數據清洗與ETL技術

第1章 從大數據到ETL
1.1 大數據概述
1.1.1 大數據的定義
1.1.2 大數據的基本性質
1.1.3 大數據的影響
1.1.4 大數據帶來的挑戰
1.2 科學處理數據
1.3 ETL簡介
1.3.1 ETL的基本定義
1.3.2 ETL的基本過程
1.3.3 ETL的架構體系
1.3.4 ETL的必要性
1.3.5 ETL的分類
1.3.6 基本ETL過程與數據清理的區別
1.3.7 ETL現狀與發展
1.4 數據抽取
1.4.1 數據抽取的概念
1.4.2 分類抽取
1.4.3 數據抽取的原則和方法
1.5 數據轉換
1.5.1 數據轉換的概念
1.5.2 類型轉換
1.6 數據載入
1.6.1 數據載入的概念
1.6.2 數據載入方式
1.7 實驗任務——處理論文的年份
1.8 小結
1.9 習題

第2章 數據抽取
2.1 數據源
2.1.1 關係數據庫
2.1.2 非關係數據庫
2.1.3 通用程式庫
2.2 數據抽取方式
2.2.1 全量抽取
2.2.2 增量抽取
2.2.3 增量抽取的比較分析
2.3 Hadoop的數據抽取
2.3.1 Hadoop簡介
2.3.2 Hadoop研究現狀
2.3.3 環境搭建
2.3.4 數據採集
2.4 Web文件的數據抽取
2.4.1 Web文件簡介
2.4.2 主要工作
2.4.3 主要工具——Connotate
2.4.4 應用分析——基於頁面標籤的Web結構化數據抽取
2.5 數據庫的數據抽取
2.5.1 數據庫簡介
2.5.2 主要應用——基於ETL工具軟體的數據抽取