Aucun résultat trouvé

Votre recherche n'a donné aucun résultat.

Que signifie ELT ?

Extract, Load, Transform (ELT) est un processus d'intégration de données permettant de transférer des données brutes d'un système source à un entrepôt de données sur un serveur cible, puis de préparer les informations pour des utilisations en aval.

Tout ce que vous devez savoir sur le processus ELT

Temps de lecture : 3 mn

ELT signifie Extract, Load, Transform. L'ELT est une variante de l'Extract, Transform, Load (ETL), un processus d'intégration de données dans lequel la transformation a lieu sur un serveur intermédiaire avant d'être chargée dans la cible. En revanche, les ELT permettent de charger les données brutes directement dans la cible et de les transformer par la suite. Cette capacité est particulièrement intéressante pour le traitement des grands ensembles de données nécessaires à la Business Intelligence (BI) et à l'analyse de données volumineuses.

Historiquement, l'ETL a toujours été le meilleur et le plus fiable moyen de déplacer des données d'un endroit à un autre. Mais, comme les systèmes modernes de stockage de données ont augmenté leur puissance de calcul, il est parfois plus efficace de charger les données avant de les transformer. L'un des principaux attraits des ELT est la réduction des temps de chargement par rapport au modèle ETL. Tirer parti de la capacité de traitement intégrée à un Data Warehouse réduit le temps que les données passent en transit et est plus rentable.

Avantages du processus ELT

Les ELT peuvent tirer parti de la puissance de calcul du matériel existant pour effectuer des transformations. Un ELT peut ainsi tirer parti de la puissance du cluster pour transformer les données.

De plus, lorsque vous utilisez une ELT, vous déplacez l'ensemble des données vers la cible. Ceci peut être utile si vous ne voulez pas transformer les données avant de les déplacer, ou si vous voulez de la flexibilité dans le schéma pour les données cibles.

Les données sont relativement simples, mais peuvent être massives. C’est le cas par exemple des données brutes provenant de capteur. Dans ce cas, les transformations qui ont lieu dans la cible peuvent être relativement simples, et l'avantage vient de la capacité de la mémoire de la cible à charger rapidement des volumes massifs de données.

Il est également intéressant d’utiliser les ELT dans un environnement Big Data mouvant et évolutif. Il peut être très compliqué et coûteux de mettre à jour les anciens développements avec les dernières nouveautés technologiques. Cependant, il est possible de choisir une ELT qui s’adapte facilement à ces innovations.

Vous souhaitez en savoir plus sur Autonomous Database ?