DataStage技术方案

DataStage技术介绍目录1.绪论错误!未指定书签。

1.1先进的开发和维护错误!未指定书签。

1.2完整的开发环境错误!未指定书签。

1.3企业级实施和管理错误!未指定书签。

1.4高扩展的体系架构错误!未指定书签。

2.附录B：DataStage企业版内嵌的扩展Stage错误!未指定书签。

3.附录C：扩展连接错误!未指定书签。

1.绪论DataStage企业版是AscentialSoftware公司所有企业整合系列产品中关键产品。

企业版支持大容量数据的收集、整合和转换，数据从简单结构到很复杂的结构。

基于高可扩展性的软件架购，企业版使得企业能够通过高性能来解决大部分业务问题，并行处理大容量数据。

强大的企业元数据管理能力使得可以在数据整合生命周期中在所有工具中共享和使用工具。

DataStage企业版发布了四个核心功能来成功实施企业数据整合：先进的开发和维护；完整的开发环境；企业级实施和管理；高扩展的体系架构；端对端的企业级元数据管理。

1.1先进的开发和维护DataStage企业版提供了全面的功能去最优化用户在建立、升级和管理数据整合架构时的速度、灵活性和效率。

DataStage企业版增强的功能减少了学习的周期、简单化了管理和优化了开发资源的使用，减少了数据整合应用的开发和维护周期。

结果，DataStage企业版使得企业能够花更少的时间开发他们的整合应用，更多的时间是不断的从中受益。

DataStage企业版使用了Client-server架构，如下所示。

图一、DataState企业版Client-Server架构用户通过各个客户端工具访问DataStage企业版的开发、配置和维护功能。

这些工具包括：Designer：用来建立和编辑DataStage作业和表的定义。

Designer中的“JobSequencer”控制作业的执行，其他作业成功完成（或失败，等）的条件。

Administrator：用来执行管理任务，如建立DataStage用户、建立和删除工程并且建立清洗标准。

Manager：用来编辑管理用户工程的DataStage资料库。

Director：用来验证、时序安排、运行和监测企业版作业。

如图一所示，DataSage企业版的服务器组件运行在一系列的流行服务器上，如Unix、Windows 等。

1.2完整的开发环境用户使用DataStage企业版的Designer组件建立企业版数据整合应用。

企业版设计是基于数据流的概念。

数据流使得用户非常容易建立和理解应用。

用户在一个强大的图形化调色板上通过一系列的功能组件（Stage）标示数据集合的流程来构建一个数据整合应用。

一个完整的数据流图（DataStage 作业），从一个永久存储的数据源开始，并且执行一系列的增值转换和其他处理操作，最后加载数据到一个永久的存储。

但是，企业版Designer开始使用户可以灵活从任何地方可以建立作业：从上到下、从下到上、从中间开始。

一个完整的企业版数据流图如图二所示。

图二、DataStage企业版数据流图示在建立一个企业版数据流图表时，通过一系列的处理步骤对庞大的数据集合构架顺序流。

用户不需要担心如何在多处理器计算机上运行该应用。

企业版对数据整合应用工作流的顺序描述和在生产环境中应用的并行执行做了一个清晰的区分。

企业版处理数据集(dataset)。

数据集就是对通过数据流程的记录的收集。

一个数据集可以是屋里放置在磁盘上，也可以是虚拟放置在内存中。

数据在数据流中的Stage中移动使用的是虚拟的数据集，这样可以大大提高性能；分区（在后面介绍）是在Stage的属性中设置的。

企业版提供了多个内嵌的Stage来执行通用的数据整合任务，如Sort、Merge、join、filter、Transform和Aggregate。

更完整的内嵌Stage列表参考本文档的AppendixA。

每个企业版Stage是一个完整的功能组件，已经在多处理器系统中高吞吐量和高性能并行执行过。

这些Stage根除了为通常的数据处理应用进行编码的需要。

用户可以在企业版DesignerGUI中找到这些内嵌的Stage。

用户可以使用Stage的下拉菜单来这只Stage的参数。

企业版AggregatorStage的编辑器如下所示。

图三、企业版编辑AggregatorStage图标和Stage编辑器例子企业版TransformerStage是一个强大和灵活的组件，允许用户对inputlink输入的数据进行转换。

并且将数据传到另一个活动的Stage或者将数据写到目标数据或文件。

Transformer编辑器（如下所示）使得用户可以在inputlink和outputlink间简单建立mapping，并且可以使用BASIC等语言建立任意转换。

这些转换可以并行执行来提高吞吐量和性能。

企业版提供了超过100个内嵌的功能，另外可以用C或C++编写的route在转换中使用和进行互操作。

图四、企业版TransformerStage图标和Stage编辑器例子DataStage企业版内嵌的Stage包括高性能访问（加载和读）关系型数据库的强大组件，包括并行的关系型数据库。

例如，企业版的OracleStage提供了一个访问Oracle表的高性能并行接口。

OracleStage支持Load和Upsert写方式和支持表和查询的读方式。

企业版也可以利用DB2强大的数据库分区特性和Teradata的高性能、并行数据加载和导出。

另外，DataStage企业版提供了一些Stage可以使得SAS用户在大容量数据上执行SAS。

ParallelSASDataSetStage通过SASStage的连接从一个并行的SAS数据集中读取和写入数据。

通过利用并行硬件执行平台和并行关系型数据库，这些SASStage能够将大大增强需要进行处理和分析大数据量的SAS的吞吐量和性能。

企业版的内嵌扩展Stage提供了数据整合应用中80％到90％的最常用的逻辑需要。

另外，企业版提供了许多机制用来建立自定义的Stage：Wrapped－－允许并行执行一个顺序程序。

Build――允许自动并行执行自定义Stage的C语言表达式。

Custom提供了完整的C＋＋API，来开发复杂和扩展的Stage。

基于组件架构和扩展内嵌组件类库的DataStage企业版消除了对传统编码方式的需要，最大化了组件的重复使用。

对于可扩展的数据整合应用来说，企业版开放的和可扩展的架构使得整合第三方软件工具和已存在的程序更加容易。

Stage和作业的单独分区，包括每一个Stage的联合分区、元数据（表定义）和Transformer 转换定义，可以在共享容器(ShareContainer)中被其他用户重复使用。

共享容器允许用户提高产品性和在用户和工程间共享。

作业模板(JobTemplate)进一步提升了效率。

用户能够比以前更快地启用已定义好的模板。

同时，标准化的模板也提供给用户一个高效的起始点。

智能帮助提供建造从简单到复杂的作业。

用户通过一系列的询问，智能帮助可以象魔术师一样输出一个DataStage企业版作业或作业序列。

他们使用元数据智能提示用户答案和输出最后的结果。

Ascential载入一些智能助手，一个建立纬度缓慢变化(SlowChangingDimension)的星型架构(StarSchema)的数据库（类型1、2、3支持）。

1.3企业级实施和管理许多大的公司都有他们自己在复杂生产环境下的配置、时间序列、监测和管理应用的标准。

DataStage企业版提供了灵活功能来迎合这些需要。

首先，DataStage提供了一个图形化的作业顺序器(JobSequencer)，允许用户定义作业执行的序列。

设计一个作业序列就象设计一个作业。

用户在DataStage中设计作业序列。

从工具条增加一个Activities（相对于Stage），并且通过Trigger进行连接用以定义控制流。

每个activity都有属性，可以在trigger表达式中测试并且传到序列前面的其他的activity中。

Activity也可以有参数，可以用来支持job参数或routine参数。

Job序列可以有自己的属性和参数，这些属性和参数可以顺序传到activity中。

序列也可以包括控制信息，例如，序列中job的成功或失败影响活动的走向。

一旦job序列被定义完成，可以在任何提供的接口（下面做详细的介绍）中建立时间顺序和执行。

图五、DataStageJob序列例子其次，企业版提供了Director和Manager的图形化功能。

象前面说过的，manager是用来管理工程的，包括导入和导出组件，用来将应用配置到产品。

Director用来建立时序，执行和监测job（或job序列）。

另外，企业版提供了command－line、API和webservices用来对应用进行配置、执行、监测和管理。

Job能够使用所有的工具进行开始、停止和监测。

可以提供所有的工具查看Job监测的详细内容－包括Director。

企业版返回的信息包括每个并行分区的记录条数、CPU使用率、开始/结束时间等。

所有的这些都是在单独的stage级别。

这个命令行接口是：dsjob–report<project><job>[<reporttype>]reporttype=BASIC,DETAIL,XML可通过XMLschema和XMLstylesheets对正在运行的job进行不同角度的查看。

就算job已经完成，这些信息仍然是可用的。

这就是operationalmetadata。

Commandline和webservice接口通过文本或XML方式返回出这些operationalmetadata。

对于国际数据的需要，DataStage企业版可以处理和管理multi-byte的数据结构。

客户端相应（如属性设置和表定义）可以使用用户本地的语言。

用户可以根据国际校正规则建立客户化的排序规则。

1.4高扩展的体系架构建立在高扩展软件架构上的企业版提供了高级别的吞吐量和性能。

象前面所描述的，用户可以使用企业版的Designer工具建立简单的顺序数据流图表。

当构架出顺序的数据流图表，用户不用担心底层的硬件架构和处理器的数量。

一个专门的配置文件可以定义这些底层多处理器计算环境中的资源（处理器、内存、磁盘）。

这个配置可以在顺序数据流图表和应用的并行执行之间建立一个清晰的分离。

这样就可以很简单开发扩展的数据整合系统并且并行执行（如图六所示）。

DataStage企业版可在管道并行和分区并行的机制下执行，这样可以获得高吞吐量和性能：数据管道(DataPipelining)意味着应用可以从源系统拉入数据并且在数据流图表中定义的顺序处理功能间移动。