)進(jìn)行更改。當(dāng)使用 SQL Server 2008 Integration Services 執(zhí)行某種 ETL 解決方案時，可以利用 CDC 確保在提取進(jìn)程中僅包含更改的數(shù)據(jù)，從而消除了執(zhí)行全部數(shù)據(jù)（包含每個 ETL 操作中的未更改數(shù)據(jù)）刷新所需的開銷。
SSIS 可以通過一套稱為適配器的專用組件來使用來自多種源的數(shù)據(jù)以及將數(shù)據(jù)加載到多種源，這些源包括托管的（ADO.NET）、OLE DB、ODBC、平面文件、 Microsoft Office Excel® 和 XML。SSIS 甚至可以使用來自自定義數(shù)據(jù)適配器（內(nèi)部開發(fā)或由第三方提供）的數(shù)據(jù)，能夠封裝早期數(shù)據(jù)并將其合理地加載到數(shù)據(jù)源中，這樣數(shù)據(jù)就能無縫地集成到 SSIS 數(shù)據(jù)流中。SSIS 包含一組強(qiáng)大的數(shù)據(jù)轉(zhuǎn)換組件，用于完成構(gòu)建數(shù)據(jù)倉庫必需的數(shù)據(jù)操作。這些轉(zhuǎn)換組件包括：
◆聚合：在單一傳遞中執(zhí)行多次聚合。
◆排序：對數(shù)據(jù)流中的數(shù)據(jù)進(jìn)行排序。
◆查找：執(zhí)行靈活的、緩存的查找操作以引用數(shù)據(jù)集。
◆透視和逆透視：對數(shù)據(jù)流中透視數(shù)據(jù)和逆透視數(shù)據(jù)的兩種獨(dú)立轉(zhuǎn)換。
◆合并、合并聯(lián)接和全部合并：可以執(zhí)行聯(lián)接和合并操作。
◆派生列：執(zhí)行列級別的操作，如字符串、數(shù)字、日期/時間操作以及代碼頁翻譯。這一組件中包含了其他供應(yīng)商的組件，因此可以使用該組件執(zhí)行許多不同的轉(zhuǎn)換。
◆數(shù)據(jù)轉(zhuǎn)換：在各種類型（如數(shù)字和字符串）之間轉(zhuǎn)換數(shù)據(jù)。
◆審核：用于添加沿襲的元數(shù)據(jù)列和其他可操作的審核數(shù)據(jù)列。
除了這些核心數(shù)據(jù)倉庫轉(zhuǎn)換以外，SSIS 還對高級數(shù)據(jù)倉庫的需要提供支持，如提供Slowly Changing Dimensions （緩慢變化維，SCD）。SSIS 的 SCD 向?qū)б龑?dǎo)用戶通過指定對緩慢變化維的托管要求，并根據(jù)輸入的信息，生成具有多種變換的完整數(shù)據(jù)流，以執(zhí)行緩慢變化維的加載。支持標(biāo)準(zhǔn)的 Type 1、2 SCD，還提供兩種新的 SCD 類型（固定的屬性和推斷成員）。圖 4 顯示了 SCD 向?qū)У囊粋€頁面。
也可以使用 SSIS 直接從數(shù)據(jù)流管道加載 Analysis Services 的多維 OLAP（MOLAP）緩存。這意味著不僅可以使用 SSIS 創(chuàng)建關(guān)系數(shù)據(jù)倉庫，也可以使用它為分析型應(yīng)用程序加載多維數(shù)據(jù)集。
SSIS和數(shù)據(jù)質(zhì)量
SSIS 的關(guān)鍵功能之一（也是其集成數(shù)據(jù)的能力）是，通過集成不同的技術(shù)來操縱數(shù)據(jù)的能力。這種能力使 SSIS 創(chuàng)新性地引入了“模糊邏輯”——基于數(shù)據(jù)清理的組件。Microsoft研究實(shí)驗(yàn)室開發(fā)的這些組件代表了此領(lǐng)域的最新研究動向。該組件采取的方法是，使用一個獨(dú)立的域，該域不依賴于任何特定的域數(shù)據(jù)，如地址/郵編等引用數(shù)據(jù)。這使用戶可以使用這類轉(zhuǎn)換清理大多數(shù)類型的數(shù)據(jù)，而不只是清理地址數(shù)據(jù)。
SSIS在 Analysis Services 中深度集成了數(shù)據(jù)挖掘功能。數(shù)據(jù)挖掘在數(shù)據(jù)集中提取模式并將它們封裝到挖掘模型中。您可以使用此挖掘模型進(jìn)行預(yù)測——哪些數(shù)據(jù)屬于一個數(shù)據(jù)集，以及哪些數(shù)據(jù)存在異常。這樣，就可以將數(shù)據(jù)挖掘用作管理數(shù)據(jù)質(zhì)量的工具了。
SSIS對復(fù)雜數(shù)據(jù)路由的支持，不但有助于識別異常數(shù)據(jù)，面且能夠自動用更好的值糾正和替換異常數(shù)據(jù)。這就使“關(guān)閉循環(huán)”清理應(yīng)用場景得以實(shí)現(xiàn)。
除了內(nèi)置的數(shù)據(jù)質(zhì)量功能以外，用戶還可以擴(kuò)展 SSIS 以使其與第三方數(shù)據(jù)清理解決方案共同發(fā)揮作用。
超越傳統(tǒng)ETL的SSIS應(yīng)用
數(shù)據(jù)流管道能夠操縱幾乎任何類型數(shù)據(jù)的能力、與 Analysis Services 的深度集成、對多種數(shù)據(jù)操縱技術(shù)的擴(kuò)展支持以及對富工作流引擎的引入，使 SSIS 可以應(yīng)用于傳統(tǒng)的 ETL 無法企及的許多應(yīng)用場景。
面向服務(wù)的體系結(jié)構(gòu)
SSIS 支持在數(shù)據(jù)流管道中使用 XML 數(shù)據(jù)，這類數(shù)據(jù)可以是來自磁盤文件的數(shù)據(jù)，也可以是通過HTTP 獲取的 URL 數(shù)據(jù)。XML 數(shù)據(jù)能夠被“細(xì)分”成為表格數(shù)據(jù)，然后SSIS就可以在數(shù)據(jù)流中輕松地操縱它們。這種對 XML 的支持能夠與對 Web 服務(wù)的支持相互配合。SSIS 能夠與控制流中的 Web 服務(wù)相互作用以捕獲 XML 數(shù)據(jù)。
可以從文件中、從 Microsoft Message Queuing （Microsoft 消息隊列任務(wù)，MSMQ）中以及通過 HTTP 從整個 Web 上捕獲 XML 數(shù)據(jù)。SSIS 支持使用 XSLT、 XPATH 和 diff/merge 等操縱 XML 數(shù)據(jù)，而且可以將 XML 數(shù)據(jù)集成到數(shù)據(jù)流中。
這種支持使 SSIS 成為靈活的、面向服務(wù)的體系結(jié)構(gòu)（SOA）的一部分。
數(shù)據(jù)挖掘和文本挖掘
SSIS 不僅在Analysis Services中深度集成了數(shù)據(jù)挖掘功能，它還提供文本挖掘組件。文本挖掘（也稱為文本分類）涉及到識別業(yè)務(wù)類別與文本數(shù)據(jù)（單詞和短語）之間的關(guān)系。它允許在文本數(shù)據(jù)中搜索關(guān)鍵字詞，并且基于此自動識別“感興趣的”文本。這能夠進(jìn)一步推動“關(guān)閉循環(huán)”操作的實(shí)施，從而實(shí)現(xiàn)業(yè)務(wù)目標(biāo)，如提高客戶滿意度及提高產(chǎn)品和服務(wù)的質(zhì)量。
按需數(shù)據(jù)源
SSIS 的獨(dú)特功能之一是 DataReader 目標(biāo)，用于將數(shù)據(jù)存入 ADO.NET DataReader 中。當(dāng)數(shù)據(jù)流管道中包含此組件時，可以使用包含 DataReader 目標(biāo)的包作為數(shù)據(jù)源，并將該數(shù)據(jù)源暴露為一個 ADO.NET DataReader。因此，不僅可以將 SSIS 用作傳統(tǒng)的 ETL 加載數(shù)據(jù)倉庫，還可以將它用作數(shù)據(jù)源，用以按照需要從多個源交付集成的、一致的數(shù)據(jù)，以及清理數(shù)據(jù)。例如，您可能會使用 SSIS 包作為其數(shù)據(jù)源，通過此方法幫助 Reporting Services 從多個不同的數(shù)據(jù)源上獲取數(shù)據(jù)。
集成了所有這些功能的一個可能的應(yīng)用場景是，從 RSS 源識別和提交有趣的文章作為常規(guī)報告的一部分。圖7顯示了一個通過 Internet 從 RSS 源獲取數(shù)據(jù)的 SSIS 包，該 SSIS 包從一個 Web 服務(wù)上集成數(shù)據(jù)，執(zhí)行文本挖掘以從 RSS 源上找到有趣的文章，然后將有趣的文章放入一個 DataReader 目標(biāo)，最后在Reporting Services 報告中使用該文章。
從 ETL 工具的角度來看，該應(yīng)用場景非常與眾不同，因?yàn)樗鼪]有進(jìn)行數(shù)據(jù)的提取、轉(zhuǎn)換和加載。
【編輯推薦】
