Informatica ETL工具技术培训
etl 面试题
etl 面试题ETL（Extract, Transform, Load）是一种数据集成和数据处理的技术，广泛应用于数据仓库和商业智能。
在面试中，ETL面试题通常涉及ETL工具、ETL流程、数据清洗和转换等方面的知识。
本文将回答一系列ETL面试题，帮助读者更好地理解和掌握ETL相关的知识。
一、ETL是什么？它的作用是什么？ETL是一种数据集成和数据处理的技术，包括数据提取（Extract）、数据转换（Transform）和数据加载（Load）三个步骤。
其作用是从不同的数据源提取数据，经过转换和清洗后加载到目标系统中，以支持数据分析和决策。
二、请简要介绍一下你熟悉的ETL工具。
在ETL工具方面，市场上有多种选择，如Informatica PowerCenter、IBM DataStage、Microsoft SQL Server Integration Services（SSIS）等。
以下以Informatica PowerCenter为例进行介绍：Informatica PowerCenter是一款功能强大的ETL工具，可以在不同的平台上运行。
它提供了强大的数据提取、转换和加载功能，以及丰富的连接器和预定义的转换功能，能够满足各种ETL需求。
三、请简述一下ETL的工作流程。
ETL的工作流程通常包括以下步骤：1. 数据提取（Extract）：从源系统中提取数据，可以是关系型数据库、文件、Web服务等。
2. 数据清洗（Cleanse）：对提取的数据进行清洗和筛选，去除重复项、空值以及不合规的数据。
3. 数据转换（Transform）：对清洗后的数据进行转换，包括数据格式转换、数据合并、数据分割、计算字段等。
4. 数据加载（Load）：将转换后的数据加载到目标系统中，可以是数据仓库、数据集市或即席查询工具等。
5. 数据校验（Verify）：对加载后的数据进行校验，确保数据的准确性和完整性。
四、请说明一下ETL中的维度表和事实表。
ETL
ETL目录[隐藏]简介作用简介ETL，Extraction-Transformation-Loading的缩写，中文名称为数据提取、转换和加载。
ETL工具有：OWB(Oracle Warehouse Builder)、ODI(Oracle Data Integrator)、I nformatic PowerCenter、DataStage、Repository Explorer、Beeload、Kettle。
作用ETL负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。
ETL是数据仓库中的非常重要的一环。
它是承前启后的必要的一步。
相对于关系数据库，数据仓库技术没有严格的数学理论基础，它更面向实际工程应用。
所以从工程应用的角度来考虑，按着物理数据模型的要求加载数据并对数据进行一些系列处理，处理过程与经验直接相关，同时这部分的工作直接关系数据仓库中数据的质量，从而影响到联机分析处理和数据挖掘的结果的质量。
数据仓库是一个独立的数据环境，需要通过抽取过程将数据从联机事务处理环境、外部数据源和脱机的数据存储介质导入到数据仓库中；在技术上，ETL主要涉及到关联、转换、增量、调度和监控等几个方面；数据仓库系统中数据不要求与联机事务处理系统中数据实时同步，所以ETL可以定时进行。
但多个ETL的操作时间、顺序和成败对数据仓库中信息的有效性至关重要。
ETL(Extract-Transform-Load的缩写，即数据抽取、转换、装载的过程)作为BI/ DW（Business Intelligence）的核心和灵魂，能够按照统一的规则集成并提高数据的价值，是负责完成数据从数据源向目标数据仓库转化的过程，是实施数据仓库的重要步骤。
如果说数据仓库的模型设计是一座大厦的设计蓝图，数据是砖瓦的话，那么E TL就是建设大厦的过程。
etl 技术方案
ETL 技术方案引言ETL（Extract Transform Load）技术是在数据仓库和商业智能领域中广泛使用的一种数据集成和处理技术。
它主要用于从多个数据源中提取数据，对数据进行转换和清洗，最后将数据加载到目标数据仓库中。
本文将介绍一个基本的 ETL 技术方案，以帮助解决数据集成和数据处理的问题。
技术方案数据提取（Extract）数据提取阶段涉及从数据源中获取所需数据的过程。
这些数据源可以是各种异构的系统，包括关系型数据库、日志文件、API 接口、第三方数据服务等。
在进行数据提取时，可以采用以下方法：•批量提取：定期按照一定的时间间隔，通过批量作业的方式提取数据。
•增量提取：根据数据源的变动情况，仅提取最新的增量数据。
•实时提取：通过监听数据源的变动，实时获取数据。
数据提取的方式可以根据实际需求进行选择。
一般而言，批量提取和增量提取是最常见的方法。
数据提取完成后，将数据存储为中间文件或者直接加载到转换阶段。
数据转换（Transform）数据转换是将从数据源中提取的数据进行清洗、整合、格式化等处理的阶段。
在数据转换阶段，可以执行以下任务：•数据清洗：去除重复数据、处理缺失值、规范化数据格式等。
•数据整合：把来自不同数据源的数据整合到一个一致的数据模型中。
•数据变换：根据业务需求对数据进行加工转换，例如计算指标、拆分字段等。
•数据筛选：根据一定的过滤条件，筛选出需要的数据。
数据转换一般使用 ETL 工具进行，例如 Apache Spark、Talend、Informatica 等。
这些工具提供了丰富的转换函数和图形化界面，便于开发人员进行快速开发。
转换阶段的数据处理逻辑可以通过编程语言（如 SQL、Python、Scala 等）进行编写。
数据加载（Load）数据加载是将转换后的数据加载到目标数据仓库中的阶段。
目标数据仓库可以是关系型数据库、NoSQL 数据库、云存储等。
数据加载的方式可以分为以下两类：•全量加载：将所有转换后的数据一次性加载到目标数据仓库中。
数据仓库中ETL工具的选型与使用
数据仓库中ETL工具的选型与使用随着企业信息化的深入发展，数据仓库在企业的日常运营中扮演着越来越重要的角色。
而在数据仓库建设中，ETL工具起着至关重要的作用。
本文将结合笔者多年的从业经验，深入探讨数据仓库中ETL工具的选型与使用，旨在为读者提供一些有用的参考。
一、ETL工具的概述首先，我们来了解一下ETL工具的概念。
ETL工具是指一类用于将不同来源的数据进行抽取（Extract）、转换（Transform）、加载（Load）等操作的软件。
在数据仓库中，ETL工具类似于“数据加工车间”，可以完成数据的清洗、整合、转换等多种工作。
目前市面上比较流行的ETL工具有很多，例如IBM DataStage、Informatica PowerCenter、Oracle Data Integrator等。
每个ETL工具都有其独特的特点及适用场景，选择一款合适的ETL工具非常关键。
二、ETL工具的选型在ETL工具的选型中，需要考虑以下几个方面：1. 企业规模及需求企业规模及需求是选择ETL工具的首要考虑因素。
对于规模较小的企业，可以选择一些开源的ETL工具，如Kettle和Talend Open Studio。
这些工具具有操作简便、易于掌握、可扩展性强等优点，适合小型企业以及需要快速实现数据仓库的项目。
而若企业具有大规模的数据仓库及数据流转需求，可以考虑一些成熟的商业ETL工具，如IBM DataStage、Informatica PowerCenter、Oracle Data Integrator等。
这些工具具有高度可靠性、高性能、强大的数据处理能力等优点，可以满足企业不断发展的需求。
2. 数据量及复杂度数据量及复杂度也是选择ETL工具的一个重要考虑因素。
对于数据量较小、简单的企业，可以选择一些基础的ETL工具，如Microsoft SQL Server Integration Services等。
这些工具主要用于数据提取、转换、加载等基础操作，适合数据量较小及较为简单的企业。
informatica 面试题
informatica 面试题Informatica面试题在数据处理和数据集成领域，Informatica是一家领先的软件公司，其技术和解决方案被广泛应用于企业中。
如果你正在为Informatica面试做准备，那么本文将提供一些常见的Informatica面试题，并为你提供详细的回答。
1. 什么是Informatica？它在数据集成中扮演了什么角色？Informatica是一种企业级数据集成和管理解决方案。
它提供了一套强大的工具和技术，用于数据抽取、转换和加载（ETL）等任务。
通过使用Informatica，企业可以将来自不同数据源的数据整合到一个统一的数据仓库中，并提供准确、一致的数据结果。
2. Informatica的主要组件是什么？请简要描述它们的功能。
Informatica的主要组件包括：- PowerCenter：这是Informatica的核心组件，用于数据整合和ETL。
它提供了一个集成的环境，用于开发、部署和监控数据集成任务。
- PowerExchange：它是一个提供与外部数据源（如关系数据库、文件系统等）通信的插件框架。
- PowerMart：这是一个基于Web的工具，用于创建和发布简单的数据仓库。
- PowerDesigner：它是一个用于建模和设计数据仓库的工具。
- Metadata Manager：它用于管理和浏览不同数据源中的元数据，以支持数据整合和分析。
3. Informatica中的工作流是什么？它是如何工作的？工作流是Informatica中用于管理和执行任务的一种方式。
工作流由多个任务（任务是数据整合的不同阶段或步骤）组成，并按照预定的顺序执行。
每个任务都可以定义为数据抽取、清洗、转换或加载等操作。
工作流具有以下主要特点：- 有向无环图（DAG）结构：工作流中的任务按照特定的依赖关系组成一个有向无环图。
每个任务都依赖于其他任务的输出结果，并且没有循环依赖。
- 并行处理：工作流中的任务可以以并行或串行方式运行。
ETL简单介绍范文
ETL简单介绍范文ETL（Extract, Transform and Load）即数据的抽取、转换和加载，是在数据仓库建设和数据集成过程中的重要环节。
本文将从ETL的定义、流程、工具、优势和应用场景等方面进行详细介绍。
一、ETL的定义二、ETL的流程ETL流程一般包含以下几个步骤：1. 抽取（Extract）：从源系统中抽取出需要的数据。
这包括选择抽取的数据源、定义抽取规则和方式等。
2. 转换（Transform）：对抽取出的数据进行清洗、整合、转换等操作。
这是ETL过程中最为重要的一步，可以通过各种规则和算法来实现。
3. 加载（Load）：将转换后的数据加载到目标系统中。
这可以是一个数据仓库、数据湖或其他目标数据库等。
三、ETL的工具ETL过程中使用的工具和技术非常丰富，下面简单介绍几种常见的ETL工具：1. Informatica PowerCenter：一款功能强大的ETL工具，提供了丰富的数据抽取、转换和加载功能，支持大规模数据处理和复杂转换规则。
2. Talend：一种开源的ETL工具，具有良好的可扩展性和灵活性，支持各种数据源和目标系统，适用于中小型企业和项目。
3. IBM InfoSphere DataStage：IBM旗下的一款ETL工具，具有高性能和可靠性，可以处理大规模数据集成和转换。
4. SSIS（SQL Server Integration Services）：微软SQL Server 数据库中集成的ETL工具，用于数据仓库的建设和管理。
四、ETL的优势ETL在数据仓库建设和数据集成中具有以下优势：2.数据质量：ETL过程中可以进行数据的清洗、去重、校验等操作，提高数据的质量和准确性。
3.数据整合：ETL可以将来自多个源系统的数据进行整合和转换，构建一个统一的数据仓库或数据湖，方便数据分析和业务应用。
4.高效处理：ETL工具可以处理大规模的数据量，并提供高性能的数据转换和加载功能，提高数据处理的效率和速度。
etl开发流程和规范 (3)
etl开发流程和规范ETL（Extract, Transform, Load）是一种常见的数据处理方式，用于将数据从原始数据源提取、转换和加载到目标数据仓库或目标系统中。
下面是一般的ETL开发流程和规范：1. 需求分析阶段：- 确定数据源：确定原始数据的来源和格式，包括数据库、文件、API等。
- 确定需求：明确提取、转换和加载的具体需求，包括数据清洗、数据转换和数据加载的步骤。
2. 数据提取阶段：- 选择合适的提取工具：例如使用SQL语句、使用ETL工具（如Informatica、SSIS等）或使用编程语言（如Python、Java等）来提取数据。
- 提取数据：根据需求从数据源中提取数据，并进行必要的数据过滤和排序。
3. 数据转换阶段：- 数据清洗和预处理：清洗和处理数据中的异常值、缺失值、重复值等。
- 数据转换：将数据进行必要的转换和映射，包括数据类型转换、数据格式转换和数据字段补充等。
- 属性计算和聚合：根据需求进行属性计算和数据聚合，生成目标数据。
4. 数据加载阶段：- 目标表设计和创建：根据需求设计目标表结构，并在数据库中创建目标表。
- 数据加载：将转换后的数据加载到目标表中，可以使用插入语句、更新语句或者使用ETL工具来加载数据。
5. 数据验证和测试阶段：- 运行数据验证脚本：编写数据验证脚本，检查目标表中的数据是否符合预期。
- 进行测试：对ETL流程进行测试，包括单元测试、集成测试和性能测试等。
6. 调度和监控阶段：- 调度ETL作业：使用调度工具（如Control-M、rflow 等）配置ETL作业的调度时间和频率。
- 监控ETL作业：监控ETL作业的运行情况，包括运行状态、运行时间和错误日志等。
7. 文档和维护阶段：- 编写文档：记录ETL开发的流程、规范和配置信息，并编写相关的用户手册。
- 维护ETL作业：定期检查和维护ETL作业，包括数据字典的更新、作业调度的调整和性能的优化等。
Informatica_Powercenter安装与配置参考文档
—Informatica Powercenter安装、配置及简单使用文档文档控制变更记录3日期作者版本变更参考目录1概述 (1)1.1读者对象 (1)1.2参考文档 (1)2软件简介 (2)2.1概念 (2)2.2作用 (2)3安装准备 (4)3.1系统要求 (4)3.2数据库账户 (5)3.3注意事项 (5)4POWERCENTER安装 (6)4.1服务器端安装 (6)4.1.1运行安装向导 (6)4.1.2选择安装类型 (7)4.1.3选择License Key (8)4.1.4选择安装路径 (10)4.1.5设置https协议 (10)4.1.6域选择与配置 (13)4.1.7配置节点 (15)4.1.8选择System账户 (16)4.1.9安装成功 (16)4.2客户端安装 (18)4.2.1运行安装向导 (18)4.2.2选择安装类型 (19)4.2.3选择安装路径 (20)4.2.4安装成功 (22)4.3官方文档安装 .......................................................................................................... 错误！未定义书签。
4.3.1运行安装向导................................................................................................. 错误！未定义书签。
4.3.2选择安装路径................................................................................................. 错误！未定义书签。
4.3.3安装成功......................................................................................................... 错误！未定义书签。
etl工程师工作内容
etl工程师工作内容
1.数据抽取：负责从各种数据源中获取需要的数据，如数据库、文件、API等。
2. 数据转换：对抽取的数据进行加工、清洗、过滤、合并、分类等操作，以满足后续分析需求。
3. 数据加载：将转换好的数据加载到目标数据仓库中，以方便后续的分析和决策。
4. ETL工具开发：根据业务需求，使用ETL工具（如Informatica、DataStage等）进行数据处理流程的编排和开发。
5. 数据模型设计：负责设计数据模型，并根据业务需求进行优化和调整。
6. 数据质量管理：保证数据的准确性、完整性、一致性和及时性，避免数据质量问题对分析和决策造成影响。
7. 数据仓库维护：监控数据仓库的运行状态，及时处理异常和错误，保证数据仓库的稳定性和可靠性。
8. 技术支持和培训：为数据分析人员提供技术支持和培训，提高他们使用数据仓库和分析工具的能力。
总之，ETL工程师的工作很重要，是数据分析和决策的重要支撑。
他们需要具备扎实的数据分析和处理能力，熟练掌握ETL工具和数据库技术，同时还需要具备良好的沟通和协作能力，与业务人员和数据分析人员密切合作，共同实现数据化决策目标。
- 1 -。
ETL数据集成
ETL数据集成数据集成是数据分析与处理的重要环节，而ETL（Extract-Transform-Load）过程则是数据集成的核心步骤。
ETL数据集成指的是将多个数据源中的数据提取、转换和加载到目标数据仓库或目标应用系统的过程。
本文将详细介绍ETL数据集成的概念、流程和重要性，并探讨一些常见的ETL数据集成工具。
一、ETL数据集成的概述ETL数据集成是数据仓库和商业智能系统中的关键环节，它从多个数据源中提取数据，经过转换处理后加载到目标存储系统。
它的核心目标是将异构数据源的数据进行集成、清洗和整合，使得数据能够符合目标系统的需求，并具备高质量、高可信度。
ETL数据集成过程通常由三个阶段组成：提取（Extract）、转换（Transform）和加载（Load）。
1. 提取（Extract）阶段：在该阶段，ETL工具从各种数据源中获取数据。
常见的数据源包括关系型数据库（如Oracle、SQL Server）、非关系型数据库（如MongoDB、Hadoop）、文件（如CSV、Excel）等。
ETL工具通过连接数据源，并执行相应的查询操作，将查询结果提取出来。
2. 转换（Transform）阶段：在提取阶段后，数据会经过一系列转换操作以满足目标系统的要求。
这些转换操作包括数据清洗、数据整合、数据计算和数据格式化等。
通过转换操作，可以消除不一致的数据，滤除脏数据，处理丢失的数据，使得数据质量得到提高。
3. 加载（Load）阶段：在转换阶段完成后，将经过处理的数据加载到目标存储系统中。
目标存储系统可以是数据仓库、数据集市或其他业务应用系统。
加载过程通常需要进行数据验证、数据策略处理和数据索引等操作，以确保数据的完整性和一致性。
二、ETL数据集成的重要性ETL数据集成在数据分析和决策支持中具有重要的作用，其重要性体现在以下几个方面：1. 数据一致性：企业常常存在着多个数据源，数据的格式、结构和存储方式都可能存在差异。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
• 按时间戳抽取数据源增量数据 时间戳的使 • 按时间记录维度和事实数据
用
• 使用日志表记录数据处理日志 日志表的使 • 当数据发生错误后，便于分析问题
用
• ETL处理的关键环节 • 实现ETL任务灵活控制 调度的使用 • 加载日期控制表的使用
BusinessMatrix 2009, Title of Presentation, Speaker Name 6
什么是ETL ETL整体流程 ETL过程介绍 ETL实践技巧
2
第二部分：Informatica PowerCenter
•
• • •
Informatica PowerCenter体系结构
产品安装与配置 系统管理介绍 开发过程
•
•
BusinessMatrix 2009, Title of Presentation, Speaker Name 28
常用组件介绍
Informatica调优技巧
Informatica组件
组件列表 Source Qualifier: 从数据源读取数据 Expression: 行级转换 Filter: 数据过滤 Sorter: 数据排序 Aggregator: 聚合 Joiner: 异构数据关接连接 Lookup: 查询连接 Update Strategy: 对目标编辑insert, update, delete, reject
清洗
数 据 缓 冲 区
交易事实
转换
中 间 表
加载
时间维 产品维 机构维 客户维 。。。。 。。
客户事实 汇总 贡献度 Cube 汇总
。。。。 。。
其它文件
。。。 。。。 帐户维
手工参数
数据源
缓冲区
中间层
基础模型
汇总模型
多维Cube
BusinessMatrix 2009, Title of Presentation, Speaker Name 4
Informatica ETL工具培训
纲要
1
第一部分：ETL基础知识 • • • •
什么是ETL ETL整体流程 ETL过程介绍 ETL实践技巧
2
第二部分：Informatica PowerCenter
•
• • •
Informatica PowerCenter体系结构
产品安装与配置 系统管理介绍 开发过程
BusinessMatrix 2009, Title of Presentation, Speaker Name 29
ETL实践技巧
维度表ETL处理 缓慢变化维度第一种类型处理 缓慢变化维度第二种类型处理 缓慢变化维度第三种类型处理 事实表ETL处理 交易明细事实处理 主要操作为插入，没有更新操作，重载数据时会有删除操作。 累计快照事实处理 主要操作为插入和更新。 快照事实处理
主要操作为插入和更新。
时间压缩事实处理 主要操作为插入、更新，与缓慢变化维度第二种类型处理逻辑类似。
BusinessMatrix 2009, Title of Presentation, Speaker Name 7
纲要
1
第一部分：ETL基础知识 • • • •
什么是ETL ETL整体流程 ETL过程介绍 ETL实践技巧
2
第二部分：Informatica PowerCenter
•
• • •
Informatica PowerCenter体系结构
Informatica培训
第五步 ：创建工作流
BusinessMatrix 2009, Title of Presentation, Speaker Name 25
Informatica培训
第六步 ：工作流调试监控
BusinessMatrix 2009, Title of Presentation, Speaker Name 26
BusinessMatrix 2009, Title of Presentation, Speaker Name 3
ETL整体流程
ETL流程图
客户文件
加载 汇总 加载
客户基本信 息宽表
份额 Cube
mapping表
加载
份额 事实
帐户文件
抽取
转换 汇总
。。。。 。。
客户数 Cube 份额事实
。。。。 。。 字典表
2
第二部分：Informatica PowerCenter
•
• • •
Informatica PowerCenter体系结构
产品安装与配置 系统管理介绍 开发过程
•
•
BusinessMatrix 2009, Title of Presentation, Speaker Name 15
常用组件介绍
数据转换（Transform）
不完整数据、错误数据、重复数据清洗处理 不一致数据转换 数据拆分和合并 数据粒度转换 商务规则计算 代理键的转换
装载（Load）
将转换后的中间结果数据复制到结果表中 将基础模型中的数据分发到集市中 直接使用SQL语句复制数据 使用批量装载方法复制数据
Informatica培训
第一步 ：定义源
要从数据提取数据，必须在资料库中定义源，源的类型有以下几种： 关系表、视图 平面文件 COBOL文件 XML文件 通过Metadata Exchange for Data Models（一个附带产品）使用 特定数据模型工具的数据模型 导入源 定义
Informatica调优技巧
系统管理介绍
系统管理控制台
BusinessMatrix 2009, Title of Presentation, Speaker Name 16
系统管理介绍
资料库管理
BusinessMatrix 2009, Title of Presentation, Speaker Name 17
系统管理介绍
数据集成服务管理
BusinessMatrix 2009, Title of Presentation, Speaker Name 18
纲要
1
第一部分：ETL基础知识 • • • •
什么是ETL ETL整体流程 ETL过程介绍 ETL实践技巧
2
第二部分：Informatica PowerCenter
Repository Service 资料库管理服务 Web Service Hub
客户端组件
Administration Console 系统Web管理控制台 Repository Manager 资料库客户端访问工具 Designer ETL流程设计客户端工具 Workflow Manager ETL会话、作业设计客户端工具
链接
源
转换组件
目标
BusinessMatrix 2009, Title of Presentation, Speaker Name 23
Informatica培训
第四步 ：定义任务
Session Task
BusinessMatrix 2009, Title of Presentation, Speaker Name 24
ETL过程概述
ETL处理流程
时间段加载、多个数据源取数、分层设计、按源系统和销售机构控制加载
不定期处理流程
数据老化、数据备份与数据恢复
BusinessMatrix 2009, Title of Presentation, Speaker Name 5
ETL实践技巧
• 建立准备区数据库 准备区的使 • 将源数据抽取到准备区后再处理
样例安装
数据库准备 •资料库数据
•源数据库
•目标数据库 样例数据准备 •样例程序导入 •样例数据导入
BusinessMatrix 2009, Title of Presentation, Speaker Name 13
系统管理
Informatica Server管理 • 域(Domain)管理 • 节点(Node)管理 • 资料库(Repository)管理 • 集成服务(Integration Service)管理 • 用户权限管理 • License管理
•
• • •
Informatica PowerCenter体系结构
产品安装与配置 系统管理介绍 开发过程
•
•
BusinessMatrix 2009, Title of Presentation, Speaker Name 19
常用组件介绍
Informatica调优技巧
开发过程
开发过程和步骤
BusinessMatrix 2009, Title of Presentation, Speaker Name 20
Workflow Monitor ETL执行监控客户端工具
BusinessMatrix 2009, Title of Presentation, Speaker Name 11
纲要
1
第一部分：ETL基础知识 • • • •
什么是ETL ETL整体流程 ETL过程介绍 ETL实践技巧
2
第二部分：Informatica PowerCenter
BusinessMatrix 2009, Title of Presentation, Speaker Name 22
Informatica培训
第三步 ：创建映射
映射是一组由转换对象（用于定义数据转换规则）链接的源和目标。映射是指源和目 标之间的数据流。当Server运行会话时，它会使用映射中配置的指令来读取、转换和 写入数据。
•
• • •
Informatica PowerCenter体系结构