ESB et ETL sont deux technologies d’intégration de données. Quand utiliser ESB et ETL? On sait bien que c’est une source de confusion chez les architectes et les développeurs. Généralement, ESB est utilisé pour la messagerie en temps réel et ETL est utilisé pour les Lots de données volumineux.
Définition de ESB
ESB(Enterprise Service Bus) est un modèle « d’architecture logicielle » utilisé pour concevoir et mettre en oeuvre la communication entre des applications logicielles en interaction mutuelle dans une architecture orientée service (SOA).
Définition de ETL
ETL(Extract, Transform and Load) fait référence à un processus d’entreposage de données qui extrait des données de diverses sources de données, les transforme au format approprié et les charge dans la cible finale, généralement une base de données.
Les deux choses qu’ils ont tous deux en commun:
- Ils travaillent tous les deux avec des bases de données
- Ils permettent tous les deux de connecter des systèmes hétérogènes
Mais ils ont des objectifs différents. ESB est utilisé pour les opérations en cours, tandis que ETL est destiné à l’importation de données ponctuelle, ad hoc ou par lots, à l’instar des objectifs OLAP et OLTP.
Table de comparaison
ETL |
ESB |
ETL est une technologie «pull» qui fonctionne à la demande/dans les délais. |
ESB est une technologie «push» qui envoie des messages quand ils se produisent. |
ETL ne peut pas expirer, décroître ou émettre des transactions vers des applications front-office pendant les processus de transformation. |
ESB est capable de chronométrer et de décomposer les données dans les files d’attente, transmettant ainsi le contenu d’informations au décideur approprié pour ce contenu. |
ETL est entièrement évolutif, capable de charger d’importants lots de données en parallèle. |
ESB ne convient pas à des volumes de données volumineux en raison de son architecture de bus(jusqu’à X transactions par seconde). |
ETL peut se connecter au middleware ESB/EAI en tant que simple flux, si nécessaire. |
La tâche principale d’ESB consiste à intégrer des applications, par opposition à la migration de données, à la réplication, Data Warehousing et à la BI. |
Conclusion
ETL ne concurrence pas, mais complète les produits ESB à travers différents scénarios d’intégration. ServiceMix et Mule sont des produits ESB. ESB est une technologie EAI/EII axée sur les normes (à l’ère de SOA).
- QCM sur Big Data corrigé – Principes de base – Partie 1
- QCM sur Big Data corrigé – Principes de base – Partie 2
- QCM sur Big Data corrigé – Principes de base – Partie 3
- QCM sur Big Data corrigé – Principes de base – Partie 4
- QCM sur Big Data corrigé – Principes de base – Partie 5
- QCM sur Big Data corrigé – Principes de base – Partie 6
- QCM sur Big Data corrigé – Principes de base – Partie 7
- QCM sur Big Data corrigé – Principes de base – Partie 8
- QCM sur Big Data corrigé – Principes de base – Partie 9
- QCM sur Big Data corrigé – Principes de base – Partie 10
- QCM sur Big Data corrigé – Principes de base – Partie 11
- QCM sur Big Data corrigé – Principes de base – Partie 12
- QCM sur Big Data corrigé – Principes de base – Partie 13
- QCM sur Big Data corrigé – Principes de base – Partie 14
- QCM sur Big Data corrigé – Principes de base – Partie 15
- QCM sur Big Data corrigé – Principes de base – Partie 16
- QCM sur Big Data corrigé – Principes de base – Partie 17
- QCM sur Big Data corrigé – Principes de base – Partie 18
- QCM sur Big Data corrigé – Principes de base – Partie 19
- QCM sur Big Data corrigé – Principes de base – Partie 20
- QCM sur Big Data corrigé – Principes de base – Partie 21
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 1
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 2
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 3
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 4
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 5
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 6
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 7
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 8
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 9
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 10
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 11
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 12
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 13
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 14
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 15
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 16
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 17
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 18
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 19
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 20
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 21
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 22
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 23
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 24
- QCM sur Big Data corrigé – Mapreduce
- Différence entre SAS et R
- Différence entre données structurées, semi-structurées et non structurées
- Différence entre ETL et ESB
- À quoi sert le big data ?
- Différence entre Big Data et Data Mining
- Différence entre Big Data et Cloud Computing
- Différence entre ROLAP et MOLAP
- Différence entre Data Mining et Data Warehouse
- Différence entre OLTP et OLAP
- Différence entre Table des faits et Table de dimension
- Différence entre le schéma en étoile et en flocon
- Différence entre un DataWarehouse et un Datamart
- Intégration des données(Data Integration) : Introduction
- Intégration des données(Data Integration) : Les bases de données
- Intégration des données(Data Integration) : Les approches
- Intégration des données(Data Integration) : Data Warehouses
- Intégration des données(Data Integration) : Base de données réseau
- Qu’est-ce que le Data warehousing et data mining ?
QCMs qui pourraient vous intéresser :