? ? ? ? ? 其需改动的部分，其影响会很小。 ? 每次作业变化调整，均需重新编开发转换过程，均为共享的、可复用的。 译，才可执行。 元数据发生变化，可通过View Dependencies功? Datastage企业版与Datastage标准能，生成所有相关对象的报表，方便跟踪、校验，版，其作业的版本移植问题很大。以应对需求的变化。 这两个版本的工作平台、机制完全应用需求变化，调整作业后，直接可以运行，不不同。作业移植，大概要有70%左需要重新编译。 右需要重新开发定义。一旦新的需作业移植等，也不需要重新编译。与平台和数据求，需要企业版，其移植和再次开库无关。 发，工作量要增加很多。 支持跨操作系统的集群技术，可方便的进行平台? 也因为两个版本的不兼容和脚本级的扩展。 编译的开发模式，使之产品面对变化和扩展上，均有一定的限制。 ? Informatica结合15多年的数据集成领域的经验，总结出一套针对Informatica产品实施数据仓库、数据管理等项目的最佳方法论Velocity 2008。该成熟的开发方法论，是指导客户实现快速、高质量项目实施的最佳武器。 项目实施的支持 ? 现在全国拥有众多的名高级技术专家与顾问，与国内如大唐，联创、神州数码、东软，中软等多家知名集成商成立战略合作伙伴，Informatica产品开发人员全国上千人规模。 ? Informatica支持服务中心是有非常熟练的技术支持工程师充当的，这些工程师具备你需要的、成功的专家知识。在中国有专门的售后服务工程师。 ? 无专业/成熟，基于产品的项目最佳开发方法论 ? 很难找到熟悉类Basic开发语言的Datastage开发工程师 ? IBM是以服务为主的公司，如果客户采用了其DataStage产品，将要支付大笔的IBM咨询服务费。 产品安装 完全图形化安装，无需额外安装平台软件，且不需修改系统内核参数 ? 需耗用时间安装和准备C编译环境，不同平台软件安装的C编译器也不尽相同 ? 需修改系统内核参数，对其他应用影响较大，有潜在的危险。 产品升级 ? 需重新编译已有作业 ? 平滑升级，完全图形化，不需修改已设计完作业。 ? 大版本之间以及跨平台的升级，很? 主要是升级资料库，工作量很小。 多作业需重新编写/编译代码，重复操作和维护工作量大。 ? PowerCenter支持逻辑和物理设计分离的开发模? 如果数据源，目标类型变化了，得式，有一个Mapping（逻辑的）和Session（物理修改以前所有的Job。 的或者可运行）的概念，Mapping是逻辑上的ETL? 必须在新平台上编译所有作业，此产品移植 规则，而Session才是真正可以实例化运行的任务。 ? 可以跨平台、跨不同数据库进行作业的单个、整体移植。不需改变作业设计等，原有的任务可以直接在新环境下运行，并且只要更改Session的数据库联接串，则使用原有的Session任务访问不同的数据库类型数据，大大简化项目移植的工作。 ? 元数据资料库可基于所有主流系统平台的关系型数据库(Oracle、DB2、Sybase ASE，Microsoft SQL Server) ? 用户可通过Informatica提供的Metadata Exchange视图读取元数据，Informatica提供详细文档描述其元数据视图的结构和含义。 ? 可通过CMW标准跟其它BI工具共享元数据。 ? 提供Global元数据库，Local资料库可共享Gloal资料库的元数据。 元数据开放性 ? 元数据对象可以快速导出/导入为XML文件，快速在多个项目中共享元数据 ? 通过PowerCenter的Administration Console，PowerCenter元数据库可快速的导出为Informatica能识别的二进制文件，该元数据内容可再快速移植到其他关系型数据库中。 移植的工作量较大。 ? DataStage的元数据DB是基于Universe7的，Universe不是一个开放型的数据库，（Universe目前最新版本是Universe10），IBM采用的元数据库技术上已明显落后。虽然有计划要将之实现DB2的支持，但从本质上改动产品，不是短期内可以实现的。 ? 元数据库没有log备份恢复机制，如果知识库损坏后很难修复，易导致整个项目丢失。 ? 元数据库需要特定的Client才可以查看，所有DataStage在Universe中的元数据没有相关的描述， ? 难与其它元数据库交互共享元数据，跨不同环境的元数据共享，必须重新编译该对象。 ? 无Global元数据库 ? MetaStage是其元数据管理工具，仅能运行在 NT平台上. ? 可进行简单的元数据分析报告。且元数据分析只在表级，不能进行字段级元数据分析。 ? 不能跨工具进行元数据跟踪，无法完成整体连贯的血缘分析和影响分析。 元数据管理 ? Metadata Manager可整合包括模型工具、数据集成、数据库、报表工具的各环节元数据的综合平台，支持各种主流UNIX平台和window平台。 ? 元数据管理可跨不同工具平台进行血缘分析，在表级和字段级均可自动匹配。生成血缘分析和影响分析报告。 ? Metadata Manager提供跨各种工具的元数据血统分析；提供自定义元数据接口。 ? Metadata Manager支持OMG的CWM标准，其XConnects的接口非常广泛，扩展性高。 操作便捷性 ? 全图化开发，无编码，操作性强 ? 脚本式工具，需要学习类Basic语? 被TDWI连续10年评为“数据仓库最佳实践”奖 言 ? 需要写大量的类Basic脚本，不便于快速开发以及后期维护。 ? 增加了开发周期和投资成本 ? 只提供少量角色：Product Manager，Developer和 Operator ? 只提供基于数据库的权限 ? 没有基于Folder的权限管理，开发者只要有Developer的权限即可访问所有的Folder。 ? 元数据的安全性和完整性没有很好的保障措施 ? 多范围的用户角色和操作权限（只读、操作和设计等） ? 提供基于Folder的权限管理 ? 权限可以分到用户或组 健壮的安全性 ? 使用细致的锁（Lock）机制，提供了完善的安全，便于多用户的协作开发 ? 可基于LDAP认证模式 ? 可并行多个Session提高性能 ? Session支持多线程和管道技术(pipeline） ? 支持Session分区功能，性能跟CPU数据可达到基于线性的增长。 ? 可将Session的分区任务分发到多个节点上(Session on Grid功能)，性能可随着节点的增加而增长。 ? Informatica支持跨不同操作系统的GRID。 ? 提供多种Session分区(Partition)功能 ? Round-Robin ? Hash Auto-Keys ? Hash User Keys ? Key Range ? Pass-Through ? Database Partitioning ? 可将单个Session分配给 Grid，PowerCenter会根据系统资源和用户配置，将单个Session任务拆分为多个子任务，以达到多并行任务的负载均衡。并且随着Grid中的可用资源(Node)的增加，该Session的性能理论上会得到不断的提高。 ? 可在mapping环节点上，执行Pre sql 和post sql；可执行SQL 语句块 ? 在session的点上，执行pre-session cmd、Post-session success cmd、Post-session failure cmd、On success E-mail、On failure E-mail等命令 ? 对于非连接lookup，可实现动态调用 ? Mapping的源/目标可通过参数控制。 ? 不能很好的多个Job的并行 ? 并行组件(Torrent)需另付费购买，在Window平台上，无法使用Torrent的并行技术。 ? IBM DataStage企业版中才提供Torrent Orchestrate并行功能，由于在ETL设计时需要考虑很多Torrent Orchestrate的技术因素，并且没有具体的技术文档，开发难度较大。 ? 必须使用Datastage企业版才可以实现单个任务并行功能 ? 若想实现并行，必须要在源和目标数据库上各安装一套Datastage企业版，增加了企业的投资成本。 ? 而且标准版与企业版兼容性极差，作业需要重新开发。 并行处理 单个任务的并行能力 运行灵活性 ? 无pre sql、post sql和session cmd 的功能 ? Lookup方法一：使用ODBC来做一行行的搜索，速度很慢 ? Lookup方法二：使用自定义的hash file来索引要Lookup的表，该文件存放在Universe数据库中。 ? Lookup操作的hash file需要维护和调优，其性能也不稳定，经常在没有提示的情况下崩溃。 读取文件列表? 可灵活读取多个同结构/非同目录的多个文本文? 无内置的读取文件列表(File List)的件。 功能，开发和维护量较大。 (File List)功? 可快速读取大数据量的File List 能 ? 有多种任务并行以及Session分区的技术 ? 无官方性能测试报告 ? 有官方TPC-H性能测试报告，PowerCenter 8.1在? 大数据量的汇总、排序、关联，64位Linux平台上的性能达到了7.7MB/sec/CPU。 Lookup效率差且不稳定，作业会莫? 大数据量处理性能稳定。 名其妙的死掉。 ? ETL性能可跟硬件资源(CPU为主，内存为辅)达到近线性增长！ ? PowerChannel可实现跨广域网和防火墙，实现加? 没有产品和方案实现该功能 密/压缩的安全数据库传输。 ? 提供Session级别的“Row Error Logging”功能，可自动捕获异常数据，能将所有出错的记录? 无内置捕获错误记录的功能 ? 必须写大量的脚本，读取其log来大数据量操作的性能 跨广域网/防火墙的安全数据传输 对异常数据的处理 写到关系型数据库表中，包括如下主要信息： ? 出错记录的Row ID ? 出错时记录的当前值 ? 出错记录的原始值 ? 出错代码和信息 得到错误记录信息。 ? 自动Workflow Recovery功能(需要HA选项)：? 没有断点恢复的能力 短暂的异常(如网络故障)会暂时停止Workflow 的运行，故障被修复后，Informatica可从任务的自动恢Workflow的断点处继续执行任务。 复(Recovery) ? 自动Session Recovery功能：Informatica能保存Session失败前的断点信息，可从断点处继续运行任务。 ? Informatica提供了PowerCenter Mapping ? 无缓慢变化维向导，需自行开发，Architect for Visio功能，能在VISIO中开发开发效率低。 Mapping模板，快速产生多个Mapping，大大提高多个类似任务的开发和维护。在数据迁移，数据仓库的项目当中非常有用。 ? 提供了Mapping Wizards，内置了很多的Mapping开发模板，如数据仓库中经常用到的Slowly Changing Dimensions 3种类型的模板，从而可提高开发效率。 Mapping 开发模板 ? 提供Workflow Schedule功能，可连续调度任务 ? 不支持连续运行（continuously）和? 可基于时间/自定义事件/支持文件来触发任务 频率执行调度，无法实现数据达到? 可实现实时的数据抽取 即时抽取的能力，频率执行需通过自编译内部代码或循环工作流人ETL任务调度 工逻辑实现，开发难度和维护难度较高。这是DataStage设计开发中一个比较棘手的问题。 参考3：
1、Informatica属于商业软件，而Kettle是开源软件；Informatica的收费方式是软件一次性购买，但技术支持按项目收费。具体怎么界定项目不清楚。
2、风险和成本方面自然就不用说了，从某些方面来说的话，风险总是与成本成反比的；
3、易用性方面，Informatica和Kettle都有GUI图形界面，操作步骤都比较简单易用；主要取决于开发人员的对工具的熟悉情况，没有太大的可比性；
4、 Kettle是基于Java开发的ETL工具，在使用过程中需要借助JVM，在数据抽取速度以及大数据处理能力方面远远不如Informatica；（Kettle在异构数据库的处理能力比同构数据库的处理能力要弱很多，特别是夸服务器之间就更弱了）
5、Informatica将客户端和服务端进行分离，而Kettle则没有但需要基于JVM；因此Kettle的部署比较简易； 6、稳定性方面，Informatica也有较大的优势； 7、Informatica将元数据及一些配置信息存储于配置的数据库，也就是说Informatica需要借助其他数据库才能运行； 8、 Kettle的数据转换过程相对比较灵活，可以是手工编写的SQL语句、Java代码、正则表达式等；Informatica则由Data Quality组件来保证数据的质量，当然也支持SQL语句，两者没有明显的差异；
9、Informatica和Kettle均有监控日志功能，这也是ETL工具必须具备的，Informatica的监控日志相对要详细一些，
但在实际应用中，大多数情况下不需要这么详细；
10、数据源方面，二者没有明显区别，Kettle支持广泛的数据库、数据文件等，同时支持扩展；Informatica广泛支持各类结构化、非结构化的数据源；
发现自己真懒，只写了几篇就不更新BLOG了。近期要换工作，得做做知识储备和整理。顺便开更把。 个人观点：
1. 如果是自家用，多数情况选哪个工具并不是决定性的。工具能优化工作效率，但不是没有就不能干活的，关键是设计，即使不用这些，靠程序和数据库自己的PROCEDURE 也能搞定这些事情。 2. 如果是作为BI的一部分，总不能让客户自己写代码吧偷笑。 土鳖比较：
Informatica -->土豪首选；
SSIS -->装SQL SERVER了吗？如果装了还需要考虑什么？ kettle -->免费。 以下都是转的：
常见ETL工具：
http://blog.csdn.net/hfxl1108/article/details/8564941 Informatica VS SSIS
从易用性来说，Informaitca有四个开发管理组件，初学者可能不知道如何下手，所以关键先要了解PowerCenter的开发流程。SSIS有BIDS和SSMS，主要的开发工作在BIDS上完成，但是BIDS是基于Visaul Studio的，如果是没有做过.NET开发的人员，VS的复杂的开发环境可能让他们不知所措，但是对于熟悉VS的开发人员来说，通过VS，他们可以使用更多的资源，比如源管理器，VSTFS等。从界面的人性化上看，SSIS无疑更好，这是Microsoft的一贯特色，PowerCenter有些地方连右键菜单都没有。
SSIS的数据流如同PowerCenter的Mapping，SSIS的控制流如同PowerCenter的Task，SSIS的 Package如同PowerCenter的WorkFlow。PowerCenter的Mapping和WorkFlow分开开发，在一个大型开发团队中，开发人员开发Mapping，而有管理人员将多个Mapping在WorkFlow中统一调度。但如果是只有几个人的开发团队中，这种模式的效率就不如SSIS了，因为小型团队中每个人都独立工作，开发人员需要开发好Mapping后，再在WorkFlow建立Session，需要再一次为 Session配置连接和参数。相反，SSIS不适合多人开发，因为不像PowerCenter将Mapping和WorkFlow分开开发，所以当一个人在开发Package时，其他人就插不上手。
SSIS的运行监控是非常棒的设计，可以看到数据流的执行情况。如果数据流出问题，可以马上知道在那个转换组件上发生了问题。而PowerCenter的Monitor只能看到源和目标的情况，一旦出状况，就只能看日志了，但在日志大量的文本里，很多时候是找不出问题的所在。除了执行时监控外，SSIS在开发时可以动态的Validate，而且它的Validate也严格得多。只要发现字段类型对应不上就会报错。PowerCenter中Port的对应比较自由，比如一个Output的Port可以随意对应到多个Input的Port，而SSIS中一定要用多播组件才行。所以在数据质量方面，SSIS比PowerCenter更有保障，PowerCenter最郁闷的是，报错后却找不到出错的地方。
就组件的功能上，SSIS比PowerCenter要丰富，像SSIS控制流的循环组件，数据流中的模糊查找、词频计算、数据挖掘评分等组件都是Informaitca没有的。特别是有很多针对SQL Server组件。如果使用非SQL Server数据库的话，SSIS功能上要打个七折。
SSIS最致命的问题是数据库连接的兼容性上，数据流中很多组件只认OLE DB连接，而且只有OLE DB数据源组件才可以加参数，这显然是Microsoft有意为之。加上SSIS的Validate比较严格，所以连接到那些对OLE DB兼容不好的数据库就会报错，像我之前连接Oracle 9i就碰到这样的问题。PowerCenter支持更多的数据源，此外还可以连接SAP, PeopleSoft等商业软件，在大型企业中，这些功能是非常方便的。
Informatica VS Kettle
1、Informatica属于商业软件，而Kettle是开源软件；Informatica的收费方式是软件一次性购买，但技术支持按项目收费。具体怎么界定项目不清楚。
2、风险和成本方面自然就不用说了，从某些方面来说的话，风险总是与成本成反比的；
3、易用性方面，Informatica和Kettle都有GUI图形界面，操作步骤都比较简单易用；主要取决于开发人员的对工具