AA5-EV1-VALIDACION DE TECNICAS DE MIGRACION Y HERRAMIENTAS ETCL
Presentado por:
ALBA RUBY MESA YEPES GREISON DARIO PEMBERTY VELEZ LUISA FERNANDA CANO
ESPECIALIZACION BASE DE DATOS SENA Mayo 30 de 2016
ALCALDIA DE SAN ANTONIO DEL SENA MIGRACIÓN: SECRETARÍA DE HACIENDA TÉCNICAS EXISTENTES Existen varias técnicas relacionadas con los procesos de migración de datos, a continuación se relacionan las más utilizadas en los procesos actuales. SINCRONIZACIÓN DE BASE DE DATOS Es una técnica muy utilizada en procesos de migración de datos, consiste en hacer que dos bases de datos sean equivalentes en el mismo tiempo. Se logra mediante la copia de datos y metadatos de una base de datos origen a una base de datos destino mediante una herramienta tecnológica. Los asistentes de sincronización de los SMBD son configurados con las bases de datos origen y la base de datos destino, parametrizando la ubicación de particiones y métodos de seguridad. IMPORTACIÓN/EXPORTACIÓN DE ARCHIVOS (CSV) O XML A TRAVÉS DE COMANDOS DE CONSOLA O INTERFAZ GRÁFICA Para las actividades de migración de datos es muy común utilizar archivos para el movimiento de los datos. Se pueden utilizar diferentes tipos de archivos, pero los formatos más usados son los archivos de texto, llamados archivos planos, que guardan la información sin formato usando solo caracteres. Los sistemas de codificación más comunes para estos archivos son: ASCII, ISO-8859-1 o Latín-1 y Unicode. Los archivos de texto pueden tener formato delimitado utilizando coma (,), punto y coma (;) o Tabulaciones para delimitar los campos definiendo de esa forma columnas y filas. También pueden tener formato de ancho fijo para los campos, que se utiliza para delimitar columnas y filas. Un formato de archivo plano muy usado es el “.CSV” (Comma-Separated-Values, en español Valores Separados por Coma), donde el delimitador usado es una coma. Muy usado para movimientos de datos con hojas de cálculo. Otro formato útil para la migración de datos es el “.XML” (eXtensible Marckup Language), que utiliza un metalenguaje extensible de etiquetas las cuales sirven como estándar para intercambio de información estructurada entre distintas plataformas. SENTENCIAS DML Una posibilidad de los SMBD es la utilización de sentencias DML para generar scripts SQL que permiten realizar migraciones de bases de datos existentes. En un script SQL se pueden realizar las siguientes tareas:
Copia de seguridad para creación de todos los usuarios, grupos, inicios de sesión y permisos.
Creación o actualización de código para la implementación de una base de datos. Creación de un entorno de pruebas.
Los procesos se orientan al uso de las sentencias DML, para realizar el paso de datos de la base de datos de origen a la base de datos destino, a través de los entornos administrativos de los SMBD.
PROCEDIMIENTOS ETCL (EXTRACCIÓN, TRANSFORMACIÓN, LIMPIEZA Y CARGA) Esta técnica se basa en el diseño y construcción de procedimientos técnicos para realizar Extracción, Transformación, Limpieza y Cargue de Datos (ETCL). Los procedimientos o pasos necesarios para el desarrollo de un proyecto de migración de datos utilizando la metodología ETCL son:
En todo proceso de migración, se ha de proceder a integrar dos o más sistemas por lo cual pueden usarse diferentes técnicas, siendo las más comunes:
Perfilado de datos: Permite explorar los propios datos, agregando a los de origen las reglas necesarias. Esta técnica hace posible también el obtener resultados acerca de duplicidades o errores en los datos. Limpieza de datos: Puede llevarse a cabo empleando para ello una herramienta de Data Quality que ayude a eliminar errores, incorrecciones o duplicidades, entre otras inconsistencias; y que, al mismo tiempo, enriquezca y homologue los datos, preparándolos para el sistema de destino. Conexión a distintas fuentes de datos: Técnica que precisa de una herramienta ad hoc que garantice el hacerlo en condiciones de simultaneidad.
Las ventajas que proporciona el usar estas tecnologías se traducen en un aumento de la precisión, reducción del índice de errores, mayor agilidad y optimización del tiempo; ya que su automatización evita los procesos manuales, algo que supone su principal beneficio. QUÉ SE DEBE TENER EN CUENTA PARA LA ELECCIÓN DEL SOFTWARE DE ETL Existen muchas herramientas de ETL diferentes, como también hay infinidad de bases de datos, sistemas y organizaciones distintas. En el momento de seleccionar la que liderará la migración e integración de datos pueden tomarse en consideración las recomendaciones de Gartner en cuanto a las cualidades que la herramienta ha de presentar:
Adaptabilidad a distintos sistemas operativos y plataformas hardware. Capacidades de gestión de datos: en cuanto a minería, perfilado y calidad. Habilidades para monitorizar, gestionar y controlar los procesos de integración de datos: en lo relativo a gestión de errores, recolección de estadísticas de ejecución, controles de seguridad, etc. Capacidades SOA. Capacidades de diseño y entorno de desarrollo: como soporte para test, representaciones gráficas, modelos y flujos de datos y flujos de datos, etc. Cualidades de arquitectura e integración referidas al grado de interoperabilidad, compactación y consistencia de los diferentes componentes que la formen.
Aunque la elección de un software de ETL no es sencilla, su repercusión en el curso del proyecto es decisiva. Una decisión correcta pasa por la automatización y en base a ella quedan garantizados:
Un aumento en la velocidad de desarrollo del proyecto. La descentralización del control de la ejecución y de todos los procesos. Una mayor agilidad en el negocio. Mayor precisión. Minimización de errores.
HERRAMIENTAS ETCL
APLICACIÓN DE USO LIBRE Benetl: Es una herramienta ETL de uso libre, desarrollada entre los años 2007 – 2014, hecha en java y trabaja con base a lenguajes de base de datos PostgreSQL o MySQL. Esta herramienta se creó para facilitar el trabajo con archivos TXT, CSV o archivos de fuente de datos XML. Para recuperar los datos que tendrán que definir un dato de tiempo y una entidad, que está representado por datos a calcular o para mostrar. Todos los objetos útiles serán creados por Benetl dentro de una base de datos MySQL o PostgreSQL. La aplicación también es capaz de recuperar automáticamente los datos mediante el uso de diversas tareas planificadas de su sistema. Mediante el uso de Benetl podrá se ha podido recuperar fácilmente la información de los archivos de datos planos, la organización y el filtrado de acuerdo con su dato de tiempo y entidad.
Caracteristicas Benetl
Tecnologias: Java 7 update 80 PostgreSQL 9.5.0 (con el apoyo plpgsql) MySQL 5.6 con función de OLD_PASSWORD de inicio de sesión de usuario (para controlador suministrado) Con Windows (se utiliza "tareas programadas") Benetl 4.7 funciona en Linux. Requerimientos Tecnicos: ejecución de Java (JRE) 1.7 base de datos PostgreSQL 9.5 con soporte plpgsql base de datos de MySQL 5.6 con OLD_PASSWORD la función de inicio de sesión de usuario o el controlador oficial de MySQL (no incluido) Probado en sistemas de 64 bits Ejemplo: Nombre EtlTool… Definir Nombre, Este nombre es también el nombre de la tabla de PostgreSQL o tabla de MySQL donde se almacenan las líneas de datos. Un archivo llamado "EtlTool.bat" se creará en la carpeta de origen de datos.
Debe presionar enter para validar su nombre EtlTool, y luego se pueden guardar los parámetros.
APLICACIÓN SMBD SELECCIONADO 1. SQL SERVER INTEGRATION SERVICES: Microsoft Integration Services es una plataforma para la creación de soluciones empresariales de transformaciones de datos e integración de datos. Integration Services sirve para resolver complejos problemas empresariales mediante la copia o descarga de archivos, el envío de mensajes de correo electrónico como respuesta a eventos, la actualización de almacenamientos de datos, la limpieza y minería de datos, y la administración de objetos y datos de SQL Server. Los paquetes pueden funcionar en solitario o junto con otros paquetes para hacer frente a las complejas necesidades de la empresa. Integration Services puede extraer y transformar datos de diversos orígenes como archivos de datos XML, archivos planos y orígenes de datos relacionales y, después, cargar los datos en uno o varios destinos. Integration Services contiene un variado conjunto de tareas y transformaciones integradas, herramientas para la creación de paquetes y el servicio Integration Services para ejecutar y administrar los paquetes. Las herramientas gráficas de Integration Services se pueden usar para crear soluciones sin escribir una sola línea de código. También se puede programar el amplio modelo de objetos de Integration Services para crear paquetes mediante programación y codificar tareas personalizadas y otros objetos de paquete. El SSIS Import/Export Wizard permite mover datos de origen a destino sin modificar los datos del origen y permitiendo hacer iteraciones y cambios de información antes de llegar al destino dentro de tablas de ETL. Se pueden importar datos de fuentes diferentes a SQL Server. Con la herramienta Business Intelligence Development Studio, se pueden realizar tareas de migración fácilmente usando tareas visuales. Si se desea crear nueva funcionalidad, se pueden crear scripts en c# o VB.
Los paquetes, que son las unidades de almacenamiento de estas tareas de migración se pueden guardar en archivos dtsx o en la base de datos en formato XML. Una vez implementado el paquete puede ser depurado. Caracteristicas SSIS
Ultima Version: SQL Server 2014 Integration Services Requerimientos Técnicos: Instalar en un equipo de 64 bits Instalar en un servidor dedicado para ETL Si requiere las características en tiempo de diseño de Integration Services,
también debe instalar Business Intelligence Development Studio. Si necesita las versiones de 32 bits de las herramientas y del motor en tiempo de ejecución de Integration Services para ejecutar ciertos paquetes en modo de 32 bits, también debe instalar Business Intelligence Development Studio.
2. ORACLE WAREHOUSE BUILDER: Es una complete herramienta para todos los aspectos de administración de datos y metadatos. Esta brinda características para asegurar la calidad de datos, que integran el modelado relacional y multidimensional y que permiten la administración de todo el ciclo de vida de datos y metadatos Enterprise ETL Option La opción empresarial ETL (Enterprise ETL Option) para Warehouse Builder es una opción que puede ser adquirida con Oracle Warehouse Builder como parte de la edición empresarial del motor de base de datos (Oracle DB Enterprise Edition).
Figura 1 Opciones de Warehouse Builder. Este resumen ejecutivo cubre únicamente la ETL Enterprise Option como se muestra en la figura 1.
Opciones Avanzadas para Carga de Datos En grandes implementaciones, más y más procesos se ejecutan en paralelo, agotando los recursos debido a las grandes cantidades de datos que participan en la carga. Como parte de la Enterprise ETL Option, Warehouse Builder permite ejecutar cargas de datos usando métodos rápidos y eficientes tales como el Oracle Data Pump y transportable tablespaces. Esta es una aproximación completamente diferente al movimiento de datos que se realiza por medio de conjuntos de datos controlados por el motor de base de datos. Los incrementos en velocidad de carga se deben entonces a la omisión de las capas SQL tradicionales. Soporte a Dimensiones Lentamente Cambiantes Integrado En Warehouse Builder la lógica de dimensiones lentamente cambiantes es diseñada en los metadatos de la dimensión. La dimensión captura toda la lógica que será aplicada a los datos que se insertan dentro de la misma.
Figura 2. Dimensiones Lentamente Cambiantes
Una vez, los usuarios de negocio han decidido que atributos son importantes, el modelador de datos diseña la dimensión. Con los pasos de ETL el desarrollador ve esta dimensión como cualquier otra. El siguiente paso es definir cómo efectuar los cambios y actualizaciones en la dimensión. Warehouse Builder automatiza esto basado en la
definición de la dimensión. La combinación entre estos pasos, el diseño y la estandarización hacen que los procesos relacionados con dimensiones lentamente cambiantes presente un alto desempeño en su ejecución. Traza Lineal de Principio a Fin Los servicios de administración de dependencias (Warehouse Builder Dependency Management ) le permiten prever el efecto que puedan tener los cambios que se hagan en cualquier lugar de los metadatos del sistema ETL antes de que estos puedan afectarlo y deterióralo.
Figura 3. Propagando cambios en el sistema.
Por primera vez, tendrá la posibilidad de administrar los cambios de su sistema de manera proactiva. Como un ejemplo (Figura 3), usted puede propagar los cambios a través de su sistema haciendo uso el Mapping Editor. Administración de Configuraciones Avanzadas Tener que mover sistemas o aplicaciones de un ambiente a otro (por ejemplo de desarrollo a producción) es un problema frecuente.
Con la Enterprise ETL Option de Warehouse Builder, es posible generar un modelo para configurar los ambientes de desarrollo, pruebas y producción a niveles separados. Para mover los cambios desde el ambiente de desarrollo a producción, el código generado en desarrollo es modificado en producción solo en áreas específicas. Por ejemplo, la información sobre las conexiones es substituida por la definida en desarrollo.
VENTAJAS, DESVENTAJAS, TIEMPOS Y COSTO DE LAS HERRAMIENTAS.
Técnica
Sincronización de base de datos
Descripción Es una técnica muy utilizada en procesos de migración de datos, consiste en hacer que dos bases de datos sean equivalentes en el mismo tiempo. Se logra mediante la copia de datos y metadatos de una base de datos origen a una base de datos destino mediante una herramienta tecnológica. Los asistentes de sincronización de los SMBD son configurados con las bases de datos origen y la base de datos destino, parametrizando la ubicación de particiones y métodos de seguridad. Requerimientos técnicos
SQL SERVER SQL INTEGRATION Estándar SERVICES
Server
Ventajas
Desventajas
Tiempo
3 semanas.
Es un sistema de gestión de base de datos. Es útil para manejar y obtener datos de la red de redes. Nos permite olvidarnos de los ficheros que forman la base de datos. Si trabajamos en una red social nos permite agregar otros servidores de SQL Server. Por ejemplo, dos personas que trabajan con SQL Server, uno de ellos se puede conectar al servidor de su otro compañero y así se puede ver las bases de datos del otro compañero con SQL Server. SQL permite administrar permisos a todo. También permite que alguien conecte su SQLO al nuestro, pero sin embargo podemos decirle que no puede ver esta base de datos, pero otro sí.
Utiliza mucho la memoria RAM para las instalaciones y utilización de software. No se puede utilizar como practicas porque se prohíben muchas cosas, tiene restricciones en lo particular. La relación, calidad y el precio está muy debajo comparado con oracle. Tiene muchos bloqueos a nivel de página, un tamaño de página fijo y demasiado pequeño, una pésima implementación de los tipos de datos variables.
Semana 1: Análisis de datos Semana 2: Migración y validación de información Semana 3: Optimización de proceso
ORACLE WAREHOUSE BUILDER
Oracle Estándar
Oracle es el motor de base de datos objetorelacional más usado a nivel mundial. Puede ejecutarse en todas las plataformas, desde una Pc hasta un supercomputador. Oracle soporta todas las funciones que se esperan de un servidor "serio": un lenguaje de diseño de bases de datos muy completo (PL/SQL) que permite implementar diseños "activos", con triggers y procedimientos almacenados, con una integridad referencial declarativa bastante potente. Permite el uso de particiones para la mejora de la eficiencia, de replicación e incluso ciertas versiones admiten la administración de bases de datos distribuidas. El software del servidor puede ejecutarse en multitud de sistemas operativos. Existe incluso una versión personal para Windows 9x, lo cual es un punto a favor para los desarrolladores que se llevan trabajo a casa. Oracle es la base de datos con más orientación hacía INTERNET.
Las versiones más recientes de Oracle son la 11g, 10g, 9g, 8g, desde el lanzamiento original de la 8 se sucedieron varias versiones con correcciones, hasta alcanzar la estabilidad en la 8.0.3. El motivo de tantos fallos fue, al parecer, la remodelación del sistema de almacenamiento por causa de la introducción de extensiones orientadas a objetos. El mayor inconveniente de Oracle es quizás su precio. Incluso las licencias de Personal Oracle son excesivamente caras, en mi opinión. Otro problema es la necesidad de ajustes. Un error frecuente consiste en pensar que basta instalar el Oracle en un servidor y enchufar directamente las aplicaciones clientes. Un Oracle mal configurado puede ser desesperantemente lento. También es elevado el coste de la información, y sólo últimamente han comenzado a aparecer buenos libros sobre asuntos técnicos distintos de la simple instalación y administración.
3 semanas. Semana 1: Análisis de datos Semana 2: Migración y validación de información Semana 3: Optimización de proceso
PRECIO LICENCIA SQL SERVER 2014
Ediciones de SQL Server 2014
Ideal para...
Enterprise
Rendimiento confiable y completo para satisfacer los requisitos de base de datos y de Business Intelligence más exigentes. La edición Enterprise proporciona los niveles de servicio y rendimiento más altos para las cargas de trabajo de nivel 1.* Business Una plataforma amplia que permite Intelligence a las organizaciones compilar e implementar soluciones de BI seguras, escalables y administrables. Standard Funcionalidad de Business Intelligence y administración de datos básica para cargas de trabajo que no son críticas, con recursos de TI mínimos. Developer
Precio de Open NL (USD)
Modelo de licencia
Disponibilidad de canal
Por núcleo**
Licencias por volumen, hosting
$14,256***
Servidor + CAL****
Licencias por volumen, hosting
$8,908***
Por núcleo**
Licencias por volumen, hosting
$3,717***
Servidor + CAL**** Versión completamente funcional de Por usuario SQL Server que permite a los desarrolladores compilar, probar y demostrar aplicaciones con software de SQL Server de una manera rentable.
Licencias por volumen, $931*** hosting, minorista (FPP) Licencias por volumen, $38*** minorista (FPP)
PRECIO LICENCIA ORACLE
http://www.oracle.com/us/corporate/pricing/price-lists/business-intelligence-price-list071347.pdf
BIBLIOGRAFIA.
http://blog.powerdata.es/el-valor-de-la-gestion-de-datos/bid/353132/ETL-t-cnicas-demigraci-n-y-tipos-de-software https://platzi.com/blog/que-es-postgresql/ http://www.oracle.com/technology/products/warehouse/11gr1/datasheets/warehousebuilder-11g-etldatasheet.pdf
