AA4-Ev1-Validación de técnicas de migración y herramientas ETCL

Presentado por:

Roger Chavarria Rivera

ESPECIALIZACION BASE DE DATOS

SENA
2019
 ALCALDIA DE SAN ANTONIO DEL SENA

MIGRACIÓN: SECRETARÍA DE HACIENDA

TÉCNICAS EXISTENTES

Existen varias técnicas relacionadas con los procesos de migración de datos, a continuación se
relacionan las más utilizadas en los procesos actuales.

SINCRONIZACIÓN DE BASE DE DATOS

Es una técnica muy utilizada en procesos de migración de datos, consiste en hacer que dos bases de
datos sean equivalentes en el mismo tiempo.

Se logra mediante la copia de datos y metadatos de una base de datos origen a una base de datos
destino mediante una herramienta tecnológica. Los asistentes de sincronización de los SMBD son
configurados con las bases de datos origen y la base de datos destino, parametrizando la ubicación
de particiones y métodos de seguridad.

IMPORTACIÓN/EXPORTACIÓN DE ARCHIVOS (CSV) O XML A TRAVÉS DE COMANDOS DE

CONSOLA O INTERFAZ GRÁFICA

Para las actividades de migración de datos es muy común utilizar archivos para el movimiento de
los datos. Se pueden utilizar diferentes tipos de archivos, pero los formatos más usados son los
archivos de texto, llamados archivos planos, que guardan la información sin formato usando solo
caracteres.

Los sistemas de codificación más comunes para estos archivos son: ASCII, ISO-8859-1 o Latín-1 y
Unicode.

Los archivos de texto pueden tener formato delimitado utilizando coma (,), punto y coma (;) o
Tabulaciones para delimitar los campos definiendo de esa forma columnas y filas. También pueden
tener formato de ancho fijo para los campos, que se utiliza para delimitar columnas y filas.

Un formato de archivo plano muy usado es el “.CSV” (Comma-Separated-Values, en español Valores

Separados por Coma), donde el delimitador usado es una coma. Muy usado para movimientos de
datos con hojas de cálculo.

Otro formato útil para la migración de datos es el “.XML” (eXtensible Marckup Language), que utiliza
un metalenguaje extensible de etiquetas las cuales sirven como estándar para intercambio de
información estructurada entre distintas plataformas.

SENTENCIAS DML

Una posibilidad de los SMBD es la utilización de sentencias DML para generar scripts SQL que
permiten realizar migraciones de bases de datos existentes.

En un script SQL se pueden realizar las siguientes tareas:

 Copia de seguridad para creación de todos los usuarios, grupos, inicios de sesión y permisos.
  Creación o actualización de código para la implementación de una base de datos.
 Creación de un entorno de pruebas.

Los procesos se orientan al uso de las sentencias DML, para realizar el paso de datos de la base de
datos de origen a la base de datos destino, a través de los entornos administrativos de los SMBD.

PROCEDIMIENTOS ETCL (EXTRACCIÓN, TRANSFORMACIÓN, LIMPIEZA Y CARGA)

Esta técnica se basa en el diseño y construcción de procedimientos técnicos para realizar Extracción,
Transformación, Limpieza y Cargue de Datos (ETCL). Los procedimientos o pasos necesarios para
el desarrollo de un proyecto de migración de datos utilizando la metodología ETCL son:

En todo proceso de migración, se ha de proceder a integrar dos o más sistemas por lo cual pueden
usarse diferentes técnicas, siendo las más comunes:

 Perfilado de datos: Permite explorar los propios datos, agregando a los de origen las reglas
necesarias. Esta técnica hace posible también el obtener resultados acerca de duplicidades
o errores en los datos.
 Limpieza de datos: Puede llevarse a cabo empleando para ello una herramienta de Data
Quality que ayude a eliminar errores, incorrecciones o duplicidades, entre otras
inconsistencias; y que, al mismo tiempo, enriquezca y homologue los datos, preparándolos
para el sistema de destino.
 Conexión a distintas fuentes de datos: Técnica que precisa de una herramienta ad hoc que
garantice el hacerlo en condiciones de simultaneidad.
Las ventajas que proporciona el usar estas tecnologías se traducen en un aumento de la precisión,
reducción del índice de errores, mayor agilidad y optimización del tiempo; ya que su
automatización evita los procesos manuales, algo que supone su principal beneficio.

QUÉ SE DEBE TENER EN CUENTA PARA LA ELECCIÓN DEL SOFTWARE DE ETL

Existen muchas herramientas de ETL diferentes, como también hay infinidad de bases de datos,
sistemas y organizaciones distintas. En el momento de seleccionar la que liderará la migración e
integración de datos pueden tomarse en consideración las recomendaciones de Gartner en cuanto
a las cualidades que la herramienta ha de presentar:

 Adaptabilidad a distintos sistemas operativos y plataformas hardware.

 Capacidades de gestión de datos: en cuanto a minería, perfilado y calidad.
 Habilidades para monitorizar, gestionar y controlar los procesos de integración de datos: en
lo relativo a gestión de errores, recolección de estadísticas de ejecución, controles de
seguridad, etc.
 Capacidades SOA.
 Capacidades de diseño y entorno de desarrollo: como soporte para test, representaciones
gráficas, modelos y flujos de datos y flujos de datos, etc.
 Cualidades de arquitectura e integración referidas al grado de interoperabilidad,
compactación y consistencia de los diferentes componentes que la formen.

Aunque la elección de un software de ETL no es sencilla, su repercusión en el curso del proyecto es

decisiva. Una decisión correcta pasa por la automatización y en base a ella quedan garantizados:

 Un aumento en la velocidad de desarrollo del proyecto.

 La descentralización del control de la ejecución y de todos los procesos.
 Una mayor agilidad en el negocio.
 Mayor precisión.
 Minimización de errores.
HERRAMIENTAS ETCL
APLICACIÓN DE USO LIBRE

Benetl: Es una herramienta ETL de uso libre, desarrollada entre los años 2007 – 2014, hecha en java
y trabaja con base a lenguajes de base de datos PostgreSQL o MySQL.

Esta herramienta se creó para facilitar el trabajo con archivos TXT, CSV o archivos de fuente de
datos XML. Para recuperar los datos que tendrán que definir un dato de tiempo y una entidad, que
está representado por datos a calcular o para mostrar. Todos los objetos útiles serán creados por
Benetl dentro de una base de datos MySQL o PostgreSQL. La aplicación también es capaz de
recuperar automáticamente los datos mediante el uso de diversas tareas planificadas de su sistema.

Mediante el uso de Benetl podrá se ha podido recuperar fácilmente la información de los archivos
de datos planos, la organización y el filtrado de acuerdo con su dato de tiempo y entidad.

Caracteristicas Benetl

 Tecnologias:
 Java 7 update 80
 PostgreSQL 9.5.0 (con el apoyo plpgsql)
 MySQL 5.6 con función de OLD_PASSWORD de inicio de sesión de usuario (para
controlador suministrado)
 Con Windows (se utiliza "tareas programadas")
 Benetl 4.7 funciona en Linux.
 Requerimientos Tecnicos:
 ejecución de Java (JRE) 1.7
 base de datos PostgreSQL 9.5 con soporte plpgsql
 base de datos de MySQL 5.6 con OLD_PASSWORD la función de inicio de sesión de
usuario o el controlador oficial de MySQL (no incluido)
 Probado en sistemas de 64 bits
 Ejemplo: Nombre EtlTool… Definir Nombre, Este nombre es también el nombre de la tabla
de PostgreSQL o tabla de MySQL donde se almacenan las líneas de datos.
Un archivo llamado "EtlTool.bat" se creará en la carpeta de origen de datos.
 Debe presionar enter para validar su nombre EtlTool, y luego se pueden guardar los
parámetros.

APLICACIÓN SMBD SELECCIONADO

1. SQL SERVER INTEGRATION SERVICES:

Microsoft Integration Services es una plataforma para la creación de soluciones empresariales de

transformaciones de datos e integración de datos. Integration Services sirve para resolver complejos
problemas empresariales mediante la copia o descarga de archivos, el envío de mensajes de correo
electrónico como respuesta a eventos, la actualización de almacenamientos de datos, la limpieza y
minería de datos, y la administración de objetos y datos de SQL Server.

Los paquetes pueden funcionar en solitario o junto con otros paquetes para hacer frente a las
complejas necesidades de la empresa. Integration Services puede extraer y transformar datos de
diversos orígenes como archivos de datos XML, archivos planos y orígenes de datos relacionales y,
después, cargar los datos en uno o varios destinos.

Integration Services contiene un variado conjunto de tareas y transformaciones integradas,

herramientas para la creación de paquetes y el servicio Integration Services para ejecutar y
administrar los paquetes. Las herramientas gráficas de Integration Services se pueden usar para
crear soluciones sin escribir una sola línea de código.

También se puede programar el amplio modelo de objetos de Integration Services para crear
paquetes mediante programación y codificar tareas personalizadas y otros objetos de paquete.

El SSIS Import/Export Wizard permite mover datos de origen a destino sin modificar los datos del
origen y permitiendo hacer iteraciones y cambios de información antes de llegar al destino dentro
de tablas de ETL. Se pueden importar datos de fuentes diferentes a SQL Server.

Con la herramienta Business Intelligence Development Studio, se pueden realizar tareas de

migración fácilmente usando tareas visuales. Si se desea crear nueva funcionalidad, se pueden crear
scripts en c# o VB.
Los paquetes, que son las unidades de almacenamiento de estas tareas de migración se pueden
guardar en archivos dtsx o en la base de datos en formato XML.

Una vez implementado el paquete puede ser depurado.

Caracteristicas SSIS

 Ultima Version: SQL Server 2014 Integration Services

 Requerimientos Técnicos:
 Instalar en un equipo de 64 bits
 Instalar en un servidor dedicado para ETL
 Si requiere las características en tiempo de diseño de Integration Services, también
debe instalar Business Intelligence Development Studio.
 Si necesita las versiones de 32 bits de las herramientas y del motor en tiempo de
ejecución de Integration Services para ejecutar ciertos paquetes en modo de 32
bits, también debe instalar Business Intelligence Development Studio.

2. ORACLE WAREHOUSE BUILDER:

Es una complete herramienta para todos los aspectos de administración de datos y metadatos. Esta
brinda características para asegurar la calidad de datos, que integran el modelado relacional y
multidimensional y que permiten la administración de todo el ciclo de vida de datos y metadatos

Enterprise ETL Option

La opción empresarial ETL (Enterprise ETL Option) para Warehouse Builder es una opción que puede
ser adquirida con Oracle Warehouse Builder como parte de la edición empresarial del motor de
base de datos (Oracle DB Enterprise Edition).
Figura 1 Opciones de Warehouse Builder.
Este resumen ejecutivo cubre únicamente la ETL Enterprise Option como se muestra en la figura 1.

Opciones Avanzadas para Carga de Datos

En grandes implementaciones, más y más procesos se ejecutan en paralelo, agotando los recursos
debido a las grandes cantidades de datos que participan en la carga.

Como parte de la Enterprise ETL Option, Warehouse Builder permite ejecutar cargas de datos
usando métodos rápidos y eficientes tales como el Oracle Data Pump y transportable tablespaces.
Esta es una aproximación completamente diferente al movimiento de datos que se realiza por
medio de conjuntos de datos controlados por el motor de base de datos. Los incrementos en
velocidad de carga se deben entonces a la omisión de las capas SQL tradicionales.

Soporte a Dimensiones Lentamente Cambiantes Integrado

En Warehouse Builder la lógica de dimensiones lentamente cambiantes es diseñada en los

metadatos de la dimensión. La dimensión captura toda la lógica que será aplicada a los datos que
se insertan dentro de la misma.
Figura 2. Dimensiones Lentamente Cambiantes

Una vez, los usuarios de negocio han decidido que atributos son importantes, el modelador de
datos diseña la dimensión. Con los pasos de ETL el desarrollador ve esta dimensión como cualquier
otra. El siguiente paso es definir cómo efectuar los cambios y actualizaciones en la dimensión.
Warehouse Builder automatiza esto basado en la definición de la dimensión. La combinación entre
estos pasos, el diseño y la estandarización hacen que los procesos relacionados con dimensiones
lentamente cambiantes presente un alto desempeño en su ejecución.

Traza Lineal de Principio a Fin

Los servicios de administración de dependencias (Warehouse Builder Dependency Management )

le permiten prever el efecto que puedan tener los cambios que se hagan en cualquier lugar de los
metadatos del sistema ETL antes de que estos puedan afectarlo y deterióralo.
Figura 3. Propagando cambios en el sistema.

Por primera vez, tendrá la posibilidad de administrar los cambios de su sistema de manera
proactiva. Como un ejemplo (Figura 3), usted puede propagar los cambios a través de su sistema
haciendo uso el Mapping Editor.

Administración de Configuraciones Avanzadas

Tener que mover sistemas o aplicaciones de un ambiente a otro (por ejemplo de desarrollo a
producción) es un problema frecuente.

Con la Enterprise ETL Option de Warehouse Builder, es posible generar un modelo para configurar
los ambientes de desarrollo, pruebas y producción a niveles separados. Para mover los cambios
desde el ambiente de desarrollo a producción, el código generado en desarrollo es modificado en
producción solo en áreas específicas. Por ejemplo, la información sobre las conexiones es
substituida por la definida en desarrollo.

VENTAJAS, DESVENTAJAS, TIEMPOS Y COSTO DE LAS HERRAMIENTAS.

 Técnica Descripción
Es una técnica muy utilizada en procesos de migración de datos, consiste en hacer que dos bases de
datos sean equivalentes en el mismo tiempo.
Se logra mediante la copia de datos y metadatos de una base de datos origen a una base de datos
destino mediante una herramienta tecnológica. Los asistentes de sincronización de los SMBD son
Sincronización de configurados con las bases de datos origen y la base de datos destino, parametrizando la ubicación
base de datos de particiones y métodos de seguridad.

Requerimientos Ventajas Desventajas Tiempo

técnicos
SQL SERVER  Es un sistema de  Utiliza mucho la memoria 3 semanas.
INTEGRATION SQL Server gestión de base de RAM para las instalaciones y
SERVICES Estándar datos. utilización de software. Semana 1:
 Es útil para manejar y  No se puede utilizar como Análisis de
obtener datos de la red practicas porque se prohíben datos
de redes. muchas cosas, tiene
 Nos permite olvidarnos restricciones en lo particular. Semana 2:
de los ficheros que  La relación, calidad y el precio Migración y
forman la base de está muy debajo comparado validación de
datos. con oracle. información
 Si trabajamos en una  Tiene muchos bloqueos a
red social nos permite nivel de página, un tamaño de Semana 3:
agregar otros página fijo y demasiado Optimización
servidores de SQL pequeño, una pésima de proceso
Server. Por ejemplo, implementación de los tipos
dos personas que de datos variables.
trabajan con SQL
Server, uno de ellos se
puede conectar al
servidor de su otro
compañero y así se
puede ver las bases de
datos del otro
compañero con SQL
Server.
 SQL permite
administrar permisos a
todo. También permite
que alguien conecte su
SQLO al nuestro, pero
sin embargo podemos
decirle que no puede
ver esta base de datos,
pero otro sí.
ORACLE Oracle Estándar  Oracle es el motor de 
WAREHOUSE base de datos objeto-
BUILDER relacional más usado a
nivel mundial.
 Puede ejecutarse en
todas las plataformas,
desde una Pc hasta un
supercomputador.
 Oracle soporta todas
las funciones que se
esperan de un servidor
"serio": un lenguaje de
diseño de bases de
datos muy completo 
(PL/SQL) que permite
implementar diseños
"activos", con triggers y
procedimientos
almacenados, con una
integridad referencial
declarativa bastante
potente.
 Permite el uso de
particiones para la
mejora de la eficiencia,
de replicación e incluso
ciertas versiones
admiten la 
administración de
bases de datos
distribuidas.
 El software del servidor
puede ejecutarse en
multitud de sistemas
operativos.
 Existe incluso una
versión personal para
Windows 9x, lo cual es
un punto a favor para
los desarrolladores que
se llevan trabajo a casa.
 Oracle es la base de
datos con más
orientación hacía
INTERNET.
PRECIO LICENCIA SQL SERVER 2014
Las versiones más recientes 3 semanas.
de Oracle son la 11g, 10g, 9g,
8g, desde el lanzamiento Semana 1:
original de la 8 se sucedieron Análisis de
varias versiones con datos
correcciones, hasta alcanzar la
estabilidad en la 8.0.3. El Semana 2:
motivo de tantos fallos fue, al Migración y
parecer, la remodelación del validación de
sistema de almacenamiento información
por causa de la introducción
de extensiones orientadas a Semana 3:
objetos. Optimización
El mayor inconveniente de de proceso
Oracle es quizás su precio.
Incluso las licencias de
Personal Oracle son
excesivamente caras, en mi
opinión. Otro problema es la
necesidad de ajustes. Un error
frecuente consiste en pensar
que basta instalar el Oracle en
un servidor y enchufar
directamente las aplicaciones
clientes. Un Oracle mal
configurado puede ser
desesperantemente lento.
También es elevado el coste
de la información, y sólo
últimamente han comenzado
a aparecer buenos libros
sobre asuntos técnicos
distintos de la simple
instalación y administración.
Ediciones de
Modelo de Precio de Open
SQL Server Ideal para... Disponibilidad de canal
licencia NL (USD)
2014
Enterprise Rendimiento confiable y completo para Por núcleo** Licencias por volumen, $14,256***
satisfacer los requisitos de base de hosting
datos y de Business Intelligence más
exigentes. La edición Enterprise
proporciona los niveles de servicio y
rendimiento más altos para las cargas
de trabajo de nivel 1.*
Business Una plataforma amplia que permite a Servidor + Licencias por volumen, $8,908***
Intelligence las organizaciones compilar e CAL**** hosting
implementar soluciones de BI seguras,
escalables y administrables.
Standard Funcionalidad de Business Intelligence y Por núcleo** Licencias por volumen, $3,717***
administración de datos básica para hosting
cargas de trabajo que no son críticas,
con recursos de TI mínimos.
Servidor + Licencias por volumen, $931***
CAL**** hosting, minorista (FPP)
Developer Versión completamente funcional de Por usuario Licencias por volumen, $38***
SQL Server que permite a los minorista (FPP)
desarrolladores compilar, probar y
demostrar aplicaciones con software de
SQL Server de una manera rentable.

Conluciones:

Al momento de pensar en manejo de datos en una organización, debemos promover e implentar

politicas de respaldo de datos y migracion de los mismos, garantizando asi la integridad de los
mismos, y en caso de errores poder regremsar a un estado anterior sin causa traumatismos en la
operatividad de la empresa.

RECIO LICENCIA ORACLE

http://www.oracle.com/us/corporate/pricing/price-lists/business-intelligence-price-list-
071347.pdf
BIBLIOGRAFIA.

http://blog.powerdata.es/el-valor-de-la-gestion-de-datos/bid/353132/ETL-t-cnicas-de-migraci-n-y-
tipos-de-software

https://platzi.com/blog/que-es-postgresql/

http://www.oracle.com/technology/products/warehouse/11gr1/datasheets/warehouse-builder-
11g-etldatasheet.pdf