Datastage，Informatica，Kettle

为什么要用ETL工具？
1.当数据来自不同的物理主机，这时候如使用SQL语句去处理的话，就显得比较吃力且开销也更大。
2.数据来源可以是各种不同的数据库或者文件，这时候需要先把他们整理成统一的格式后才可以进行数据的处理，这一过程用代码实现显然有些麻烦。
3.在数据库中我们当然可以使用存储过程去处理数据，但是处理海量数据的时候存储过程显然比较吃力，而且会占用较多数据库的资源，这可能会导致数据资源不足，进而影响数据库的性能。
上面所说的问题，我们用ETL工具就可以解决。它的优点有：
● 支持多种异构数据源的连接。（部分）
● 图形化的界面操作十分方便。
● 处理海量数据速度快、流程更清晰等。

=============================================================================================================
市面上常用的ETL工具：
datastage，最专业，ibm商业软件，收费
imformatica，收费
kettle，水壶，免费
Informatica和Datastage占据国内市场的大部分的份额。

它们的异同
1.操作
Informatica没有ctrl+z的功能，如果对job作了改变之后，想要撤销，返回到改变前是不可能的，相比Kettle跟Datastage在测试调试的时候不太方便
Datastage全部的操作在同一个界面中，不用切换界面，能够看到数据的来源，整个job的情况，在找bug的时候会比Informatica方便。

2.部署
Kettle只需要JVM环境，Informatica需要服务器和客户端安装，而Datastage的部署比较耗费时间，有一点难度

3.数据处理的速度
大数据量下Informatica 与Datastage的处理速度是比较快的，比较稳定。Kettle的处理速度相比之下稍慢。

4.服务
Informatica与Datastage有很好的商业化的技术支持，而Kettle则没有。商业软件的售后服务上会比免费的开源软件好很多。

5.扩展
Kettle的扩展性无疑是最好，因为是开源代码，可以自己开发拓展它的功能，而Informatica和Datastage由于是商业软件，基本上没有。

6.Job的监控
三者都有监控和日志工具。在数据的监控上，个人觉得Datastage的实时监控做的更加好，可以直观看到数据抽取的情况，运行到哪一个控件上。这对于调优来说，我们可以更快的定位到处理速度太慢的控件并进行处理，而informatica也有相应的功能，但是并不直观，需要通过两个界面的对比才可以定位到处理速度缓慢的控件。有时候还需要通过一些方法去查找。

7.网上的技术文档
Datastage < Informatica < kettle,相对来说，Datastage跟Informatica在遇到问题去网上找到解决方法的概率比较低，kettle则比较多

8.增量表：
在做增量表的时候，每次运行后都需要把将最新的一条数据操作时间存到数据库中，下次运行我们就取大于这个时间的数据。
Kettle有控件可以直接读取数据库中的这个时间置为变量；
对于没有类似功能控件的informatica，我们的做法是先读取的数据库中的这个时间存到文件，
然后主程序运行的时候指定这个文件为参数文件，也可以得到同样的效果。

【？】多张表同步、重复的操作：在项目中，很多时候我们都需要同步生产库的表到数据仓库中。一百多张表同步、重复的操作，对开发人员来说是细心和耐心的考验。
在这种情况下，开发人员最喜欢的工具无疑是kettle，多个表的同步都可以用同一个程序运行，不必每一张表的同步都建一个程序，
而informatica虽然有提供工具去批量设计，但还是需要生成多个程序进行一一配置，而datastage在这方面就显得比较笨拙。