Datastage集群

平均分 (4个评分)

为本文评分

免费下载：IBM? DB2? Express-C 9.7.2

免费版或者DB2? 9.7 for Linux?,

UNIX?, and Windows? 试用版

下载更多的IBM 软件试用版，并加入

IBM 软件下载与技术交流群组，参与在

线交流。

前言

在开始之前，下面列出了准备以及配置 DataStage 集群环境（在这里以 Linux 环境为例）我们要做的主要步骤，作者可以参考下面的步骤来阅读本文：

1.准备集群环境机器，包括 NAS Server、Domain Server、Engine Server、

Client Server

2.为所有集群节点创建 dsadm 用户、包括主导节点以及普通计算节点

3.在所有集群节点上配置无密码 SSH

4.在前面准备好的机器中安装 Information Server

5.导出、导入 Information Server Engine 的安装目录

6.节点配置及场景应用

回页首

IBM InfoSphere DataStage 集群简介

现代集群技术

众所周知，集群计算机的能力可以在 IT 组织架构中最大限度的提高和利用系统资源。现代信息系统的集成解决方案建立在集群技术之上可以大大降低计算能力的成本。

InfoSphere DataStage 集群与 Grid 的区别

InfoSphere DataStage 提供了两种技术来实现一个作业能够并发的运行在不同的计算节点上，第一种是 DataStage 集群，第二种是 DataStage Grid。下面我们来看一下两者的主要区别。首先，DataStage 集群建立在包含多个计算处理节点的网络之上，在这样一个网络结构中，作业的运行资源由配置文件来明确指定，即配置文件中的资源配置信息指明了作业会运行在这些资源上。而在 DataStage Grid 中，采用资源管理器软件 (WLM) 的动态检查和分配资源，使得作业的运行无须依赖手工设置，从而在信息技术中利用最少的资源来获得最大的投资。常用的 WLM 有 Tivoli Workload Scheduler LoadLeveler 和 Platform LFS 等 . 而无论 DataStage 集群还是 DataStage Grid，都可以使用户可以在一个网络系统中并行运行作业（Job）。如果作者想要了解更多有关 DataStage Grid 配置的信息，可以向 IBM Service 提出咨询。

作业的并行处理及其系统的拓扑结构

为了最大限度的提高 IBM InfoSphere Information Server 引擎的数据处理效率，用户可以采用作业的并行处理以及系统的集群技术。而在 DataStage 集群网络拓扑中，每个作业的工作负载会在运行时被分配到不同的处理器中进行处理。这些处理器可能位于相同的计算机上，也可能位于由计算机网络连接在一起的不同的计算机上。InfoSphere Information Server 引擎会使用这些处理器和其它的计算机资源并发的完成这些作业。而这个并行引擎和 InfoSphere Information Server 引擎共同组成了引擎拓扑层。

IBM InfoSphere DataStage 系统集群以引擎节点为主导节点（Conductor Node），同时由它向集群中的普通节点（Compute Node）发送数据处理指令。以此为特征的 DataStage 集群也极大的提高了数据处理速度和能力。此外，InfoSphere DataStage 还具有高可扩展性，可以非常容易的集成更多的系统节点。

在本文中，我们将重点介绍 IBM InfoSphere DataStage 中提供的用于在分布式网格环境中对数据进行管理和处理的技术。

图 1. 基于多个物理计算机实体的集群系统拓扑结构

?NAS Server：Linux OS，Host Name 假设为 iisperfblade0，用于提供Information Server 的 Engine 安装目录以导出到主导节点和其它的普

通节点中。

?Domain 层 : Linux OS，Host Name 假设为 iisperfblade_domain，用于安装 Information Server 的 Services tier( 服务 ) 以及 Metadata

repository tier ( 存储数据库 )

?Engine 层：Linux OS，Host Name 假设为 iisperfblade11，用于安装Information Server 的 DataStage Server 以及处理引擎?Client 层：Windows OS，Host Name 假设为 iisperfblade_client，用于安装 Information Server 的客户端软件

?普通节点：Linux OS，普通计算节点的个数要求并没有限制，但是要组成集群至少需要一个普通计算节点。在我们下面的例子中，假设还有另外的

三个计算节点，Host Name 分别为 iisperfblade12，iisperfblade13，

和 iisperfblade14。

对于每个机器以及资源的操作系统，由于 Information Server 的 Client 层用于安装 DataStage 的客户端软件，只能安装在 Windows 上面，所以 Client 层必须为 Windows 操作系统。而 DataStage 的集群需要建立在 Linux 环境中，那么 Information Server Domain 层、Engine 层以及所有的普通计算节点都要求为 Linux 操作系统。

为 DataStage 节点资源创建管理员用户

对于每一个 InfoSphere DataStage 引擎都需要一个操作系统用户，一般情况下会使用 dsadm。用户可以选择在安装的过程中创建这个用户，也可以在安装之前手工创建好这个用户，然后在安装过程中选择它。

这个用户会用来做一些管理性的任务，例如：创建新的项目、定义项目属性、编译运行作业等。下面给出了在准备 DataStage 集群环境过程中创建用户的步骤。

1.以 root 用户登录每一个 DataStage 节点（包括主导节点以及其它所有

的普通计算节点）。

2.如果用户希望在安装 DataStage Engine 的时候让安装程序自动创建管

理员用户，读者可以跳过在主导节点上手工创建的步骤。

3.添加用户组：/usr/sbin/groupadd dstage

4.添加用户：/usr/sbin/useradd -g dstage -d /home/dsadm dsadm

5.为用户设置密码：/usr/sbin/passwd dsadm

注意：默认情况下，我们一般为 InfoSphere DataStage 创建的用户名是 dsadm，如果是在 AIX 系统上使用自定义用户名称，请不要超过 8 个字符。

无密码的 SSH 服务

IBM InfoSphere DataStage 系统集群中由主导节点（Conductor Node）向集群中的普通节点（Compute Node）发送数据处理指令，这个过程需要主导节点和普

图 2. Information Server 三层安装方式的总体拓扑结构

单服务器引擎

首先，我们介绍最简单的一种 DataStage 集群构建方式，具有单个服务器引擎的网络拓扑来构建我们的集群环境。DataStage 是 InfoSphere Information Server 产品的重要组成部分 . 构建 DataStage 集群首先要安装 InfoSphere Information Server。InfoSphere Information Server 的安装方式采用三层安装，即客户端软件一个层次，Information Server 服务软件和存储数据库(XMETA) 一个层次 , 以及 Information Server Engine 一个层次，如下图所示。在 Information Server Engine 这一层，有一个主导节点 (Head Node) 和三个普通计算节点 (Compute Node)，其中，由主导节点来与 Information Server 服务层进行通信，同时，由主导节点来与其它的普通节点进行通信 , 及普通节点间的通讯。

图 3. 具有单服务器引擎的集群环境

多服务器引擎

此处，我们介绍另外一种安装拓扑结构，即有两个服务器引擎即双集群环境的网络拓扑。同样，我们把 Information Server 的总体拓扑结构分为三个层次：一是客户端层，用于安装 Information Server 的客户端软件。一是 Information Server 引擎层。在这个拓扑中有两个引擎层，在每个引擎层中各有一个引擎实例，因此又两个主导节点。最后一个是 Information Server 的服务及 XMETA 数据库层，用于安装能够提供各种服务的软件系统。同单服务器引擎一样，各引擎由主导节点来与 Information Server 服务层进行通信，同时，在同一引擎内主导节点与其它的普通节点进行通信 , 及普通节点间的通信。下图显示了此网络拓扑的详细架构图。

图 4. 具有双服务器引擎的集群环境拓扑图

Secure Shell 服务（SSH）配置

在上一小节中讲述了两种 DataStage 集群架构，同时分别提供了它们的网络拓扑结构。本小节集群配置中，我们按照第二节中提供的计算机资源，以一个DataStage 集群为例详细讲述其环境配置方式。

根据上述资源，对 Information Server 进行三层安装，对于每个层上的安装步骤都比较典型，在这里不再赘述，作者可以参考 Information Server 信息中心上的安装文档

https://www.sodocs.net/doc/d516411405.html,/infocenter/iisinfsv/v8r5/index.jsp 。在完成上述配置安装完成之后，为了构建一个集群环境，我们需要为这个环境添加新的普通计算节点。而这些节点中的通信是通过 SSH 来完成的，接下来我们来讲述如何在这些节点中配置无密码 SSH 服务。

在开始之前，我们来了解下集群环境中各节点间的 SSH 通信方式及原理。InfoSphere DataStage 集群中普通计算节点上的用户通过它的共有密钥来进行认证。而这是在每个需要运行作业的计算节点上都必须要进行的一个认证处理过程。

假设 DataStage 主导节点是 iisperfblade11，需要向这个环境中添加一个普通计算节点 iisperfblade14。下面是在主导节点以及普通计算节点上配置无密码的 SSH 的详细方式：

1. 在主导节点上生成本身的共有和私有密钥对（RSA key pair）：

清单 1. 在主导节点上生成本身的共有和私有密钥对

[dsadm@iisperfblade11 ~]$ ssh-keygen -t rsa

Generating public/private rsa key pair.

Enter file in which to save the key (/home/dsadm/.ssh/id_rsa):

Enter passphrase (empty for no passphrase):

Enter same passphrase again:

Your identification has been saved in /home/dsadm/.ssh/id_rsa.

Your public key has been saved in /home/dsadm/.ssh/id_rsa.pub.

The key fingerprint is:

d0:dc:31:0c:76:04:ab:46:c4:01:bd:00:e6:2e:43:92 dsadm@iisperfblade11 [dsadm@iisperfblade11 ~]$

2. 在上述命令运行中，系统提示输入密码设置，连续按回车（enter）两次，即设置一个空的密码。上述命令需要以 InfoSphere DataStage 用户（一般情况下是 dsadm）执行，产生的共有和私有密钥对会在 dsadm 用户的 home 目录中的~/.ssh/id_rsa 下面。

3. 把主导节点 iisperfblade11 上产生的共有密钥发送给普通计算节点（以iisperfblade14 为例）：

清单 2. 把主导节点 iisperfblade11 上产生的共有密钥发送给普通计算节点

cd /home/dsadm/.ssh/

[dsadm@iisperfblade11 .ssh]$ ssh-copy-id -i dsadm/.ssh/id_rsa.pub dsadm@iisperfblade14

27 The authenticity of host 'iisperfblade14 (192.168.1.12)' can't be established.

RSA key fingerprint is

e2:f9:98:cc:a5:2a:19:c5:c9:d4:ec:e6:47:1a:c3:a0.

Are you sure you want to continue connecting (yes/no)? yes

Warning: Permanently added 'iisperfblade14, ' (RSA) to the list of known hosts.

dsadm@iisperfblade11's password:

Now try logging into the machine, with "ssh 'dsadm@iisperfblade11'", and check in:

.ssh/authorized_keys

to make sure we haven't added extra keys that you weren't expecting. [dsadm@iisperfblade11 ~]$

4. 如果上述命令无法正确执行，作者可以登录到普通计算节点 iisperfblade14 上，把这个共有密钥添加到自身的授权密钥列表中，同时修改这个授权文件的权限：

清单 3. 把共有密钥添加到自身的授权密钥列表中

cd .ssh

cat id_rsa.pub >>authorized_keys

chmod 640 authorized_keys

rm -f id_rsa.pub

5. 结果验证：

现在你可以从 InfoSphere DataStage 的主导节点上可以通过无密码的 SSH 连接到普通计算节点上了。

清单 4. 结果验证

[dsadm@iisperfblade11 .ssh]$ ssh iisperfblade14

Last login: Sun Jun 26 23:03:09 2011 from https://www.sodocs.net/doc/d516411405.html, IISPERFBLADE14

Security level of data on this Machine,

Use of this system is subject to audit at any time by management.

Last APAR security update: Sun Aug 8 12:09:08 PDT 2010

[dsadm@iisperfblade14 ~]$

结果显示主导节点与普通计算节点通信成功。按照此配置方法，在其它的计算节点 iisperfblade12, iisperfblade13 上也配置上无密码的 SSH。

InfoSphere DataStage 主导节点（Conductor Node）构建

1. 通过 NFS Server iisperfblade0 导出 NAS 上的共享目录 /install

在这里我们需要把 NAS 上的目录共享给主导节点 iisperfblade11 和普通计算节点 iisperfblade12, iisperfblade13, iisperfblade14。修改 /etc 目录下的 exports 文件，对于每一个节点分别添加一行 :

/install hostname(rw,no_root_squash,async)

rw 允许这些节点对这个共享目录可读可写，no_root_squash 允许 NFS 的客户端可以以 root 用户连接。添加后的文件如下：

图 5. 添加 DataStage 节点后的 exports 文件

2. 重启 NFS Server 使得导出生效

清单 5. 重启 NFS Server

# /etc/init.d/nfs stop

# /etc/init.d/nfs start

或者

# /etc/init.d/nfs restart

3. 在 DataStage 节点上导入共享目录

上述操作的目的是把 NAS 上的 /install 目录共享给 DataStage 节点（包括主导节点和普通节点），使它们能够对这一目录可读可写，并且确保 NFS 的客户端可以用 root 用户连接。完成上述配置之后，我们登录到 iisperfblade11 上面，把这个目录导入进来。具体步骤如下：

3.1 以 root 用户登录 iisperfblade11

3.2 修改 /etc 目录下的 fstab 文件，添加下面一行到这个文件：iisperfiisperfblade0:/install /install nfs rw,nolock 0 0

添加后的 /etc/fstab 文件如下：

图 6. 添加后的 /etc/fstab 文件

3.3 在 iisperfblade11 根目录下创建 /install 目录

3.4 使用 mount 命令导入 iisperfblade0 上的目录 /insall：mount /install。导入后的文件系统如下：

图 7. 导入后的 iisperfblade11 文件系统

4. 在主导节点 blade11 上安装 Information Server Engine

对于 Information Server Engine 的安装，每个步骤都比较典型，在这里不再赘述，作者可以参考 Information Server 信息中心上的安装文档

https://www.sodocs.net/doc/d516411405.html,/infocenter/iisinfsv/v8r5/index.jsp 。在安装过程中，需要注意的是安装目录要选择已经配置好的 /install 目录。

InfoSphere DataStage 普通节点（Compute Node）配置

到目前为止，我们已经在主导节点 iisperfblade11 上安装了 Information Server Engine。同时也配置好了主导节点和其它的三个普通节点

iisperfblade12, iisperfblade13, iisperfblade14 无密码的 SSH 通信。接下

来我们需要把 Information Server Engine 的安装目录导出（export）到普通节点上。

具体的导出步骤和主导节点上的做法类似，作者可以参考上一小节中的步骤。

系统构建小节

按照上述方式配置好系统环境后，Datastage 集群环境中的主节点以及普通节点就通过计算机网络连接在一起，并且可以通过无密码 SSH 进行通信。

注意：如果在 DataStage 的作业中使用到了 Oracle 数据库连接 Stage，那么需要做如下配置：

1.找到 $APT_ORCHHOME/etc 目录

2.把 remsh.example 重命名为 remsh

3.修改 remsh 文件，把 rsh 改为 ssh

4.把 remcp.example 重命名为 remcp

{

node "CONDUCTOR"

{

fastname "production_conductor_node"

pools "conductor"

resource disk "/u1/Datasets" {pools ""}

resource scratchdisk "/u1/Scratch" {pools ""} }

node "COMPUTERNODE1"

{

fastname "production_node1"

pools ""

resource disk "/u1/Datasets" {pools ""}

resource scratchdisk "/u1/Scratch" {pools ""} }

node "COMPUTERNODE2"

{

fastname "production_node2"

pools ""

resource disk "/u1/Datasets" {pools ""}

resource scratchdisk "/u1/Scratch" {pools ""} }

node "COMPUTERNODE3"

{

fastname "production_node3"

pools ""

resource disk "/u1/Datasets" {pools ""}

resource scratchdisk "/u1/Scratch" {pools ""} }

}

?node: 节点的逻辑名称，通常情况下根据此节点本身具有的功能来定义。

配置文件中不能包含多个相同的节点名字。

?Fastname: 机器的 host name

?Pools: 定义了这个节点被分配到的节点 pool 的名称，一个节点可以分配到多个节点 pool 中。因此这里的 pools 可以有多个值。如果这个值

为空，那么将使用默认 pool，默认 pool 对所有的 stage 都是可用的?resource disk: 定义了这个节点用来存储持久数据的存储资源

?resource scratchdisk: 定义了这个节点用来存储临时数据的存储资源

性能优化提示：在上面的示例配置中，每个节点都使用了相同的 scratchdisk /u1/Scratch，这并不是一个好的实践。出于性能的考虑，一般情况下并不建议这么做，而是针对每一个节点都使用一个本身专用的 resource scratchdisk。

DataStage 配置文件设计与管理

在本小节中我们可以使用 InfoSphere DataStage 客户端和 InfoSphere Administrator 客户端来设计项目配置文件，根据集群环境中的资源情况，为DataStage 项目定义使用资源。

用户可以根据实际需要为每个项目创建一个配置文件，那么定义之后这个项目中的所有的作业运行时都会选择这个项目的配置文件。下面我们来讲述怎么为项目定义配置文件。

为整个项目定义配置文件步骤如下：

1.使用 InfoSphere DataStage Design 客户端，根据实际需要创建和修改

配置文件

2.进入 DataStage Design 客户端选择 Tools 菜单 .

3.选择 Configurations 选项，出现配置窗口，选择新建，如下图所示：

图 8. 新建配置窗口

4.根据实际的计算机资源修改此配置文件

5.修改完成后，点击 Check 以验证这个配置文件，然后点击保存并关闭主

配置文件修改窗口

6.然后打开 Administrator 客户端，选择一个你需要管理的项目

图 9. 选择需要管理的项目

7.选择 Properties->Environment->Parallel

8.找到 APT_CONFIG_FILE 参数，输入或者双击选择前面定义好的配置文件

图 10. 输入或者选择前面定义好的配置文件

在完成上述操作之后，这个项目下的所有的作业在运行时都会使用这个配置文件中的资源。此中配置方式的优点是简单方便，但是不能为特殊的作业指定集群中的资源。下面讲述为项目中特定的作业定义配置文件。

为特定作业定义配置文件步骤如下：

1.使用 InfoSphere DataStage Design 客户端，选择进入作业所在的项目

2.选择此作业，然后右击单击属性，然后选择 Parameters->Add

Environment Variables，如下图所示：

图 11. 选择 Add Environment Variables

3.选择 Configuration file，如下图所示：

图 12. 选择 Configuration file

4.选择一个已经定义好的配置文件，如下图所示：

图 13. 选择一个已经定义好的配置文件

在完成上述操作之后，这次作业在运行的时候会选择这个配置文件。

DataStage 节点配置文件分配

到目前为止，我们可以根据集群环境中的资源使用 InfoSphere DataStage Design 客户端创建配置文件，可以使用 InfoSphere Administrator 客户端为项目指定配置文件，同时还可以使用 DataStage Design 客户端定义特殊作业配置文件。那么下面接下来我们将讲述他们之间的分配关系以及优先级顺序。

集群的配置文件定义了系统中可用的资源，这些资源包括固定的名称，如数据库服务器，SAN 服务器，SAS 服务器，远程存储磁盘服务器。

那么，对于集项目配置文件以及作业配置文件，他们的关系和优先级顺序如下：在一个作业运行的过程中，如果为这个作业定义了作业配置文件，那么InfoSphere DataStage 引擎会优先选择作业上的配置文件，使用这个配置文件里面的资源运行这个作业。如果没有为这个作业定义作业配置文件，那么InfoSphere DataStage 引擎会选择作业所在的项目配置文件，使用项目配置文件中的资源运行这个作业，如果没有为作业所在的项目定义配置文件，那么InfoSphere DataStage 引擎会使用默认的配置文件 default.apt。

回页首

DataStage 集群应用实践

在本文第三小节以及第四小节中，详细讲述了 DataStage 集群构建配置和系统负载管理与分配，本节在三、四节的基础上着重论述 DataStage 集群在实际产品环境中的应用。对于集群环境中实际的资源情况和系统运行需求，用户可以修改和指定配置文件，以使得它们能够和实际的系统资源相匹配。然后，以两种典型的应用：侧重处理器（CPU) 或者是系统内存（Memory) 的应用以及侧重硬盘读写（Disk IO) 的应用为例，指导用户根据对性能的需求以及软硬件资源的拥有情况合理选择适合的方法并应用于实际项目中。

首先，假设我们已经有了在前面章节中搭建好的 DataStage 的集群环境，同时设定整个集群环境中主导节点为 iisperfblade11，三个普通的计算节点iisperfblade12, iisperfblade13, iisperfblade14。而这些计算节点计算能力和数据处理性能又各不相同，例如有些具有很强的处理器运算速度，有些具有很快的数据读写能力，有些具有很大的系统内存等。

应用场景一：不同项目中的作业运行在不同资源节点中

集群的最大的作用就是分散系统负载到集群中的各个资源上，使得每个节点都承担工作负载。假设我们根据项目需求，需要在绝大多数时间里并发运行一百个作业，由于单个机器的资源有限，例如不具有强大的处理器来并发执行这么多作业。那么我们现在就需要把这些工作负载分配到集群中的所有节点上。

首先，根据集群的四个资源节点创建四个不同的配置文件，以下提供了各个节点配置供作者参考，具体的创建步骤可以参考前面小节中的创建方式。

主导节点 iisperfblade11 配置文件示例如下：

清单 7. 主导节点 iisperfblade11 配置文件示例

{

node "node1"

{

fastname "iisperfblade11"

pools "conductor"

resource disk "/tmp" {pools ""}

resource scratchdisk "/tmp" {pools ""}

}

node "node2"

{

fastname "iisperfblade11"

pools ""

resource disk "/tmp" {pools ""}

resource scratchdisk "/tmp" {pools ""} }

node "node3"

{

fastname "iisperfblade11"

pools ""

resource disk "/tmp" {pools ""}

resource scratchdisk "/tmp" {pools ""} }

node "node4"

{

fastname "iisperfblade11"

pools ""

resource disk "/tmp" {pools ""}

resource scratchdisk "/tmp" {pools ""} }

node "node5"

{

fastname "iisperfblade11"

pools ""

resource disk "/tmp" {pools ""}

resource scratchdisk "/tmp" {pools ""} }

}

普通节点 iisperfblade12 配置文件示例如下：

清单 8. 普通节点 iisperfblade12 配置文件示例

{

node "node1"

{

fastname "iisperfblade11"

pools "conductor"

resource disk "/tmp" {pools ""}

resource scratchdisk "/tmp" {pools ""} }

node "node2"

DataStage BASIC 语言开发实践

本文着重介绍了如何使用 DataStage BASIC 语言开发一个用户自定义的功能函数，并且以一个完整的 Server Job 实例为读者讲解在 Transformer Stage 中如何使用内置的和自定义的函数来转化数据。文章的最后介绍了如何重用自定义的功能函数。读者定位为具有一定 DataStage 使用经验的开发人员。 DataStage 概述 IBM WebSphere DataStage是一个图形化的进行数据整合的开发环境，可以用来实现数据抽取，转化，净化，加载到目标数据库或者数据仓库中, 即ETL过程(Extract, Transform, Cleansing, Load）。DataStage使用Stage实现对数据的操作。在整个操作数据的过程中，需要创建从不同的数据源抽取数据的Stage，以及用来转化和净化数据的Stage，还需要一些Stage将数据加载到目标数据库中，一个ETL job就是一些被连线连接在一起的Stages，数据则是从一个Stage 流向下一个Stage。关于DataStage的基本使用方法，读者可以参考发表在developWorks中国网站上的《用 IBM WebSphere DataStage 进行数据整合》系列文章。 回页首 Transformer Stage 介绍 在数据整合的整个过程中，很重要的一步就是对抽取数据的格式或者内容进行必要的转化。用户可以在Transformer Stage中，对传入的数据进行任何必要的处理，再把处理好的数据传给下一个Stage。 图1就是一个正在被编辑的Transformer Stage，窗口的上半部分显示了输入与输出的字段之间的对应关系，其中DSLink13是输入的连线名称，DSLink4是输出的连线名称。而窗口下半部分详细说明了每一个输入或者输出字段的定义。

Datastage 安装后启动was失败

按照安装教程安装虚拟机版的datastage 8.7后，使用命令启动was失败 [plain]view plain copy https://www.sodocs.net/doc/d516411405.html,srvr:~ # /opt/IBM/WebSphere/AppServer/bin/startServer.sh server1 2.ADMU0116I: Tool information is being logged in file 3. /opt/IBM/WebSphere/AppServer/profiles/InfoSphere/logs/server1/sta rtServer.log 4.ADMU0128I: Starting tool with the InfoSphere profile 5.ADMU3100I: Reading configuration for server: server1 6.ADMU3200I: Server launched. Waiting for initialization status. 7.ADMU3011E: Server launched but failed initialization. startServer.log, 8. SystemOut.log(or job log in zOS) and other log files under 9. /opt/IBM/WebSphere/AppServer/profiles/InfoSphere/logs/server1 sho uld 10. contain failure information. 按照提示查看报错日志： [html]view plain copy https://www.sodocs.net/doc/d516411405.html,srvr:/opt/IBM/WebSphere/AppServer/profiles/InfoSphere/logs/server1 # tai l -100 SystemErr.log 2. at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method) 3. at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorI mpl.java:60) 4. at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodA ccessorImpl.java:37) 5. at https://www.sodocs.net/doc/d516411405.html,ng.reflect.Method.invoke(Method.java:611) 6. at https://www.sodocs.net/doc/d516411405.html,uncher.Main.invokeFramework(Main.java:340) 7. at https://www.sodocs.net/doc/d516411405.html,uncher.Main.basicRun(Main.java:282) 8. at https://www.sodocs.net/doc/d516411405.html,uncher.Main.run(Main.java:981) 9. at https://www.sodocs.net/doc/d516411405.html,unchEclipse(WSPreLauncher .java:340) 10. at com.ibm.wsspi.bootstrap.WSPreLauncher.main(WSPreLauncher.java:110 ) 11.Caused by: https://www.sodocs.net/doc/d516411405.html,.ascential.xmeta.repository.core.CoreRepositoryException: Error initializ ing persistence manager module 13. at com.ascential.xmeta.repository.core.impl.DefaultSandbox.(De faultSandbox.java:70) 14. at https://www.sodocs.net/doc/d516411405.html,ng.J9VMInternals.newInstanceImpl(Native Method)

ETL开发指南(DataStage EE)V2.0

DataStage Enterprise Edition 开发指南v2.0

目录 目录.................................................................................................................................................. I 1. 引言.. (1) 1.1编写目的 (1) 1.2帮助使用 (1) 2. 产品概述 (2) 3. 常规应用 (3) 3.1常用组件使用方法 (3) 3.1.1 Sequential file (3) 3.1.2 Annotation (7) 3.1.3 Change Capture Stage (8) 3.1.4 Copy Stage (10) 3.1.5 Filter Stage (11) 3.1.6 Funnel Stage (12) 3.1.7 Tansformer Stage (13) 3.1.8 Sort Stage (14) 3.1.9 LookUp Stage (15) 3.1.10 Join Stage (16) 3.1.11 LookUp Stage 和Join Stage的区别 (17) 3.1.12 Merge Stage (18) 3.1.13 Modify Stage (19) 3.1.14 Data Set Stage (20) 3.1.15 File Set Stage (22) 3.1.16 Lookup File Set Stage (23) 3.1.17 Oracle Enterprise Stage (26) 3.1.18 Aggregator Stage (28) 3.1.19 Remove Duplicates Stage (30) 3.1.20 Compress Stage (31) 3.1.21 Expand Stage (32) 3.1.22 Difference Stage (33) 3.1.23 Compare Stage (36) 3.1.24 Switch Stage (37) 3.1.25 Column Import Stage (39) 3.1.26 Column Export Stage (41) 3.1.27 Teradata Enterprise Stage (43) 3.2常用数据库的连接 (45) 3.2.1 Informix数据库连接 (45) 3.2.2 Oracle数据库连接 (46) 4. 高级应用 (48) 4.1D ATA S TAGE BASIC接口 (48) 4.2自定义S TAGE T YPE (49) 4.2.1 Wrapped Stage (49) 4.2.2 Build Stage (49) 4.2.3 Custom Stage (49) 4.3性能调优 (49) 4.3.1 优化策略 (49) 4.3.2 关键问题分析 (54)

DataStage 工作笔记

1.安装与配置 参考文档：《Planning, Installation, and Configuration Guide.pdf》 1.1服务端与客户端的安装 1.1.1安装拓扑 采用简单的两层部署进行安装，安装拓扑如下图所示： Host1环境如下： (1)硬件环境 CPU：Inetel Core Duo P8600 内存：4GB (2)软件环境 操作系统：Windows Server 2003 EE SP2 C++编译器：Microsoft Visual Studio .NET 2008 Express Edition C++ 1.1.2安装 参考文档：《Planning, Installation, and Configuration Guide.pdf》[pages 198-200] 1.1.3C++编译器配置 参考链接： https://www.sodocs.net/doc/d516411405.html,/infocenter/iisinfsv/v8r5/index.jsp?topi

c=/com.ibm.swg.im.iis.productization.iisinfsv.install.doc/topics/wsis inst_set_envars_cpp.html (1)支持的C++编译器，见如下链接的系统要求说明： https://www.sodocs.net/doc/d516411405.html,/support/docview.wss?rs=14&uid=swg27016382 1.1.4登陆与安装语言选择 登陆（会话）语言选择中文，DataStage安装语言选择英文，结果Designer里同时有中文和英文，而DB2和WAS都是中文版，如何安装纯英文版的？ 解决方法1： 登陆语言选择和安装语言全部选择英文即可安装上纯英文版。 解决方法2： 通过控制面板->区域和语言选项，将语言设置为英语，安装完成后将语言再修改为中文即可。 1.1.5新建用户与凭证（Credentials） 参考文档：《Day 1 Exercise-DS.doc》[Exercise 1: Administration Console] (1)通过Web浏览器登陆Web Console for IBM Information Server，地址如下 （localhost为server端主机名）： http://localhost:9080/ibm/iis/console/loginForm.jsp?displayForm=true (2)新建两个用户dsadmin和dsuser，如下图： 权限设置如下： dsadmin：Suite User、DataStage and QualityStage Administrator/User dsadmin：Suite User、DataStage and QualityStage User dsadmin 可以正常使用，但dsuser 只能登陆 Administrator，登陆Designer

数据处理师岗位职责范本

岗位说明书系列 数据处理师岗位职责（标准、完整、实用、可修改）

编号：FS-QG-39727数据处理师岗位职责 Data processor position duties 说明：为规划化、统一化进行岗位管理，使岗位管理人员有章可循，提高工作效率与明确责任制，特此编写。 数据处理工程师全日制本科以上学历(985/211)，计算机科学与技术/软件工程/数据相关专业 1、3年以上ETL开发经验，熟悉ETL开发规范和流程; 2、熟练使用DataStage、Informatica、Kettle、Hive、PLSQL、SPARK、MapReduce等工具中的一个或多个，有开发、维护经验; 3、熟练编写存储过程，擅长SQL优化; 4、熟悉Oracle、SQLServer等常用数据库中的一个或多个; 5、熟悉perl、shell脚本，Linux操作系统; 6、有大型数据仓库、BI相关项目的开发经验，精通架构、建模者优先; 7、熟练使用Erwin或PowerDesigner等进行数据建模;

8.以下经验优先考虑:流式处理、日志处理、数据仓库全日制本科以上学历(985/211)，计算机科学与技术/软件工程/数据相关专业 1、3年以上ETL开发经验，熟悉ETL开发规范和流程; 2、熟练使用DataStage、Informatica、Kettle、Hive、PLSQL、SPARK、MapReduce等工具中的一个或多个，有开发、维护经验; 3、熟练编写存储过程，擅长SQL优化; 4、熟悉Oracle、SQLServer等常用数据库中的一个或多个; 5、熟悉perl、shell脚本，Linux操作系统; 6、有大型数据仓库、BI相关项目的开发经验，精通架构、建模者优先; 请输入您公司的名字 Foonshion Design Co., Ltd

etl教程

ETL本质 做数据仓库系统，ETL是关键的一环。说大了，ETL是数据整合解决方案，说小了，就是倒数据的工具。回忆一下工作这么些年来，处理数据迁移、转换的工作倒还真的不少。但是那些工作基本上是一次性工作或者很小数据量，使用access、DTS或是自己编个小程序搞定。可是在数据仓库系统中，ETL上升到了一定的理论高度，和原来小打小闹的工具使用不同了。究竟什么不同，从名字上就可以看到，人家已经将倒数据的过程分成3个步骤，E、T、L分别代表抽取、转换和装载。 其实ETL过程就是数据流动的过程，从不同的数据源流向不同的目标数据。但在数据仓库中，ETL 有几个特点，一是数据同步，它不是一次性倒完数据就拉到，它是经常性的活动，按照固定周期运行的，甚至现在还有人提出了实时ETL的概念。二是数据量，一般都是巨大的，值得你将数据流动的过程拆分成E、T和L。 现在有很多成熟的工具提供ETL功能，例如datastage、powermart等，且不说他们的好坏。从应用角度来说，ETL的过程其实不是非常复杂，这些工具给数据仓库工程带来和很大的便利性，特别是开发的便利和维护的便利。但另一方面，开发人员容易迷失在这些工具中。举个例子，VB是一种非常简单的语言并且也是非常易用的编程工具，上手特别快，但是真正VB的高手有多少？微软设计的产品通常有个原则是“将使用者当作傻瓜”，在这个原则下，微软的东西确实非常好用，但是对于开发者，如果你自己也将自己当作傻瓜，那就真的傻了。ETL工具也是一样，这些工具为我们提供图形化界面，让我们将主要的精力放在规则上，以期提高开发效率。从使用效果来说，确实使用这些工具能够非常快速地构建一个job来处理某个数据，不过从整体来看，并不见得他的整体效率会高多少。问题主要不是出在工具上，而是在设计、开发人员上。他们迷失在工具中，没有去探求ETL的本质。 可以说这些工具应用了这么长时间，在这么多项目、环境中应用，它必然有它成功之处，它必定体现了ETL的本质。如果我们不透过表面这些工具的简单使用去看它背后蕴涵的思想，最终我们作出来的东西也就是一个个独立的job，将他们整合起来仍然有巨大的工作量。大家都知道“理论与实践相结合”，如果在一个领域有所超越，必须要在理论水平上达到一定的高度 探求ETL本质之一 ETL的过程就是数据流动的过程，从不同异构数据源流向统一的目标数据。其间，数据的抽取、清洗、转换和装载形成串行或并行的过程。ETL的核心还是在于T这个过程，也就是转换，而抽取和装载一般可以作为转换的输入和输出，或者，它们作为一个单独的部件，其复杂度没有转换部件高。和OLTP系统中不同，那里充满这单条记录的insert、update和select等操作，ETL过程一般都是批量操作，例如它的装载多采用批量装载工具，一般都是DBMS系统自身附带的工具，例如Oracle SQLLoader和DB2的autoloader 等。 ETL本身有一些特点，在一些工具中都有体现，下面以datastage和powermart举例来说。 1、静态的ETL单元和动态的ETL单元实例；一次转换指明了某种格式的数据如何格式化成另一种格式的数据，对于数据源的物理形式在设计时可以不用指定，它可以在运行时，当这个ETL单元创建一个实例时才指定。对于静态和动态的ETL单元，Datastage没有严格区分，它的一个Job就是实现这个功能，在早期版本，一个Job同时不能运行两次，所以一个Job相当于一个实例，在后期版本，它支持multiple instances，而且还不是默认选项。Powermart中将这两个概念加以区分，静态的叫做Mapping，动态运行时叫做Session。 2、ETL元数据；元数据是描述数据的数据，他的含义非常广泛，这里仅指ETL的元数据。主要包括每次转换前后的数据结构和转换的规则。ETL元数据还包括形式参数的管理，形式参数的ETL单元定义的参数，相对还有实参，它是运行时指定的参数，实参不在元数据管理范围之内。

主流BI产品对比

国际主流BI产品对比

厂商产品及简介 国际厂商（主要） MicroStrategy MSTR ，国际专业BI 产品，覆盖BI 全部领域 IBM DB2以及Cognos 、SPSS 、DataStage ，覆盖BI 全部领域Oracle BIEE 、Hyperion ，覆盖BI 全部领域，数据挖掘领域有待加强 Microsoft SQLServer ，覆盖BI 全部领域，适合中小型企业，性价比高 SAP BusinessObjects 、CrystalReports 主要是报表领域和数据集成领域 国际BI 市场主要厂商

BI 产品纷纷嫁入豪门： 2007年11月，IBM收购Cognos 2008年4月，Oracle收购Hyperion 2010年10月，SAP收购Business Objects BI 产品国际阵营谁是幸存者： 目前BI产品第一阵营的唯一幸存者只有MicroStrategy，超过20年的专业技术和市场积累，让这个在巨头环伺下的BI行业领军产品一直保持着一枝独秀的良好态势。

厂商名称目标客户群 MicroStrategy金融、电信、政府、石油、电力等高端行业的高端应用，尤 其适合于数据量大，用户分布广泛的行业应用特点 SAP/BO BO定位于SAP ERP的已有用户优先实施，其它则通过OEM或 各种集成商，价格较高，不适用于中小企业 IBM/Cognos通过OEM和集成商进军企业客户，公司本身则注重已有的金 融、电信、政务领域客户 Microsoft适用于中小企业，依靠合作伙伴 Oracle基于Oracle数据库庞大的客户群，注重大型用户，但内部产 品有竞争关系 国际主流BI产品基本都已被IT业界巨头并购，技术路线及商务策略缺乏独立性，除MicroStrategy之外都缺乏BI产品技术发展方向的独立规划。

主流ETL工具选型

主流ETL工具选型 ETL（extract, transform and load）产品乍看起来似乎并不起眼，单就此项技术本身而言，几乎也没什么特别深奥之处，但是在实际项目中，却常常在这个环节耗费太多的人力，而在后续的维护工作中，更是往往让人伤透脑筋。之所以出现这种状况，恰恰与项目初期没有正确估计ETL工作、没有认真考虑其工具支撑有很大关系。 做ETL产品的选型，仍然需要从以前说的四点（即成本、人员经验、案例和技术支持）来考量。在此，主要列举三种主流ETL产品： Ascential公司的Datastage、 Informatica公司的Powercenter、 NCR Teradata公司的ETL Automation、 Oracel 公司的ODI、 国产udis睿智ETL、 其中，ETL Automation相对其他两种有些特别之处，放在后面评述。 旗鼓相当：Datastage与Powercenter： 就Datastage和Powercenter而言，这两者目前占据了国内市场绝大部分的份额，在成本上看水平相当，虽然市面上还有诸如Business Objects公司的Data Integrator、Cognos公司的DecisionStream，但尚属星星之火，未成燎原之势。 谈Datastage和Powercenter，如果有人说这个就是比那个好，那听者就要小心一点了。在这种情况下有两种可能：他或者是其中一个厂商的员工，或者就是在某个产品上有很多经验而在另一产品上经验缺乏的开发者。为什么得出这一结论？一个很简单的事实是，从网络上大家对它们的讨论和争执来看，基本上是各有千秋，都有着相当数量的成功案例和实施高手。确实，工具是死的，人才是活的。在两大ETL工具技术的比对上，可以从对ETL流程的支持、对元数据的支持、对数据质量的支持、维护的方便性、定制开发功能的支持等方面考虑。 一个项目中，从数据源到最终目标表，多则上百个ETL过程，少则也有十几个。这些过程之间的依赖关系、出错控制以及恢复的流程处理，都是工具需要重点考虑。在这一方面，Datastage的早期版本对流程就缺乏考虑，而在6版本则加入Job Sequence的特性，可以将Job、shell脚本用流程图的方式表示出来，依赖关系、串行或是并行都可以一目了然，就直

datastage入门教程

简介 DataStage 使用了Client-Server 架构，服务器端存储所有的项目和元数据，客户端DataStage Designer 为整个ETL 过程提供了一个图形化的开发环境，用所见即所得的方式设计数据的抽取清洗转换整合和加载的过程。Datastage 的可运行单元是Datastage Job ，用户在Designer 中对Datastage Job 的进行设计和开发。 Datastage 中的Job 分为Server Job, Parallel Job 和Mainframe Job ，其中 Mainframe Job 专供大型机上用，常用到的Job 为Server Job 和Parallel Job 。 本文将介绍如何使用Server Job 和Parallel Job 进行ETL 开发。 Server Job 一个Job 就是一个Datastage 的可运行单元。Server Job 是最简单常用的Job 类型，它使用拖拽的方式将基本的设计单元-Stage 拖拽到工作区中，并通过连线的方式代表数据的流向。通过Server Job，可以实现以下功能。 1.定义数据如何抽取 2.定义数据流程 3.定义数据的集合 4.定义数据的转换 5.定义数据的约束条件 6.定义数据的聚载 7.定义数据的写入 Parallel Job Server Job 简单而强大，适合快速开发ETL 流程。Parallel Job 与Server Job 的不同点在于其提供了并行机制，在支持多节点的情况下可以迅速提高数据处理效率。Parallel Job 中包含更多的Stage 并用于不同的需求，每种Stage 使用上的限制也往往大于Server Job。 Sequence Job Sequence Job 用于Job 之间的协同控制，使用图形化的方式来将多个Job 汇集在一起，并指定了Job 之间的执行顺序，逻辑关系和出错处理等。 数据源的连接 DataStage 能够直接连接非常多的数据源，应用范围非常大，可连接的数据源包括： ?文本文件 ?XML 文件

高级数据分析师工作的基本职责

高级数据分析师工作的基本职责 高级数据分析师需要协助业务数据收集整理，撰写数据分析报告，结合业务对多种数据源进行深度诊断性组合分析。下面是小编整理的高级数据分析师工作的基本职责。 高级数据分析师工作的基本职责1 职责： 1. 负责出行平台层面司乘用户分析，给平台相关业务及策略建设输入洞察和方法; 2. 形成天、周和月度的分析报告，传递给公司管理层并进行定期汇报; 3. 可独立完成针对特定问题的分析解读，支持临时型研究项目，产出用户留存及迁移的分析结论，用于输出给各品类优化营销产品的运营策略; 4. 参与产品上线前的预估，上线时的数据埋点，上线后的效果评估及优化，构建乘客端营销工具的分析体系。

5. 保持数据敏感，监控与发现问题、将数据转化为可落地的和有说服力的洞察，辅助推进业务决策 岗位要求： 1、数据分析相关工作经验，了解用户需求，互联网相关领域优先，应用数学，统计学，计算机, 经济学相关专业硕士优先; 2、具备大数据的处理能力，掌握hive、SQL等相关数据提取工具，熟练使用R或Python、excel、SAS/SPSS、PPT等工具; 3、具有较强的思维逻辑能力，良好的数据敏感度，能从海量数据提炼核心结果;有丰富的数据分析、挖掘、建模的经验; 4、具备良好的沟通协调能力，有独立开展分析研究项目经验; 5、一定的抗压能力和和团队精神;能有效的推动数据结论的落地 高级数据分析师工作的基本职责2 职责： 1.对海量业务数据进行处理和分析，发现和跟踪其中的问题。能够从业务和产品的角度出发，利用数据发现产品、系统或是业务的瓶颈，并提出优化的方案

2.分析海量用户行为数据，优化用户生命周期流程，提升用户规模 3.利用数据挖掘，机器学习等技术解决实际问题，比如实现模块或流程自动化，业务报表系统的建设，离线数据流程的建设，数据可视化等 4.建立各种业务逻辑模型和数学模型，帮助公司改善运营管理，节省成本 任职要求 1.计算机、数学、统计相关专业，本科及以上学历 2.熟练掌握：mysql、hdfs/hive/数据库使用，较强的数据库及SQL 能力，并对Hadoop 技术体系有所了解和研究 3.具备数据敏感性和探知欲、分析、解决问题的能力，能够承受工作中的压力，专注数据的价值发现和变现转化 4.工作认真、负责、仔细，有良好的团队合作精神，良好的分析问题能力、沟通技巧及数据呈现能力 高级数据分析师工作的基本职责3 职责： 1、研究大数据新技术分析发展方向;

数据仓库工程师岗位的主要职责说明

数据仓库工程师岗位的主要职责说 明 数据仓库工程师负责数据仓库系统与业务系统的接口设计和确认工作。下面是小编为您精心整理的数据仓库工程师岗位的主要职责说明。 数据仓库工程师岗位的主要职责说明1 职责： 1、负责数据仓库建模和ETL技术工作，确保项目实施过程中的数据源分析，能顺利有序地进行; 2、熟练掌握ETL设计过程，参与数据平台架构的设计、开发、流程优化及解决ETL相关技术问题; 3、与用户和项目组进行有效沟通，采集项目需求，并提出相应的解决方案; 4、有ERP开发或实施经验者优先; 5、参与海量数据情况下的数据库调优等工作;

6、按照项目推进情况，完成主管交付的临时性任务; 7、能够按照公司全面质量管理的要求，高质量完成各类技术支持工作。 岗位要求： 1、计算机相关专业本科以上学历，2年工作经验; 2、具备独立完成ETL开发、设计数据仓库流程，精通Oracle, MS SQL Server 等主流数据库，具备独立设计数据库和编写存储过程的能力; 3、掌握Java，Python等任意一门开发语言，可以独立开发模块; 4、精通数据库SQL调优; 5、有多维数据仓库工作经验优先; 6、具备财务基础知识或者ERP基础知识者优先; 7、有DataStage，informatica，kettle经验者优先; 8、逻辑思维能力强，对数据敏感，有较强学习能力和创新思维; 9、可以独立与客户进行需求沟通，工作认真负责，团队意识强;

数据仓库工程师岗位的主要职责说明2 职责： 1、负责金融数据的收集、整理与分析; 2、负责oracle数据仓库的设计、开发搭建及运行维护; 3、依据业务需求优化数据存储结构; 4、协助项目其他成员设计关键的SQL语句和触发器、存储过程、表等; 5、通过数据库的日常检查，对性能较差的SQL语句提出优化方案; 6、协助搭建量化投资策略平台。 要求： 1、计算机网络、统计、数学或信息技术本科及以上学历; 2、能编写Oracle简单脚本,可以独立在windows和linux环境下搭建管理oracle服务器数据库; 3、对linux,unix 操作系统有了解，熟练使用shell,python等脚本语言处理数据; 4、至少一年以上的的数据分析、挖掘、清洗和建模的经验;

datastage入门培训

一、工具入门 DataStage是一个ETL的工具，就是对数据的抽取，转换，加载。个人通俗的理解就是一个对数据进行处理，提取的工具，这里面的数据大部分是以数据库中表的格式存在着的，所以如果要使用这个工具，首先必须对关系数据库的一些基本概念要有所了解，比如最基本的字段，键，记录等概念。 DataStage是通过设计job来实现ETL的功能的。 Job的设计跟普通的IDE设计一样，通过拖拽控件，并填加脚本来完成。这里的控件称为stage，每一个不同的stage都有不同的数据处理的功能，将各个stage通过一定的方式组合起来，设计成job，对job进行编译，运行，就能够实现对数据抽取转换加载。 1,安装datastage,看学习指导，先对该工具有个大概的认识,大概知道administrator,design,director,manager的区别。 了解datastage工具的主要用途：简单的说就是把一批数据input进来，经过各种各样的转化，清洗，然后在output出去,整个就是ETL 的过程。 对4个工具我们最常做的操作有： Administrator：1、对Project的管理，主要是建立和删除project; 2、对Licensing的管理，主要是更换Licensing。 design：datastage的核心，所有的开发都在design里面完成，在这里可以编辑你的job,使用各种stage控件。 director：1、查看日志，当运行job结束时，无论job成功或者失败，我们都可以在director 里面查看日志，里面能反映我们job运行的状态，经常job出错我们都是先查看日志，然后分析原因，再到design里面修改。 2、director的另外一个很有用的功能是logout job,当服务器或者网络出问题时，正在编辑的job很有可能被锁定，这时你就算把design关了再重新登陆还是无法打开job,会提示job has been used, 这就需要到director里面把job logout，然后就可以使用了。manage：manage的最主要的功能是可以对design里面的资源进行导入导出，当我们要把开发的job从一台机器转移到另外一台机器时，就需要用到。 二、开始学习使用design,做一些简单的job,接触几个常用的stage。 做练习1的1-2至4-2的练习，练习中用到的Oracle组件全部用sequence file 代替， 1-2练习中会教你导入练习所要用到的表的结构，练习中要用到的数据文件放在数据及表定义目录下。（表定义可以通过manage工具导入，但是数据文件必须自己手工导入，所以开发前请先将数据及表定义目录下面的所有.txt的数据文件导到你所使用的datastage的开发环境上，导数据文件的方法可以使用ftp工具） 要设计job的关键，就在于能够熟悉每个不同的stage并且能够灵活运用。在文档和指导中有对每个控件的使用方法作了图文并茂的说明，但是教材语言的一个缺点就是太过形式化，所以有些概念不能够很好的理解。比如lookup这个stage我在看教材的时候就没有太了解。所以，我就结合自己，用自己的语言对一些比较常用的stage说一下自己的理解和一些需要注意的地方。 几个常用stage的经验总结： Sequential File Stage：这个控件实际上是指代主机上面的一个文件，在它的属性中可以选定文件的路径，目录。一般这些文件都是以类似数据库表的格式存在的。使用这个控

华为各平台技能要求

华为各平台技能要求 说明：下面各平台级别及技能要求都是华为项目所需要的，未列出的级别及技能华为10年还没有需求。 J2EE平台 三级 计算机相关专业，本科三年以上本领域工作经验；技能要求：掌握J2EE架构；熟练掌握IBM WSAD 版本5.1以上或IBM RAD开发工具；熟练掌握Struts框架开发技术；熟练掌握Java 语言编程技术；熟悉UML语言，能够理解UML设计图；熟练掌握Oracle SQL开发与存储过程开发。具有三年以上的Java开发经验，2年以上的基于J2EE技术规范的WEB开发经验 二级 计算机相关专业，本科两年以上或大专四年以上本领域工作经验；技能要求：掌握Java编程语言；了解J2EE架构；熟练掌握java script，html、Jsp、Servlet、JavaBean等web 开发技术；掌握标准SQL语言，有Oracle Sql开发经验。了解UML语言；掌握IBM WSAD 版本5.1以上或IBM RAD开发工具或Eclipse开发工具；熟悉WEB/J2EE服务器的使用，可熟练配置使用Tomcat,Apache。参与过系统的设计与开发工作，2年以上Java开发经验。 Net平台 三级 计算机相关专业，本科三年以上本领域工作经验，技能要求：除满足二级人员要求外，熟练掌握.Net开发框架，熟练掌握https://www.sodocs.net/doc/d516411405.html,开发和C＃开发；熟悉IIS服务器配置与管理；熟悉Web Service，精通XML文件的解析。具有三年以上的.Net开发经验，1年以上的基于.Net 技术规范的WEB开发经验。有能力解决项目组内重大问题、能指导设计开发 二级 计算机相关专业，本科两年以上或大专四年以上本领域工作经验，技能要求：掌握C#开发语言；熟悉.Net多层架构；熟练掌握java script，html、https://www.sodocs.net/doc/d516411405.html,等web开发技术；有COM/COM+的开发经验；掌握标准SQL语言，有较好的基于Oracle或Sql Server的 Sql开发经验。了解UML语言；掌握Microsoft Visual Studio （版本 2003,2005）开发工具；熟悉配置使用IIS服务器。参与过中等规模系统的设计与开发工作；与他人能够保持良好沟通与合作。 Oracle（开发）平台 三级 1、沟通能力强,理解能力强,工作态度好； 2、Oracle Form,Oracle Report，Oracle数据库开发3年以上工作经验； 3、至少参与1个基于oracle开发的中大型项目； 4、使用过版本管理工具；

datastage入门教程

简介 DataStage 使用了 Client-Server 架构，服务器端存储所有的项目和元数据，客户端 DataStage Designer 为整个 ETL 过程提供了一个图形化的开发环境，用所见即所得的方式设计数据的抽取清洗转换整合和加载的过程。Datastage 的可运行单元是 Datastage Job ，用户在 Designer 中对 Datastage Job 的进行设计和开发。Datastage 中的 Job 分为 Server Job, Parallel Job 和 Mainframe Job ，其中 Mainframe Job 专供大型机上用，常用到的 Job 为Server Job 和 Parallel Job 。本文将介绍如何使用 Server Job 和 Parallel Job 进行 ETL 开发。 Server Job 一个 Job 就是一个 Datastage 的可运行单元。Server Job 是最简单常用的Job 类型，它使用拖拽的方式将基本的设计单元 -Stage 拖拽到工作区中，并通过连线的方式代表数据的流向。通过 Server Job，可以实现以下功能。 1.定义数据如何抽取 2.定义数据流程 3.定义数据的集合 4.定义数据的转换 5.定义数据的约束条件 6.定义数据的聚载 7.定义数据的写入 Parallel Job Server Job 简单而强大，适合快速开发 ETL 流程。Parallel Job 与 Server Job 的不同点在于其提供了并行机制，在支持多节点的情况下可以迅速提高数据处理效率。Parallel Job 中包含更多的 Stage 并用于不同的需求，每种 Stage 使用上的限制也往往大于 Server Job。 Sequence Job Sequence Job 用于 Job 之间的协同控制，使用图形化的方式来将多个 Job 汇集在一起，并指定了 Job 之间的执行顺序，逻辑关系和出错处理等。 数据源的连接 DataStage 能够直接连接非常多的数据源，应用围非常大，可连接的数据源包括：

Datastage开发经验

NEUSOFT Datastage开发经验 开发手册 刘石磊 2014/7/23

目录 第一章 Datastage连接配置 (3) 1.配置DS连接 (3) 2.打开DS designer，选择服务层主机名，输入用户名密码，然后在项目中选择对应的开发项目，确定后进入DS开发界面 (3) 第二章 Datastage Designer开发 (4) 1.在Jobs目录下建立自己的开发目录层级 (4) 2.job调用关系 (4) 3.job能调用的组件 (5) 4.开发一个job (6) 5.导入表定义（Table Definitions） (17) 6.开发一个sequence (20) a.新建Sequence，将并行job拖入设计面板 (20) b.保存编译后即可运行 (20) 7.运行job (21) 8.全局参数&环境变量设置 (23) 9.在job和sequence中调用参数 (24) a.Job中变量参数设置 (24) b.Sequence中变量参数设置 (27) 10.调用存储过程 (28) a.新建一个job，作业属性配置如下图 (28) b.调用存储过程，在查询存储过程运行状态的表的sql前—Before SQL，调用存储 过程CALL ETL.SP_IPRO_ETL_ALL('#$p_etl_date#'); (28) 11.运行job失败时怎么办 (29) 第三章 Datastage Director使用 (30) a.只有处于已编译和已完成状态的job或sequence才能直接运行 (30) b.查看报错日志 (30) c.job日志过滤 (31) d.再次运行job (32) 第四章 Datastage Designer其它功能 (33)

datastage教程

1、【第一章】datastage简介与工作原理 1、简介 数据中心（数据仓库）中的数据来自于多种业务数据源，这些数据源可能是不同硬件平台上，使用不同的操作系统，数据模型也相差很远，因而数据以不同的方式存在不同的数据库中。如何获取并向数据中心（数据仓库）加载这些数据量大、种类多的数据，已成为建立数据中心（数据仓库）所面临的一个关键问题。针对目前系统的数据来源复杂，而且分析应用尚未成型的现状，专业的数据抽取、转换和装载工具DataStage是最好的选择。 Websphere DataStage 是一套专门对多种操作数据源的数据抽取、转换和维护过程进行简化和自动化，并将其输入数据集市或数据中心（数据仓库）目标数据库的集成工具。 DataStage 能够处理多种数据源的数据，包括主机系统的大型数据库、开放系统上的关系数据库和普通的文件系统等，以下列出它所能处理的主要 数据源： 大型主机系统数据库：IMS,DB2,ADABAS,VSAM 等 开放系统的关系数据库：Informix,Oracle,Sybase,DB2,Microsoft SQL Server等ERP 系统：SAP/R3,PeopleSoft系统等，普通文件和复杂文件系统，FTP 文件系统，XML等IIS,Netscape,Apache等Web服务器系统Outlook等Email系统。 DataStage 可以从多个不同的业务系统中，从多个平台的数据源中抽取数据，完成转换和清洗，装载到各种系统里面。其中每步都可以在图形化工具里完成，同样可以灵活的被外部系统调度，提供专门的设计工具来设计转换规则和清洗规则等，实现了增量抽取、任务调度等多种复杂而实用的功能。其中简单的数据转换可以通过在界面上拖拉操作和调用一些DataStage 预定义转换函数来实现，复杂转换可以通过编写脚本或结合其他语言的扩展来实现，并且DataStage 提供调试环境，可以极大提高开发和调试抽取、转换程序的效率。

数据仓库面试题

数据仓库及BI工程师面试题集锦 前言 1、介绍一下项目经验、项目中的角色。 一、数据库 1、Oracle数据库，视图与表的区别？普通视图与物化视图的区别？物化视图的作 用？ 2、Oracle数据库，有哪几类索引，分别有什么特点？ 3、Union与Union All的区别？ 4、对游标的理解？游标的分类？使用方法？ 5、如何查找和删除表中的重复数据？给出方法或SQL。 6、不借助第三方工具，怎么查看SQL的执行计划？ 7、创建索引有哪些需要注意的要点？ 8、Oracle数据库中，有哪几种分区？各自特点是什么？作用是什么？分区索引的分 类和作用？ 9、表T(a,b,c,d),要根据字段c排序后取第21—30条记录显示，请给出sql。 10、备份如何分类？归档是什么含义？ 11、如果系统现在需要在一个很大的表上创建一个索引，需要考虑那些因素，如何做到 尽量减小对应用的影响？ 12、是否有海量数据处理经验？有何方法？ 二、ETL工具 1、Informatica中，Update组件叫什么？更新机制？ 2、Informatica中，LookUp组件有哪几类？区别是什么？ 3、Informatica中，如何调用存储过程？ 4、Informatica中，工作流控制有哪些组件？ 5、Informatica优化方案？ 6、DataStage的JOB有哪些类型？特点分别是什么？

7、DataStage中，如何设置parallel job并行运行？ 8、DataStage中，Join Stage 与Lookup Stage组件在使用上有何区别？ 9、DataStage的优化方案？ 三、模型设计 1、有哪几种模型设计方法？特点分别是什么？ 2、模型设计的步骤？ 3、维度模型的设计方法？ 4、模型设计的思路？业务需求驱动？数据驱动？ 3、模型设计经验说明。在概念模型设计、逻辑模型设计以及物理模型设计几个阶段主 要的工作是什么？ 四、Cognos开发 1、Cube刷新方案？ 2、报表数据权限控制方案？ 3、Cube增量刷新方案？ 五、Shell开发 1、在Unix/Linux中，查看磁盘空间可以用哪些命令？ 2、在Unix/Linux中，压缩和解压缩文件可以用哪些命令？ 3、sed命令的作用？ 4、在Unix/Linux中，添加用户用什么命令？ 5、在Unix/Linux中，查看文件行数什么命令？ 六、数据仓库设计 1、增量数据获取方案？ 2、请解释以下概念：数据集市、事实表、维度表、OLAP 3、元数据管理在数据仓库中的运用有何心得？