BIML 101 - ETL数据清洗 系列 - BIML 快速入门教程 - 序

BIML 101 - BIML 快速入门教程

做大数据的项目，最花时间的就是数据清洗。

没有一个相对可靠的数据，数据分析就是无木之舟，无水之源。

如果你已经进了ETL这个坑，而且预算有限，并且有大量的活要做；

时间紧，任务多，是不是有点菊花一紧的感觉。

多少次，你对着几个月前自己写的代码在挠头，

多少次，指着屏幕上别人写的代码目瞪口呆，心中默默数有多少头草泥马。WTF。

不管你是做数据仓库，还是做数据转换，数据集成等等，大量的重复性的工作令人乏味；

但是，如果没有好的设计和遵从一致的流程，后期的维护就是一个更大的坑。

BIML，

就是你的救星。

码农们应该都知道一个叫DRY的原则：Don't Repeat Yourself.

强调的是代码的复用性。用BIML的最重要的一个目的就是这个 - 减少重复性代码。

当然有些其他一些软件设计的原则，譬如SOLID，也适用。

BIML由Varigence公司开发，语言格式类似于HTML，用于商业智能和数据仓库开发，它能够生成兼容Visual Studio的SSIS包，这方便日后查看和修改。

基于BIML，Varigence公司还有其他版本的工具(https://www.varigence.com/Products)，有些有高级功能，适合企业级的商业应用。例如，CI(continues integration),版本发布和管理等。 - 本文非安利文，请自行查阅。

开源版本的BIML： https://varigence.com/BimlExpress。

所需技能：

1. 基本SQL，如：create table，select等
2. 熟悉基本的html或者xml语法，非常简单
3. 知道一丢丢的C#，变量，连接数据库，读表
4. SSIS的一些组件

本系列会从基本的创建biml入手，通过实战案例，创建一个完整的数据流。

其它付费商业软件由：Wherescape RED/3D, Informatica等。

注：

1)本系列可能稍微涉及详细的SSIS包管理和部署，但是详细的请参考别的文章。

2)本系列可能会涉及到一些数据仓库建模，星型，Data Vault等概念。