ELT (Extract, Load, Transform)
ELT ย่อมาจาก Extract, Load, and Transform เป็น data integration process สำหรับ transferring raw data จาก source server ไป data system (data warehouse หรือ data lake) บน target server แล้ว prepare data สำหรับ downstream uses
Extract และ load procedure สามารถแยกจาก transformation phase ได้ การแยก load phase จาก transformation process ลบ inherent dependency ระหว่าง phases เหล่านี้ สามารถ include data ที่ necessary สำหรับ transformations extract และ load process สามารถ include element ของ data ที่อาจ essential ในอนาคต Load process สามารถ take entire source และ load เข้า warehouses
Advantages of ELT (ข้อได้เปรียบของ ELT)
Real-time, flexible data analysis
Users มี adaptability วิเคราะห์ whole data set รวม real-time information ใน various ways โดยไม่ต้องรอ extract, transform, load
Lower cost and lower maintenance
ELT ได้ประโยชน์จาก powerful ecosystem ของ cloud-based platforms ที่ให้ much lower costs และ multiple plan options สำหรับ store และ process data ELT process โดยปกติต้องการ low maintenance เพราะ all information continually available และ transformation process โดยปกติ automated และ cloud-based
Efficient (มีประสิทธิภาพ)
ELT สามารถ take advantage ของ computing power ของ existing hardware เพื่อ perform transformations
Flexible resulting data set
เวลาใช้ ELT สามารถ move entire data set ไป target มีประโยชน์ถ้าไม่ want to transform data ก่อน move หรือ want flexibility ใน schema สำหรับ target data
Data ใกล้จะ simple แต่มาก (massive) เช่น log documents และ sensor data ในกรณีนี้ transformations ที่เกิดใน target อาจ relatively simple และ benefit มาจาก ability ของ target datastore ที่ load massive volumes quickly
Simplifying management (ลดความซับซ้อนการจัดการ)
ELT แยก loading และ transformation services ลด interdependencies ระหว่าง phases ลด risk และ integrate project administration
Leveraging the latest technologies (ใช้ประโยชน์จากเทคโนโลยีล่าสุด)
ELT solutions exploit power of new technologies shift development, security, compliance across enterprise
Scalability (ความสามารถในการขยาย)
Scalability ของ cloud infrastructure และ hosted services เช่น iPaaS (integration platform-as-a-service) และ SaaS ให้ organizations ability to expend resources on the fly พวกเขา allocate compute time และ storage space สำหรับ massive data transformation service
Future-proofed data sets (ชุดข้อมูลที่พร้อมสำหรับอนาคต)
ELT implementations ใช้ได้ precisely สำหรับ data warehousing systems แต่อยู่ใน data lake approach ที่ data collected จาก array of sources ด้วย separation of transformation process ทำให้ simpler to make eventual modifications to warehouse architecture
