博士论文 摘要： 本文工作的主要贡献和研究内容如下: 1.给出了一个用于描述ETL过程的模型，称为ETL过程树，将异构数据转换、数据清理与查询树结合。E几过程树中数据清理规定只作用于单个关系节点，当修改ETL过程树中的数据清理规则时，不会对ETL过程树本身产生影响，降低了ETL过程的维护代价。 2.给出了差运算物化视图的增量维护的方法，给出了SRA和BRA两种增量维护方法，并讨论了增量的大小对这两种方法执行效率的影响。 3.在前两点的研究基础上，给出了根据描述全量ETL过程的ETL过程树自动产

在之前的ETL介绍中我们介绍了数据抽取，包括了全量数据抽取和增量数据抽取。今天给大家做一下增量和全量的差异介绍。 全量增量用于数据采集的差异： 全量抽取简单，但是数据量大；增量抽取，相对复杂，要求对数据差异准确性高，对业务系统的性能不能有太大压力。 增量与全量用于数据同步的差异： 全量，就是每天定时（一般是夜里，避开业务高峰期）或者周期性全量把数据从一个地方拷贝到另外一个地方；可以采用直接用新数据全部覆盖旧数据的方式；或者覆盖前判断下如果新旧不一致就更新，如果不一致则不更新；这里面有一个隐藏的