zoukankan      html  css  js  c++  java
  • 数据抽取技术汇总

    数据抽取技术:

    1 静态数据捕获
      用于一、数据仓库初时化时,二、需要完全修改的数据

    2 增量数据捕获

        (1) 通过交易日志,或数据库日志,包括诸如Oracle的Flashback query等日志捕获。可以使用 diff 工具帮助分析差异。(很少使用)
        (2) 从数据库触发器中捕获:触发器将信息写在一张增量数据变化表内(包括删除的信息)。其它集成组件定期读取该表。
        (3) 基于日期和时间标记的捕获 / 类似的包括基于绝对自增id的捕获:无法解决删除问题
             Oracle 10g以上版本和MS-SQLServer类似,有一个rowVersion,也可做类似的时间标记
             如果某些源数据没有这些字段,那可以考虑再不破坏原有表的基础上增加一些上述的标记字段。可以先咨询源系统开发商。
        (4) 对于拥有集合运算函数数据库例如oracle拥有minus,可以根据一些主键做集合运算,将差异结果存到单独的表中供其它程序读取。
        (5) 通过全表扫描比较来捕获:比较源数据的两个快照。当数据特别大时,性能成为问题。

             这是对于没有(3)中字段,且其它方法都不可用时候的最差选择。可以充分利用各种分段扫描算法。(很少使用)
        (6) 从源应用程序中捕获:修改源应用代码(很少使用)

        (7) 定制自己的jdbc驱动程序:法一,直接修改或重写驱动程序。法二,使用AOP技术对现有的驱动程序的接口进行weaver,对捕获的SQL进行分析处理。

  • 相关阅读:
    更好地限制一个UITextField的输入长度
    训练集(train set) 验证集(validation set) 测试集(test set)
    主流机器学习[xgb, lgb, Keras, LR]
    python pandas (ix & iloc &loc) 的区别
    机器学习:数据预处理之独热编码(One-Hot)
    SPARK第一天
    Spark简介
    scatter
    协方差和相关关系
    SQL存储过程
  • 原文地址:https://www.cnblogs.com/tohen/p/1686903.html
Copyright © 2011-2022 走看看