GESTION Y SEGURIDAD DE BASES DE DATOS

AA5-EV1-VALIDACIÓN DE TÉCNICAS DE MIGRACIÓN Y HERRAMIENTAS ETL

ALCALDÍA DE SAN ANTONIO DEL SENA

RICHAR AMIN MOSQUERA PIEDRAHITA

Especialización Tecnológica Gestión y Seguridad de Base de Datos

Modalidad Virtual
Servicio Nacional de Aprendizaje
2019
 ALCALDIA DE SAN ANTONIO DEL SENA

TÉCNICAS EXISTENTES

Existen varias técnicas relacionadas con los procesos de migración de datos, a

continuación, se relacionan las más utilizadas en los procesos actuales.
SINCRONIZACIÓN DE BASE DE DATOS

Es una técnica muy utilizada en procesos de migración de datos, consiste en

hacer que dos bases de datos sean equivalentes en el mismo tiempo.

Se logra mediante la copia de datos y metadatos de una base de datos origen a

una base de datos destino mediante una herramienta tecnológica. Los asistentes
de sincronización de los SMBD son configurados con las bases de datos origen
y la base de datos destino, parametrizando la ubicación de particiones y métodos
de seguridad.
IMPORTACIÓN/EXPORTACIÓN DE ARCHIVOS (CSV) O XML A TRAVÉS DE
COMANDOS DE CONSOLA O INTERFAZ GRÁFICA

Para las actividades de migración de datos es muy común utilizar archivos para
el movimiento de los datos. Se pueden utilizar diferentes tipos de archivos, pero
los formatos más usados son los archivos de texto, llamados archivos planos,
que guardan la información sin formato usando solo caracteres.

Los sistemas de codificación más comunes para estos archivos son: ASCII, ISO-
8859-1 o Latín-1 y Unicode.

Los archivos de texto pueden tener formato delimitado utilizando coma (,), punto
y coma (;) o Tabulaciones para delimitar los campos definiendo de esa forma
columnas y filas. También pueden tener formato de ancho fijo para los campos,
que se utiliza para delimitar columnas y filas.

Un formato de archivo plano muy usado es el “.CSV” (Comma-Separated-

Values, en español Valores Separados por Coma), donde el delimitador usado
es una coma. Muy usado para movimientos de datos con hojas de cálculo.

Otro formato útil para la migración de datos es el “.XML” (eXtensible Marckup

Lenguaje), que utiliza un metalenguaje extensible de etiquetas las cuales sirven
como estándar para intercambio de información estructurada entre distintas
plataformas.
SENTENCIAS DML

Una posibilidad de los SMBD es la utilización de sentencias DML para generar

scripts SQL que permiten realizar migraciones de bases de datos existentes.
En un script SQL se pueden realizar las siguientes tareas:
Copia de seguridad para creación de todos los usuarios, grupos,
inicios de sesión y permisos.
 Creación o actualización de código para la implementación de una base
de datos.
Creación de un entorno de pruebas.

Los procesos se orientan al uso de las sentencias DML, para realizar el paso de
datos de la base de datos de origen a la base de datos destino, a través de los
entornos administrativos de los SMBD.

PROCEDIMIENTOS ETCL (EXTRACCIÓN, TRANSFORMACIÓN, LIMPIEZA Y

CARGA)

Esta técnica se basa en el diseño y construcción de procedimientos técnicos

para realizar Extracción, Transformación, Limpieza y Cargue de Datos (ETCL).
Los procedimientos o pasos necesarios para el desarrollo de un proyecto de
migración de datos utilizando la metodología ETCL son:

En todo proceso de migración, se ha de proceder a integrar dos o más sistemas

por lo cual pueden usarse diferentes técnicas, siendo las más comunes:

Perfilado de datos: Permite explorar los propios datos, agregando a los de

origen las reglas necesarias. Esta técnica hace posible también el obtener
resultados acerca de duplicidades o errores en los datos.
Limpieza de datos: Puede llevarse a cabo empleando para ello una
herramienta de Data Quality que ayude a eliminar errores, incorrecciones
o duplicidades, entre otras inconsistencias; y que, al mismo tiempo,
enriquezca y homologue los datos, preparándolos para el sistema de
destino.
Conexión a distintas fuentes de datos: Técnica que precisa de una
herramienta ad hoc que garantice el hacerlo en condiciones de
simultaneidad.

Las ventajas que proporciona el usar estas tecnologías se traducen en un

aumento de la precisión, reducción del índice de errores, mayor agilidad y
optimización del tiempo; ya que su automatización evita los procesos manuales,
algo que supone su principal beneficio.
QUÉ SE DEBE TENER EN CUENTA PARA LA ELECCIÓN DEL SOFTWARE DE
ETL

Existen muchas herramientas de ETL diferentes, como también hay infinidad de

bases de datos, sistemas y organizaciones distintas. En el momento de
seleccionar la que liderará la migración e integración de datos pueden tomarse
en consideración las recomendaciones de Gartner en cuanto a las cualidades
que la herramienta ha de presentar:

Adaptabilidad a distintos sistemas operativos y plataformas hardware.

Capacidades de gestión de datos: en cuanto a minería, perfilado y calidad.
Habilidades para monitorizar, gestionar y controlar los procesos de
integración de datos: en lo relativo a gestión de errores, recolección de
estadísticas de ejecución, controles de seguridad, etc.
Capacidades SOA.
Capacidades de diseño y entorno de desarrollo: como soporte para test,
representaciones gráficas, modelos y flujos de datos y flujos de datos,
etc.
Cualidades de arquitectura e integración referidas al grado de
interoperabilidad, compactación y consistencia de los diferentes
componentes que la formen.

Aunque la elección de un software de ETL no es sencilla, su repercusión en el

curso del proyecto es decisiva. Una decisión correcta pasa por la automatización
y en base a ella quedan garantizados:

Un aumento en la velocidad de desarrollo del proyecto.

La descentralización del control de la ejecución y de todos los procesos.
Una mayor agilidad en el negocio.
Mayor precisión.
Minimización de errores.

HERRAMIENTAS ETCL
APLICACIÓN DE USO LIBRE

Benetl: Es una herramienta ETL de uso libre, desarrollada entre los años 2007
– 2014, hecha en java y trabaja con base a lenguajes de base de datos
PostgreSQL o MySQL.

Esta herramienta se creó para facilitar el trabajo con archivos TXT, CSV o
archivos de fuente de datos XML. Para recuperar los datos que tendrán que
definir un dato de tiempo y una entidad,

que está representado por datos a calcular o para mostrar. Todos los objetos útiles
serán creados por Benetl dentro de una base de datos MySQL o PostgreSQL. La
aplicación también es capaz de recuperar automáticamente los datos mediante el
uso de diversas tareas planificadas de su sistema.

Mediante el uso de Benetl podrá se ha podido recuperar fácilmente la

información de los archivos de datos planos, la organización y el filtrado de
acuerdo con su dato de tiempo y entidad.

Caracteristicas Benetl
Tecnologias:
o Java 7 update 80
o PostgreSQL 9.5.0 (con el apoyo plpgsql)
o MySQL 5.6 con función de OLD_PASSWORD de inicio de sesión de
usuario (para
controlador suministrado)
o Con Windows (se utiliza "tareas programadas")
o Benetl 4.7 funciona en Linux.
Requerimientos Tecnicos:
o ejecución de Java (JRE) 1.7
o base de datos PostgreSQL 9.5 con soporte plpgsql
o base de datos de MySQL 5.6 con OLD_PASSWORD la función
de inicio de sesión de usuario o el controlador oficial de MySQL
(no incluido)
o Probado en sistemas de 64 bits
Ejemplo: Nombre EtlTool… Definir Nombre, Este nombre es también el
nombre de la tabla de PostgreSQL o tabla de MySQL donde se
almacenan las líneas de datos.
 Un archivo llamado "EtlTool.bat" se creará en la carpeta de origen de
datos.

Debe presionar enter para validar su nombre EtlTool, y luego se pueden

guardar los parámetros.

APLICACIÓN SMBD SELECCIONADO

SQL SERVER INTEGRATION SERVICES:

Microsoft Integration Services es una plataforma para la creación de soluciones
empresariales de transformaciones de datos e integración de datos. Integration
Services sirve para resolver complejos problemas empresariales mediante la
copia o descarga de archivos, el envío de mensajes de correo electrónico como
respuesta a eventos, la actualización de almacenamientos de datos, la limpieza
y minería de datos, y la administración de objetos y datos de SQL Server. Los
paquetes pueden funcionar en solitario o junto con otros paquetes para hacer
frente a las complejas necesidades de la empresa. Integration Services puede
extraer y transformar datos de diversos orígenes como archivos de datos XML,
archivos planos y orígenes de datos relacionales y, después, cargar los datos en
uno o varios destinos.
Integration Services contiene un variado conjunto de tareas y transformaciones
integradas, herramientas para la creación de paquetes y el servicio Integration
Services para ejecutar y administrar los paquetes. Las herramientas gráficas de
Integration Services se pueden usar para crear soluciones sin escribir una sola
línea de código. También se puede programar el amplio modelo de objetos de
Integration Services para crear paquetes mediante programación y codificar
tareas personalizadas y otros objetos de paquete.

El SSIS Import/Export Wizard permite mover datos de origen a destino sin

modificar los datos del origen y permitiendo hacer iteraciones y cambios de
información antes de llegar al destino dentro de tablas de ETL. Se pueden
importar datos de fuentes diferentes a SQL Server.

Con la herramienta Business Intelligence Development Studio, se pueden

realizar tareas de migración fácilmente usando tareas visuales. Si se desea crear
nueva funcionalidad, se pueden crear scripts en c# o VB.

Los paquetes, que son las unidades de almacenamiento de estas tareas de

migración se pueden guardar en archivos dtsx o en la base de datos en formato
XML.

Una vez implementado el paquete puede ser depurado.

Caracteristicas SSIS

Ultima Version: SQL Server 2014 Integration Services

Requerimientos Técnicos:
o Instalar en un equipo de 64 bits
o Instalar en un servidor dedicado para ETL
o Si requiere las características en tiempo de diseño de Integration
Services, también debe instalar Business Intelligence
Development Studio.
o Si necesita las versiones de 32 bits de las herramientas y del motor
en tiempo de ejecución de Integration Services para ejecutar
ciertos paquetes en modo de 32 bits, también debe instalar
Business Intelligence Development Studio

ORACLE WAREHOUSE BUILDER:

Es una complete herramienta para todos los aspectos de administración de datos

y metadatos. Esta brinda características para asegurar la calidad de datos, que
integran el modelado relacional y multidimensional y que permiten la
administración de todo el ciclo de vida de datos y metadatos
Enterprise ETL Option

La opción empresarial ETL (Enterprise ETL Option) para Warehouse Builder es

una opción que puede ser adquirida con Oracle Warehouse Builder como parte
de la edición empresarial del motor de base de datos (Oracle DB Enterprise
Edition).

Opciones Avanzadas para Carga de Datos

En grandes implementaciones, más y más procesos se ejecutan en paralelo,

agotando los recursos debido a las grandes cantidades de datos que participan
en la carga.

Como parte de la Enterprise ETL Option, Warehouse Builder permite ejecutar

cargas de datos usando métodos rápidos y eficientes tales como el Oracle Data
Pump y transportable tablespaces. Esta es una aproximación completamente
diferente al movimiento de datos que se realiza por medio de conjuntos de datos
controlados por el motor de base de datos. Los incrementos en velocidad de
carga se deben entonces a la omisión de las capas SQL tradicionales.

Soporte a Dimensiones Lentamente Cambiantes Integrado

En Warehouse Builder la lógica de dimensiones lentamente cambiantes es

diseñada en los metadatos de la dimensión. La dimensión captura toda la lógica
que será aplicada a los datos que se insertan dentro de la misma.
Una vez, los usuarios de negocio han decidido que atributos son importantes, el
modelador de datos diseña la dimensión. Con los pasos de ETL el desarrollador
ve esta dimensión como cualquier otra. El siguiente paso es definir cómo efectuar
los cambios y actualizaciones en la dimensión. Warehouse Builder automatiza
esto basado en la definición de la dimensión. La combinación entre estos pasos,
el diseño y la estandarización hacen que los procesos relacionados con
dimensiones lentamente cambiantes presente un alto desempeño en su
ejecución.

Traza Lineal de Principio a Fin

Los servicios de administración de dependencias (Warehouse Builder

Dependency Management) le permiten prever el efecto que puedan tener los
cambios que se hagan en cualquier lugar de los metadatos del sistema ETL
antes de que estos puedan afectarlo y deterióralo.
 Por primera vez, tendrá la posibilidad de administrar los cambios de su sistema
de manera proactiva. Como un ejemplo (Figura 3), usted puede propagar los
cambios a través de su sistema haciendo uso el Mapping Editor.

Administración de Configuraciones Avanzadas

Tener que mover sistemas o aplicaciones de un ambiente a otro

(por ejemplo, de desarrollo a producción) es un problema
frecuente.

Con la Enterprise ETL Option de Warehouse Builder, es posible

generar un modelo para configurar los ambientes de desarrollo,
pruebas y producción a niveles separados. Para mover los
cambios desde el ambiente de desarrollo a producción, el código
generado en desarrollo es modificado en producción solo en
áreas específicas. Por ejemplo, la información sobre las
conexiones es substituida por la definida en desarrollo.
 VENTAJAS, DESVENTAJAS, TIEMPOS Y COSTO DE LAS HERRAMIENTAS.

Técnica Descripcion
Sincronizacion Es una técnica muy utilizada en procesos de migración de datos, consiste en
de hacer que dos bases
de datos sean equivalentes en el mismo
base de datos tiempo.
Se logra mediante la copia de datos y metadatos de una base de datos origen a
una base de datos
destino mediante una herramienta tecnológica. Los asistentes de sincronización
de los SMBD son
configurados con las bases de datos origen y la base de
datos destino,
parametrizando la ubicación de particiones y métodos de
seguridad.
Desventaj
Requerimientos Ventajas as Tiempo
Técnicos
Sql server much 3
SQL SERVER standar Es un sistema de Utiliza o la semanas.
bas memoria RAM para
gestión de e de las Semana 1:
instalacion
datos. es y Análisis de
Es útil para manejar
y utilización de datos
obtener datos de la
red software. Semana 2:
de redes. No se puede utilizar Migración y
Nos permite practica
olvidarnos como s validación de
fichero informació
de los s que porque se prohíben n
bas mucha cosas
forman la e de s , tiene Semana 3:
restriccion Optimización
datos. es en lo de
Si
trabajamos en una particular. proceso
red social nos La relación, calidad
permite y el
agrega
r otros precio está muy
servidores de SQL debajo comparado
Po con
Server. r ejemplo, oracle.
do
s personas que Tiene muchos
trabaja bloqueo
n con SQL s a nivel de
Server, uno de ellos página, un tamaño
se de
conect
puede ar al página fijo y
servido d demasiad pequeño
r e su otro o ,
compañer
o y así se una pésima
puede ver las bases implementación de
de los
datos del otro tipos de datos
compañer
o con SQL variables.
Server.
SQ
L permite
administrar
permisos a
todo. También
permite
que alguien conecte
su
 SQLO al nuestro,
pero
sin embargo
podemos
decirle
que no puede
ver esta base de
datos,
pero otro
sí.
Oracle Oracle es el motor La versione 3
ORACLE Estándar de s s más semanas.
base reciente
WAREHOUSE de datos objeto s de Oracle Semana 1:
relacional más son la 11g, 10g, 9g, Análisis de
BUILDER usado a 8g, datos
desde el
nivel mundial. lanzamiento Semana 2:
Pued ejecutars origin l
e e en al de a 8 se Migración y
todas las
plataformas, sucedieron varias validación de
desde una Pc hasta versione informació
un s con n
supercomputad correccion
or. es, hasta Semana 3:
Oracl soporta alcanzar la Optimización
e todas estabilidad de
las funciones que en la 8.0.3. El
se motivo proceso
esperan de un de tantos fallos fue,
servidor al
"serio": un lenguaje
de parecer, la
diseñ base remodelació
o de s de n del
datos muy completo sistema de
(PL/SQ almacenamient
L) que permite o por
implement
ar diseños causa de la
"activos", con introducció
triggers y n de
extensione
procedimientos s
almacenados, con orientadas a
una objetos.
integridad
referencial El mayor
 declarativ inconvenient
a bastante e de
potent Oracl quizá
e. e es s su
Permit precio
e el uso de . Incluso las
particione licencias Persona
s para la de l
mejora de la Oracl
eficiencia, e son
de replicación e excesivame
incluso nte caras,
cierta versione
s s en mi opinión. Otro
admite problem
n la a es la
necesidad de
administración de ajustes.
d
bases e datos Un error frecuente
distribuida
s. consiste en pensar
El software del qu
servidor e basta instalar el
pued ejecutars Oracle en un
e e en servidor
multitu d enchufa
d e sistemas y r
operativos directamen
. te las
aplicacion
Existe incluso una es clientes.
versió persona Oracl
n l para Un e mal
Windows 9x, lo cual configurado puede
es ser
un punto a favor
para desesperantemente
los desarrolladores
que lento.
se llevan trabajo a También es
casa. elevado el

Oracle es la base de coste de la

informació
datos con más n, y sólo
orientació últimament
n hacía e han
INTERNE comenzado a
T. aparecer