ELT

在搭建數據倉庫的過程中，ETL設計和實施的工作量一般要佔總工作量的60%以上，而且業務部門會不斷提出新的業務需求，任何前端業務模型的改變都會涉及到ETL設計，數據倉庫日常運維效率的好壞也依賴ETL設計，因此ETL工具的選擇對於整個數據倉庫項目的成功是非常重要的。

ELT是利用數據庫的處理能力，E=從源數據庫抽取數據，L=把數據加載到目標庫的臨時表中，T=對臨時表中的數據進行轉換，然後加載到目標庫目標表中。

在ELT架構中，ELT只負責提供圖形化的界面來設計業務規則，數據的整個加工過程都在目標和源的數據庫之間流動，ELT協調相關的數據庫系統來執行相關的應用，數據加工過程既可以在源數據庫端執行，也可以在目標數據倉庫端執行（主要取決於系統的架構設計和數據屬性）。當ETL過程需要提高效率，則可以通過對相關數據庫進行調優，或者改變執行加工的服務器就可以達到。一般數據庫廠商會力推該中架構，像Oracle和Teradata都極力宣傳ELT架構。

1. ELT主要通過數據庫引擎來實現系統的可擴展性（尤其是當數據加工過程在晚上時，可以充分利用數據庫引擎的資源） ^[2] 

2. ELT可以保持所有的數據始終在數據庫當中，避免數據的加載和導出，從而保證效率，提高系統的可監控性。

3. ELT可以根據數據的分佈情況進行並行處理優化，並可以利用數據庫的固有功能優化磁盤I/O。

4. ELT的可擴展性取決於數據庫引擎和其硬件服務器的可擴展性。

5. 通過對相關數據庫進行性能調優，ETL過程獲得3到4倍的效率提升一般不是特別困難。

和基於ETL架構的工具（Kettle、Talend、Datastage、Informatica）相比，基於ELT架構的工具目前並不多（OWB、HaoheDI）。