金融机构大数据优缺点分析，金融机构大数据优缺点分析报告

大家好，今天小编关注到一个比较有意思的话题，就是关于金融机构大数据优缺点分析的问题，于是小编就整理了1个相关介绍金融机构大数据优缺点分析的解答，让我们一起看看吧。

ETL工具，Kettle和DataStage各自有什么优缺点，目前哪个更流行一些？

1、首先 datastage属于商业软件，而Kettle是开源软件；来源软件都是比较受大众欢迎的，但是执行效率肯定会相对较慢！这需要以客户需求为导向。

2、操作性方面，ds和Kettle都有GUI图形界面，操作步骤都比较简单易用；

3、使用环境方面，一般的大的金融传统行业，对数据管理有一定规则的公司还是会选择ds，一是效率高，二是大公司也有钱。

4、 另外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ds

5、 稳定性方面，ds有较大的优势；

6、 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；DS当然也支持SQL语句，两者没有明显的差异；

7、数据源方面，二者没有明显区别

Kettle的优缺点

优点

流程式设计方便易用

全面的数据访问支持

支持多平台

插件架构扩展性好

商业/社区支持

多种方式应用集成

全面优化高效稳定

有非常容易使用的 GUI，出现问题可以到社区咨询。

缺点

kettle是小数据需求用 唯一的优点就是免费

1、没有进程管理，当表被锁不好查原因，也无法终止进程，也不能控制最大进程数。

2、数据抽取不能自动分包，也没有类似ABAP那种高效查询语句如SELECT FROM .. ALL ENTRIS IN.. 大数据处理很慢，大数据量日处理业务无法完成。

3、增量要指定字段无法自动处理。

4、无法调试，调试不会真抽数据。

5、计划处理链需要命令指定非常麻烦没有界面操作，处理链中途出错不能继续跑或者跳过继续处理。

6、无法对各个处理细节日志以及记录处理花的时间。

7、字段不能共用，字段没有类似本位币 单位的关联，没有主数据字段概念。

8、处理没有信息包概念，没有处理日志。

9、没有版本控制，上线不是传输tr。

到此，以上就是小编对于金融机构大数据优缺点分析的问题就介绍到这了，希望介绍关于金融机构大数据优缺点分析的1点解答对大家有用。