Do You Know ETL ?

ETL是数据的提取、转换和加载；

ETL是指获取原始大数据流，然后对其进行解析，并产生可用输出数据集的过程。从数据源中提取(E)数据，然后经过各种聚合、函数、组合的转换(T)，使其变为可用数据。最终数据会被加载(L)到对它进行具体分析的环境中。这就是ETL流程。

MapReduce是一种并行的编程架构，它不是数据库，而是对现有技术的补充。

MapReduce里内置了两个主要的处理过程：映射过程“map”以及归纳过程“reduce”，这就是MapReduce的名字来源。MapReduce会在一系列的工作节点上并发执行这些处理过程，会把数据分配到不同通用设备上运行处理。每一个MapReduce节点都会使用同样的代码对自己的管理的那部分数据进行处理。MapReduce里的节点之间不会发生信息的交互，甚至不知道彼此的存在，这是它和MPP系统的区别。

MapReduce环境的一个突出特点是处理各种非结构化文本的能力。MapReduce的核心理念是，让许多机器一起来共同承担海量数据带来的处理压力，当数据的处理逻辑可以在不同的数据子集上独立进行时，使用MapReduce进行并处理可以先出提升处理速度。