podstawy etl z ssis
TRANSCRIPT
Podstawy ETLZ pomocą SQL Server Integration Services
Warsztaty Stacja.IT Warszawa, 17.10.2016.
Zanim zaczniemy• Czy wszyscy mają zainstalowane SSDT?
• Czy wszyscy mają MySQL Connector /.NET?
• Czy wszyscy mają lokalną wersję SQL Server?
• Czy wszyscy mają HeidiSQL / SSMS / SQLyog / (inne podobne)?
Co będziemy robić• Poznamy SSIS i zbudujemy podstawowy proces ETL• Zasilimy bazę danymi dotyczącymi sprzedaży i obliczymy realizację
celów sprzedażowych przez handlowców
Konstrukcja warsztatu9:00 – 13:00 Pierwsza część warsztatów
Utworzenie projektu i pakietów zasilających bazę danymi z MySQLKontenery, pętle, mapowania, obsługa plików CSV/XML
13:00 – 14:00 Pizza
14:00 – 17:00 Druga część warsztatów
Zasilanie bazy docelowej, obsługa błędów
Logowanie, wdrażanie, uruchamianie, SSIS Catalog
Bartosz Ratajczyk
Konsultant SQL Server
Programista baz danych i aplikacji
Prelegent
MCSE: Data Platform, MCT
http://bartekr.net | [email protected]
O Was
• Czy mieliście wcześniej do czynienia z budowaniem procesów ETL?
• A z SQL Server Integration Services?
• A z SQL Server?
• Czego się spodziewacie po tym warsztacie?
Co to SSIS
• SSIS, czyli SQL Server Integration Services
• Narzędzie do realizacji procesów ETL
• Dostarczane wraz z całą platformą danych SQL Server od wersji SQL
Server 2005 (wcześniej jako DTS)
ETL
• Extract
• Transfer
• Load
• Czyli przenieś dane stąd -> tam i przekształć je po drodze
ELT
• Extract
• Load
• Transfer
• Czyli przenieś dane stąd -> tam a potem je przekształcaj
Gartner Magic Quadrant 2016
https://www.gartner.com/doc/reprints?id=1-3CUJXZO&ct=160727&st=sb
Gartner Magic Quadrant 2015
https://www.gartner.com/doc/reprints?id=1-2KDMO20&ct=150731&st=sb
Narzędzia
SQL Server Data Tools (SSDT)• Zestaw narzędzi zintegrowanych z Visual Studio• Ale może też działać samodzielnie• Instaluje wtedy „Integrated Shell”
• Do wersji SQL Server 2008R2 znane jako Business Intelligence Development Studio (BIDS)• Od wersji SQL Server 2012 pewne zamieszanie z nazewnictwem (SSDT,
SSDT-BI)• Ostatecznie rozwiązane w 2015 roku(?) i już tylko jedno SSDT
Rozszerzenia• SSDT może być rozszerzane przez budowę własnych komponentów• Niektóre z nich są dostarczane przez Microsoft, a niektóre przez firmy
trzecie• Przykłady• Azure Pack (Microsoft) – dostęp do części usług Azure• Task Factory (Pragmatic Works) – zestaw dodatkowych kontrolek• SSIS Community Tasks and Components https://ssisctc.codeplex.com/
Inne narzędzia
dtexec - narzędzie do uruchamiania pakietów SSIS
dtexecui == dtexec + GUI
IsDeploymentWizard – wdrażanie projektów
dtutil – wdrażanie pakietów
Elementy składowe ETL w SSISCzyli z jakich klocków budujemy przetwarzanie
Rozwiązanie + Projekt
Projekt
Pakiety
Managery połączeń
Pozostałe
Budowa pakietu
Control flow
Data flow
Event handlers
Parametry i zmienne
Logowanie
SSIS Toolbox
O pakiecie raz jeszcze• Pakiet to plik XML• SSDT pomaga tylko go
przygotować• Ale jeśli się uprzeć, to
można go stworzyć ręcznie(może jednak nie)
Nasze zadanie
Badamy czy realizowane są cele sprzedażowe• Stworzymy proces zasilające bazę danych:
• danymi o sprzedawcach (i ich miejscu w strukturze organizacyjnej)
• danymi o produktach i grupach, do których należą
• danymi sprzedażowymi
• nałożonymi celami sprzedażowymi
• A potem obliczymy każdemu sprzedawcy realizację jego celów
Źródła danych
• Baza MySQL
• Pliki CSV, TXT
• Pliki XML
Warstwy• Nie zasilamy danych od razu do bazy docelowej• Wykorzystujemy warstwę „Stage”• Taka lokalna kopia danych źródłowych• Może przechowywać albo kompletne zbiory, albo „przyrosty”• Nie chcemy obciążać systemów źródłowych
• Rozbijając zasilanie na warstwy łatwiej śledzić przepływ danych• Dodatkowa baza na przechowywanie metadanych zasilania
Po co nam metadane zasilania?
• Pozwalają śledzić procesy zasilające tak jak my chcemy
• Dają pogląd z iloma źródłami danych mamy do czynienia
• Prezentują ilości przetwarzanych rekordów
• Ustawiony poziom wbudowanego logowania pakietów nie prezentuje
wystarczających informacji
Nasz model metadanych
I nasz model relacyjny (dane docelowe)
Standardy nazewnictwa
http://sqlblog.com/blogs/jamie_thomson/archive/2012/01/29/suggested-best-practises-and-naming-conventions.aspx
ZADANIE 1Budowa podstawowego projektu i pakietu SSIS
Cel zadania• Poznać strukturę projektu SSIS i sposób tworzenia jego pakietów• Zasilić bazę danymi sprzedawców i prostej struktury organizacyjnej• Zapisać informacje o przetwarzaniu w bazie metadanych
Projekt i pierwszy pakiet tworzymy wspólnie. Pozostałe pakiety to Wasza samodzielna praca.
Źródło danych – baza MySQL
Wada sterownika MySQL .NET
Należy użyć polecenia SQL, np. SELECT * FROM tabela
Tego problemu nie ma z ODBC
START(Zadanie 1)
Trochę więcej o komponentachCzyli co tam można znaleźć w SSIS Toolbox
Elementy Control Flow
Precedence constrains
Kontenery
Elementy Data Flow
ZADANIE 2Zasilanie bazy danych informacjami z plików
Cel zadania
• Zasilić bazę informacjami z plików CSV, TXT i XML
• Produkty i grupy produktów: pliki XML
• Cele sprzedażowe: pliki TXT
• Informacje sprzedażowe: pliki CSV
• Zapisać informacje o przetwarzaniu w bazie metadanych
XML Source dla jednego pliku
Wykorzystanie kontenera ForEach
Parametryzacja kontenera ForEach
Parametryzacja XML Source
Flat file connection manager
Utwórz lokalny manager połączenia do plików (będzie można użyć zmiennych)
Haczyki• Pliki ze sprzedażą wczytujemy w pętli• Musimy użyć nazwy pliku jako
parametru w managerze połączeń
• Pliki produktów mogą mieć nieprawidłowy schemat XSD• Musimy nadać prawidłowy typ danych dla ProduktId (np. unsignedShort)
START(Zadanie 2)
PRZERWA NA PIZZĘ
ZADANIE 3Zasilanie danych docelowych, debugowanie, obsługa błędów
Cel zadania• Zasilamy na podstawie danych w Stage docelową bazę danych• W Stage są dane niezupełnie zgodne z naszym systemem relacyjnym• Musimy przetworzyć dane w locie• Albo do postaci pośredniej i z niej do docelowej
• Po zasileniu obliczamy realizację celów
• Baza relacyjna zawiera już część danych• Definicje okresów sprzedażowych• Cele sprzedażowe
Jeszcze raz model relacyjny
Zasilanie bazy relacyjnej
• Wykorzystujemy odrębny projekt z predefiniowanymi ustawieniami
• Zasilamy danymi, które pobraliśmy do Stage
• Jedna tabela docelowa == jeden pakiet
• Pamiętamy o utworzeniu metadanych przepływów
Wykorzystanie transformacji Lookup• Użyjemy do mapowania danych źródłowych na docelowe• Używamy domyślnego ustawienia Full cache• Przekierujemy braki dopasowani dalej• Mapowania:• Przypisanie identyfikatora produktu po jego kodzie• Przypisanie ceny jednostkowej produktu• Przypisanie sprzedawcy po loginie• Przypisanie sprzedawcy do punktu sprzedaży po identyfikatorze
Transformacja Lookup – ustawienia ogólne
Transformacja Lookup – źródło danych
Transformacja Lookup – mapowanie kolumn
Transformacja Lookup - wyjście
Przepływ danych - Sprzedaż
START(Zadanie 3)
Sprawdzenie realizacji celówSELECT *FROM dbo.vRealizacjaCelowWHERE
(RealizacjaCeluIlosc < 100 AND CzyCelIlosciowy = 1)OR (RealizacjaCeluWartosc < 100 AND CzyCelWartosciowy = 1)
ORDER BYNazwisko,Imie,OkresId,Nazwa
OBSŁUGA BŁĘDÓWI analiza przepływających danych
Debugger (Control Flow)
Data Viewer (Data Flow)
Obsługa błędów (Control Flow)Precedence Constraints (Completion, Failure)
Event Handlers
Obsługa błędów (Data Flow)Wykorzystanie Error Output do przekierowania do innego zbioru
ZADANIE 4 / DEMOWdrażanie projektów SSIS na serwer docelowy, wykorzystanie SQL Agent
Sposoby wdrażania projektów SSIS• Bezpośrednio z SSDT• Instalacja pliku .ispac z poziomu SSMS• Wykorzystanie IsDeploymentWizard
Uruchamianie z poziomu SQL Agent
PODSUMOWANIE
Kilka słów o czym było
• Zbudowaliśmy rozwiązanie ETL w SSIS
• Poznaliśmy struktury projektu SSIS i najczęściej używane kontrolki
• Znamy podstawy obsługi błędów
• Wiemy jak wdrażać projekty na serwer docelowy
Czego zupełnie nie ruszaliśmy(a o czym warto na koniec wspomnieć choć słowem)
• Transakcje
• Wdrażanie pojedynczych pakietów
• Zasilenia przyrostowe
• MDS, DQS
Chyba mi się spodobało – co dalej?
• Jakie są opcje dalszego uczenia się SSIS
• Oficjalne kursy Microsoft
• 20463 Implementing a Data Warehouse with Microsoft® SQL Server® 2014
• 20767 Implementing a SQL Data Warehouse
• Książki (np. Training Kit)
• Wziąć udział w projekcie
• Użyć Import/Export Wizard, zapisać pakiet i zacząć go modyfikować
23 września - Od SASSa do LESSa - czyli ulepszanie CSSa - KRAKÓW
24 września - Clean Code + Wzorce Projektowe - ŁÓDŹ
24 września - Wprowadzenie do Machine Learning z wykorzystaniem języka Python - WARSZAWA
1 października - Wprowadzenie do technologii Cloud (Heroku, Google App Engine, Amazon AWS) - WARSZAWA
7 października - Pair Programming - WARSZAWA
Nadchodzące warsztaty:
Chcesz wiedzieć więcej?Szkolenia pozwalają na indywidualną pracę z każdym
uczestnikiem
• pracujemy w grupach 4-8 osobowych• program może być dostosowany do oczekiwań grupy• rozwiązujemy i odpowiadamy na indywidualne pytania
uczestników• mamy dużo więcej czasu :)
Szkolenie dedykowane dla CiebieInteresuje Cię tematyka warsztatu?Zapoznaj się z programami szkoleń:
Projektowanie hurtowni danych z wykorzystaniem pakietu Pentaho Business Intelligence
Techniczne aspekty budowania wydajnych procesów ładowania hurtowni danych (ETL) z wykorzystaniem Pentaho Data Integration (PDI)
Wspierają nas