大数据培训：ETL常见工具介绍

　　目前比较流行的ETL工具有Pentaho Kettle、Hawk、Informatica PowerCenter及DataStage，对这些工具的介绍如下。

　　1.Pentaho Kettle

　　Pentaho Kettle是一款国外免费开源的ETL工具，纯Java语言编写，可以在Windows、Linux、UNIX系统上运行，并且是绿色无需安装的。

　　Kettle的中文名称叫水壶，该工具的设计理念是希望把来自不同数据库中的数据放到一个“壶”里，然后以一种指定的格式流出。Kettle拥有两种脚本文件，分别是Transformation(转换)和Job(作业)，其中Transformation是用于完成数据的基础转换，而Job是完成整个工作流的控制。

　　2.Hawk

　　Hawk是一种数据采集和清洗工具，依据GPL(GNU通用公共许可证)协议开源，基于C#语言编写的，并且其前端界面使用WPF开发，支持插件扩展。

　　Hawk的含义为“鹰”，能够高效、准确地捕杀猎物。也就是说，Hawk能够灵活、有效地采集来自网页、数据库和文件等来源的数据，并通过可视化的拖曳操作快速地进行生成、过滤及转换等操作。Hawk主要应用于爬虫和数据清洗等领域。

　　3.Informatica PowerCenter

　　Informatica PowerCenter是Informatica公司开发的世界级的企业数据集成平台，也是业界领先的ETL工具。Informatica PowerCenter用于访问和集成几乎任何业务系统、任何格式的数据，它可按任意速度在企业内交付数据，具有高性能、高可扩展性、高可用性的特点。Informatica PowerCenter提供了多个可选的组件，以扩展Informatica PowerCenter的核心数据集成功能，这些组件包括数据清洗和匹配、数据屏蔽、数据验证、元数据交换等。

　　4.DataStage

　　IBM的InfoSphere DataStage简称DataStage，它是一个领先的ETL平台，可跨多个企业系统集成数据。DataStage利用高性能并行框架，可根据项目需求在云中或者本地部署ETL环境，它支持HBase、Hive、Amazon以及MongoDB等数据库的连接，可以灵活、有效地更新和管理数据继承的基础架构。