ETL工具比较（Informatica ,SSIS,Kettle ）

发现自己真懒，只写了几篇就不更新BLOG了。近期要换工作，得做做知识储备和整理。顺便开更把。

个人观点：

1. 如果是自家用，多数情况选哪个工具并不是决定性的。工具能优化工作效率，但不是没有就不能干活的，关键是设计，即使不用这些，靠程序和数据库自己的PROCEDURE 也能搞定这些事情。

2. 如果是作为BI的一部分，总不能让客户自己写代码吧。

土鳖比较：

Informatica  --> 土豪首选；

SSIS --> 装SQL SERVER了吗？如果装了还需要考虑什么？

kettle --> 免费。

以下都是转的： 

常见ETL工具：

http://blog.csdn.net/hfxl1108/article/details/8564941

Informatica VS SSIS
从易用性来说，Informaitca有四个开发管理组件，初学者可能不知道如 何下手，所以关键先要了解PowerCenter的开发流程。SSIS有BIDS和SSMS，主要的开发工作在BIDS上完成，但是BIDS是基于 Visaul Studio的，如果是没有做过.NET开发的人员，VS的复杂的开发环境可能让他们不知所措，但是对于熟悉VS的开发人员来说，通过VS，他们可以使用 更多的资源，比如源管理器，VSTFS等。从界面的人性化上看，SSIS无疑更好，这是Microsoft的一贯特色，PowerCenter有些地方连 右键菜单都没有。
　　SSIS的数据流如同PowerCenter的Mapping，SSIS的控制流如同PowerCenter的Task，SSIS的 Package如同PowerCenter的WorkFlow。PowerCenter的Mapping和WorkFlow分开开发，在一个大型开发团队 中，开发人员开发Mapping，而有管理人员将多个Mapping在WorkFlow中统一调度。但如果是只有几个人的开发团队中，这种模式的效率就不 如SSIS了，因为小型团队中每个人都独立工作，开发人员需要开发好Mapping后，再在WorkFlow建立Session，需要再一次为 Session配置连接和参数。相反，SSIS不适合多人开发，因为不像PowerCenter将Mapping和WorkFlow分开开发，所以当一个 人在开发Package时，其他人就插不上手。
　　SSIS的运行监控是非常棒的设计，可以看到数据流的执行情况。如果数据流出问题，可以马上知道在那个转换组件上发生了问题。而 PowerCenter的Monitor只能看到源和目标的情况，一旦出状况，就只能看日志了，但在日志大量的文本里，很多时候是找不出问题的所在。除了 执行时监控外，SSIS在开发时可以动态的Validate，而且它的Validate也严格得多。只要发现字段类型对应不上就会报错。 PowerCenter中Port的对应比较自由，比如一个Output的Port可以随意对应到多个Input的Port，而SSIS中一定要用多播组 件才行。所以在数据质量方面，SSIS比PowerCenter更有保障，PowerCenter最郁闷的是，报错后却找不到出错的地方。
　　就组件的功能上，SSIS比PowerCenter要丰富，像SSIS控制流的循环组件，数据流中的模糊查找、词频计算、数据挖掘评分等组件都 是Informaitca没有的。特别是有很多针对SQL Server组件。如果使用非SQL Server数据库的话，SSIS功能上要打个七折。
　　SSIS最致命的问题是数据库连接的兼容性上，数据流中很多组件只认OLE DB连接，而且只有OLE DB数据源组件才可以加参数，这显然是Microsoft有意为之。加上SSIS的Validate比较严格，所以连接到那些对OLE DB兼容不好的数据库就会报错，像我之前连接Oracle 9i就碰到这样的问题。PowerCenter支持更多的数据源，此外还可以连接SAP, PeopleSoft等商业软件，在大型企业中，这些功能是非常方便的。


Informatica VS Kettle 
1、 Informatica属于商业软件，而Kettle是开源软件；Informatica的收费方式是软件一次性购买，但技术支持按项目收费。具体怎么界定项目不清楚。
2、 风险和成本方面自然就不用说了，从某些方面来说的话，风险总是与成本成反比的；
3、 易用性方面，Informatica和Kettle都有GUI图形界面，操作步骤都比较简单易用；主要取决于开发人员的对工具的熟悉情况，没有太大的可比性；
4、 Kettle是基于Java开发的ETL工具，在使用过程中需要借助JVM，在数据抽取速度以及大数据处理能力方面远远不如Informatica；（Kettle在异构数据库的处理能力比同构数据库的处理能力要弱很多，特别是夸服务器之间就更弱了）
5、 Informatica将客户端和服务端进行分离，而Kettle则没有但需要基于JVM；因此Kettle的部署比较简易；
6、 稳定性方面，Informatica也有较大的优势；
7、 Informatica将元数据及一些配置信息存储于配置的数据库，也就是说Informatica需要借助其他数据库才能运行；
8、 Kettle的数据转换过程相对比较灵活，可以是手工编写的SQL语句、Java代码、正则表达式等；Informatica则由Data Quality组件来保证数据的质量，当然也支持SQL语句，两者没有明显的差异；
9、 Informatica和Kettle均有监控日志功能，这也是ETL工具必须具备的，Informatica的监控日志相对要详细一些，但在实际应用中，大多数情况下不需要这么详细；
10、 数据源方面，二者没有明显区别，Kettle支持广泛的数据库、数据文件等，同时支持扩展；Informatica广泛支持各类结构化、非结构化的数据源；