大数据时代，掌控数据首先需要掌握数据的处理能力。俗话说，“工欲善其事，必先利其器”。Informatica PowerCenter作为业界广泛使用的数据处理工具之一，被全球多数大型机构、组织认可并采用。本书全面地介绍了Informatica PowerCenter的主要功能及高级特性。
本书分为3个部分：第一部分——基础篇，包括第1～4章系统介绍了PowerCenter的基础组件和常用功能，并在其中穿插了大量实践案例；第二部分——高级篇，包括第5～8章，系统介绍了PowerCenter并行、集群、性能调优和字符集管理等高级内容；第三部分——扩展篇，包括第9章，简要介绍了CDC，与Hadoop、MPP集成，以及非结构化和半结构化数据处理能力。
本书适合PowerCenter的入门者及有一定PowerCenter使用经验的用户参考，也可作为各数据仓库、大数据专业培训机构的培训教材。
本书分为3个部分：第一部分——基础篇，包括第1～4章系统介绍了PowerCenter的基础组件和常用功能，并在其中穿插了大量实践案例；第二部分——高级篇，包括第5～8章，系统介绍了PowerCenter并行、集群、性能调优和字符集管理等高级内容；第三部分——扩展篇，包括第9章，简要介绍了CDC，与Hadoop、MPP集成，以及非结构化和半结构化数据处理能力。
本书适合PowerCenter的入门者及有一定PowerCenter使用经验的用户参考，也可作为各数据仓库、大数据专业培训机构的培训教材。
Informatica PowerCenter 原理 案例分析 PowerCenter CDC Hadoop MPP
推 荐 序
犹豫了很久，以我现今的职位给作者写序，是否有些自吹自擂？但读完书稿，我决定了：一本好书，介绍一个好产品，既然与我受用，何不推荐给更多的人呢？
“IT”是信息（Information）和技术（Technology）的缩写，它的发展不过三十多年的时间。在IT发展前期的大部分时间里，其所有进步大部分体现在“T”上，例如计算性能、存储容量、网络拓展及打印效果等。直到近些年“大数据时代”的出现，人们才开始了对于信息数据，也就是“I”的关注。我相信，这个变化是IT发展的必然，是一个破茧成蝶的过程，并且这个关注也一定会延续很多年。
同样，正是因为“大数据”日益深入人心，企业的IT 规划和发展越来越与“大数据”相关联，PowerCenter才得以从一个IT人员得心应手的工具，蜕变为大数据应用的一个重要环节。记得在2014年国务院工业和信息化部颁布的大数据白皮书中，就明确地将“数据准备”定义为大数据发展的第一个环节。由此，作为在数据集成领域里历年排名第一的PowerCenter，也就承担起了“帮助企业实现大数据应用的第一步”的重要使命。
本书前6章中规中矩，如同一本深入浅出的教科书，将具备一些基本IT知识的人士引进数据迁移的奇妙世界，加上作者风趣的调侃，学来丝毫不觉得枯燥单调。第7章开始是实战描述，实际上是一系列的应用经验分享，这些宝贵的经验之谈，可以让初学者在未来的实践中少走弯路，还可以将本书作为可以随时受教的参考书。更值得一提的是，不同于普通的产品手册，本书作者以其十几年的理论研究和教育培训，以及主导或参与诸多中外企业“数据集成项目”实施的经验，将PowerCenter的很多功能细节描述得淋漓尽致。本书对于有意进行ETL教学的教育培训机构，不失为一本经典的教材；而对于有意培养自己成为ETL应用高手的IT人士，则是一本有益而又有趣的读物。
曾经有不少朋友问我：当成了ETL的行家里手以后，下一个职业目标会有哪些发展方向？所以，我想借此序的一角，分享一些我的认知，供大家参考。
第一，云数据集成和管理。根据IDC的预测，2017年全球SaaS和云软件模式将占软件开支的1/6。越来越多的云应用系统承诺并交付更简单、更快捷和更智能的业务营运方法，所以，掌握云数据集成，会让你在不可阻挡的云服务趋势下游刃有余。
第二，下一代数据洞察。不同于第一代商业智能（BI）对展示形态和分析过去的重视，大数据时代的数据洞察，更加关注数据的质量而不是数据的展现形式，更重视预测未来的行为模式而非过去的行为分析。所以，要想成为大数据分析专家，你必须懂得数据质量管理和前瞻性的分析。当然，保障分析结果正确的前提是确保数据的统一性、完整性，并找到数据的关联性。
第三，数据治理。大数据时代，越来越多的企业将数据纳入其固定资产；在金融和医疗行业，数据相关的合规性成为政府监管的重要指标；为了应对客户需求和市场业务模式的变化，许多企业开始考虑应用整合和迁移……这些巨大的变化，不断催生出数据治理的高手，他们必须在行业规范、企业应用系统、数据的关联性和安全性方面具备独特的技能。因此，了解行业特性、行业应用，使之与数据集成相结合，便成为你进行数据治理的更高境界。
近年来，关于大数据的定义一直在调整，而大数据应用的目标却始终没变，那就是：发现数据价值，帮助企业降低成本并实现业务创新。在过去短短的两三年里，中国作为自然的大数据国家，已经在大数据的理论研究和实际应用方面取得了巨大的进展。大数据的应用会推动各行各业诞生越来越多的数据科学家，那是行业知识和数据治理兼备的卓越人才。IT的发展已经实现了由“计算机科学”向“数据科学”的转换，近年来，“数据科学”又开始向行业应用进行大规模迁移。所以，数据科学家既是数据价值的挖掘者，更是行业产品和流程的创新者，他们的价值不是向企业的高管提供分析报表，他们本身就是企业的高管，他们在用数据作为依据，实现企业面向客户、市场、产品和流程方面的创新。
千里之行，始于足下。与各位读者共勉。
Informatica大中国区总经理 王晨杰
自 序
初识Informatica，大概是在十四五年前的一个偶然的机会，公司接到一个叫作决策支持系统（DSS）的项目。尽管当时作为工程师和客户一起整理了项目的需求，完成了需求的确认和签字，但我现在几乎无法记起任何关于需求的内容，对项目实施过程的某些环节却仍然记忆犹新。项目开始时，公司安排了两位工程师参与ETL（Extract Transformation Load），一位是我，另一位与我现在仍是同事，我们当时使用了一个叫作PowerMart的工具，版本是5.1。这就是我和Informatica的第一次亲密接触。当时Informatica的总代理也是曾经大名鼎鼎的Sybase，据说我们的这个项目是Informatica进入中国后的第二个项目。
从此，我开始了自己漫长的Informatica之路。当时我所就职的公司敏锐地察觉到数据仓库/商业智能是未来的趋势之一，开始着手准备发展数据仓库方面的业务。当年有个著名的第三方调研机构，叫IDC。我所就职的公司通过查阅IDC报告，发现Informatica是当时ETL市场份额最高的公司，于是果断决定采用这个工具作为自己的数据仓库的开发平台。当年公司的果断、决心，让我至今想起，仍非常钦佩。在IT人才严重短缺的年代，虽然年纪很轻、经验不足，但我还是作为经营分析项目的项目经理、技术经理等开始了自己的数据管理生涯。
此后一段时间，我在不经意间进入悲催的计费岁月，加班、加班、通宵、通宵……每个项目都以几年来计算，历经两个完整的移动计费项目，在此期间认识了很多好朋友和师长。这是我与Informatica断绝联系的几年，也是在技术方面拓展能力的几年。
我与Informatica的缘分并没有结束。有一天，原来的同事告诉我Informatica在招售前工程师，我就毅然决定去应聘，满足自己转向咨询领域的一点梦想，后来发现售前和咨询还是有所区别的，这是后话。因此，8年前我加入了Informatica中国，开始成为一名专职的售前工程师。当年的Informatica只有这一个产品，人不是很多。我仍清晰地记着当时的版本为PowerCenter 8.1.1。现在的Informatica已经与早期差别非常大了，但是很多人还是习惯把Informatica的数据集成产品PowerCenter叫作Informatica。
为什么要写一本关于PowerCenter的书呢？其实我内心里一直有这样的冲动。PowerCenter是一个非常好的产品，在国内也有近千家用户，有大量的开发者和管理者，随着大数据的推广，还有大量的后继者会陆续开始PowerCenter之旅。一本中文材料会帮助所有的用户更加快速、更加全面地了解PowerCenter，充分利用自己在PowerCenter方面的投资。这个冲动持续了很久，包括期间陆续说服数位同事参与，但是大家都有繁忙的本职工作，一次一次被耽搁。直到2015年春节前，内心的冲动促使我开始动笔了。前两天坐在我对面的北区销售总监说，我写这本书像写回忆录，想想确实有道理，我的自序也是回忆录的样子，希望大家能够谅解。
如何写好这本书？这也是我非常纠结的一个问题。什么样的深度？适合什么样的人群？是否有读者愿意来读？如何帮助读者了解PowerCenter？和同事们讨论过很多次，似乎还是没有下定决心。当我下笔的时候，尤其是写到50多页的时候，我觉得我已经坚定了这本书的方向：不求全面，但求让读者快速地掌握PowerCenter；不求精深，但求将最常用的功能展现给读者；不求华丽的词藻，但求读者能读懂。
PowerCenter是什么？它是ETL工具。什么是ETL？大数据及数据仓库70%左右的工作都在做ETL，在Gartner报告中它被划为Data Integration产品。Informatica也曾定义自己是一家Data Integration公司。我是这样解释ETL工具的：它是Data Integration产品在数据仓库、大数据项目中的一个应用场景，它同时还有其他的应用场景，比如数据交换、数据安全，这些也是PowerCenter在后期的扩展。
希望本书能够成为分享我这些年掌握的PowerCenter相关知识的一个载体，成为初学者的入门教材，成为有经验者的开发人员的一本参考书。
杜绍森
2015年8月
犹豫了很久，以我现今的职位给作者写序，是否有些自吹自擂？但读完书稿，我决定了：一本好书，介绍一个好产品，既然与我受用，何不推荐给更多的人呢？
“IT”是信息（Information）和技术（Technology）的缩写，它的发展不过三十多年的时间。在IT发展前期的大部分时间里，其所有进步大部分体现在“T”上，例如计算性能、存储容量、网络拓展及打印效果等。直到近些年“大数据时代”的出现，人们才开始了对于信息数据，也就是“I”的关注。我相信，这个变化是IT发展的必然，是一个破茧成蝶的过程，并且这个关注也一定会延续很多年。
同样，正是因为“大数据”日益深入人心，企业的IT 规划和发展越来越与“大数据”相关联，PowerCenter才得以从一个IT人员得心应手的工具，蜕变为大数据应用的一个重要环节。记得在2014年国务院工业和信息化部颁布的大数据白皮书中，就明确地将“数据准备”定义为大数据发展的第一个环节。由此，作为在数据集成领域里历年排名第一的PowerCenter，也就承担起了“帮助企业实现大数据应用的第一步”的重要使命。
本书前6章中规中矩，如同一本深入浅出的教科书，将具备一些基本IT知识的人士引进数据迁移的奇妙世界，加上作者风趣的调侃，学来丝毫不觉得枯燥单调。第7章开始是实战描述，实际上是一系列的应用经验分享，这些宝贵的经验之谈，可以让初学者在未来的实践中少走弯路，还可以将本书作为可以随时受教的参考书。更值得一提的是，不同于普通的产品手册，本书作者以其十几年的理论研究和教育培训，以及主导或参与诸多中外企业“数据集成项目”实施的经验，将PowerCenter的很多功能细节描述得淋漓尽致。本书对于有意进行ETL教学的教育培训机构，不失为一本经典的教材；而对于有意培养自己成为ETL应用高手的IT人士，则是一本有益而又有趣的读物。
曾经有不少朋友问我：当成了ETL的行家里手以后，下一个职业目标会有哪些发展方向？所以，我想借此序的一角，分享一些我的认知，供大家参考。
第一，云数据集成和管理。根据IDC的预测，2017年全球SaaS和云软件模式将占软件开支的1/6。越来越多的云应用系统承诺并交付更简单、更快捷和更智能的业务营运方法，所以，掌握云数据集成，会让你在不可阻挡的云服务趋势下游刃有余。
第二，下一代数据洞察。不同于第一代商业智能（BI）对展示形态和分析过去的重视，大数据时代的数据洞察，更加关注数据的质量而不是数据的展现形式，更重视预测未来的行为模式而非过去的行为分析。所以，要想成为大数据分析专家，你必须懂得数据质量管理和前瞻性的分析。当然，保障分析结果正确的前提是确保数据的统一性、完整性，并找到数据的关联性。
第三，数据治理。大数据时代，越来越多的企业将数据纳入其固定资产；在金融和医疗行业，数据相关的合规性成为政府监管的重要指标；为了应对客户需求和市场业务模式的变化，许多企业开始考虑应用整合和迁移……这些巨大的变化，不断催生出数据治理的高手，他们必须在行业规范、企业应用系统、数据的关联性和安全性方面具备独特的技能。因此，了解行业特性、行业应用，使之与数据集成相结合，便成为你进行数据治理的更高境界。
近年来，关于大数据的定义一直在调整，而大数据应用的目标却始终没变，那就是：发现数据价值，帮助企业降低成本并实现业务创新。在过去短短的两三年里，中国作为自然的大数据国家，已经在大数据的理论研究和实际应用方面取得了巨大的进展。大数据的应用会推动各行各业诞生越来越多的数据科学家，那是行业知识和数据治理兼备的卓越人才。IT的发展已经实现了由“计算机科学”向“数据科学”的转换，近年来，“数据科学”又开始向行业应用进行大规模迁移。所以，数据科学家既是数据价值的挖掘者，更是行业产品和流程的创新者，他们的价值不是向企业的高管提供分析报表，他们本身就是企业的高管，他们在用数据作为依据，实现企业面向客户、市场、产品和流程方面的创新。
千里之行，始于足下。与各位读者共勉。
Informatica大中国区总经理 王晨杰
自 序
初识Informatica，大概是在十四五年前的一个偶然的机会，公司接到一个叫作决策支持系统（DSS）的项目。尽管当时作为工程师和客户一起整理了项目的需求，完成了需求的确认和签字，但我现在几乎无法记起任何关于需求的内容，对项目实施过程的某些环节却仍然记忆犹新。项目开始时，公司安排了两位工程师参与ETL（Extract Transformation Load），一位是我，另一位与我现在仍是同事，我们当时使用了一个叫作PowerMart的工具，版本是5.1。这就是我和Informatica的第一次亲密接触。当时Informatica的总代理也是曾经大名鼎鼎的Sybase，据说我们的这个项目是Informatica进入中国后的第二个项目。
从此，我开始了自己漫长的Informatica之路。当时我所就职的公司敏锐地察觉到数据仓库/商业智能是未来的趋势之一，开始着手准备发展数据仓库方面的业务。当年有个著名的第三方调研机构，叫IDC。我所就职的公司通过查阅IDC报告，发现Informatica是当时ETL市场份额最高的公司，于是果断决定采用这个工具作为自己的数据仓库的开发平台。当年公司的果断、决心，让我至今想起，仍非常钦佩。在IT人才严重短缺的年代，虽然年纪很轻、经验不足，但我还是作为经营分析项目的项目经理、技术经理等开始了自己的数据管理生涯。
此后一段时间，我在不经意间进入悲催的计费岁月，加班、加班、通宵、通宵……每个项目都以几年来计算，历经两个完整的移动计费项目，在此期间认识了很多好朋友和师长。这是我与Informatica断绝联系的几年，也是在技术方面拓展能力的几年。
我与Informatica的缘分并没有结束。有一天，原来的同事告诉我Informatica在招售前工程师，我就毅然决定去应聘，满足自己转向咨询领域的一点梦想，后来发现售前和咨询还是有所区别的，这是后话。因此，8年前我加入了Informatica中国，开始成为一名专职的售前工程师。当年的Informatica只有这一个产品，人不是很多。我仍清晰地记着当时的版本为PowerCenter 8.1.1。现在的Informatica已经与早期差别非常大了，但是很多人还是习惯把Informatica的数据集成产品PowerCenter叫作Informatica。
为什么要写一本关于PowerCenter的书呢？其实我内心里一直有这样的冲动。PowerCenter是一个非常好的产品，在国内也有近千家用户，有大量的开发者和管理者，随着大数据的推广，还有大量的后继者会陆续开始PowerCenter之旅。一本中文材料会帮助所有的用户更加快速、更加全面地了解PowerCenter，充分利用自己在PowerCenter方面的投资。这个冲动持续了很久，包括期间陆续说服数位同事参与，但是大家都有繁忙的本职工作，一次一次被耽搁。直到2015年春节前，内心的冲动促使我开始动笔了。前两天坐在我对面的北区销售总监说，我写这本书像写回忆录，想想确实有道理，我的自序也是回忆录的样子，希望大家能够谅解。
如何写好这本书？这也是我非常纠结的一个问题。什么样的深度？适合什么样的人群？是否有读者愿意来读？如何帮助读者了解PowerCenter？和同事们讨论过很多次，似乎还是没有下定决心。当我下笔的时候，尤其是写到50多页的时候，我觉得我已经坚定了这本书的方向：不求全面，但求让读者快速地掌握PowerCenter；不求精深，但求将最常用的功能展现给读者；不求华丽的词藻，但求读者能读懂。
PowerCenter是什么？它是ETL工具。什么是ETL？大数据及数据仓库70%左右的工作都在做ETL，在Gartner报告中它被划为Data Integration产品。Informatica也曾定义自己是一家Data Integration公司。我是这样解释ETL工具的：它是Data Integration产品在数据仓库、大数据项目中的一个应用场景，它同时还有其他的应用场景，比如数据交换、数据安全，这些也是PowerCenter在后期的扩展。
希望本书能够成为分享我这些年掌握的PowerCenter相关知识的一个载体，成为初学者的入门教材，成为有经验者的开发人员的一本参考书。
杜绍森
2015年8月
电子书版本
- Epub
图书类别
相关图书
Python统计可视化之Altair探索分析实践指南
本书以Altair为核心工具，通过认识数据、理解数据和探索数据全方位地探索分析数据集的统计可视化形式，以应用数据和案例研究为实践场景，使用Altair数据加工箱...
Kubernetes权威指南：从Docker到Kubernetes实践全接触（第5版）
Kubernetes是由谷歌开源的容器集群管理系统，为容器化应用提供了资源调度、部署运行、服务发现、扩缩容等一整套功能。Kubernetes也是将“一切以服务（...
集成学习：基础与算法
集成学习方法是一类先进的机器学习方法，这类方法训练多个学习器并将它们结合起来解决一个问题，在实践中获得了巨大成功。<br>全书分为三部分。第一部分主要介绍集成学...
￥89.00