六種 主流ETL 工具的比較(DataPipeline，Kettle，Talend，Informatica，Datax ，Oracle Goldengate)

比較次元\産品	DataPipeline	kettle	Oracle Goldengate	informatica	talend	DataX
設計及架構	适用場景	主要用于各類資料融合、資料交換場景，專為超大資料量、高度複雜的資料鍊路設計的靈活、可擴充的資料交換平台	面向資料倉庫模組化傳統ETL工具	主要用于資料備份、容災
使用方式	全流程圖形化界面，應用端采用B/S架構，Cloud Native為雲而生，所有操作在浏覽器内就可以完成，不需要額外的開發和生産釋出	C/S用戶端模式，開發和生産環境需要獨立部署，任務的編寫、調試、修改都在本地，需要釋出到生産環境，線上生産環境沒有界面，需要通過日志來調試、debug，效率低，費時費力	沒有圖形化的界面，操作皆為指令行方式，可配置能力差	C/S用戶端模式，開發和生産環境需要獨立部署，任務的編寫、調試、修改都在本地，需要釋出到生産環境；學習成本較高，一般需要受過專業教育訓練的工程師才能使用；	C/S用戶端模式，開發和生産環境需要獨立部署，任務的編寫、調試、修改都在本地，需要釋出到生産環境；	DataX是以腳本的方式執行任務的，需要完全吃透源碼才可以調用，學習成本高，沒有圖形開發化界面和監控界面，運維成本相對高。
底層架構	分布式叢集高可用架構，可以水準擴充到多節點支援超大資料量，架構容錯性高，可以自動調節任務在節點之間配置設定，适用于大資料場景	主從結構非高可用，擴充性差，架構容錯性低，不适用大資料場景	可做叢集部署，規避單點故障，依賴于外部環境，如Oracle RAC等；	schema mapping非自動；可複制性比較差；更新換代不是很強	支援分布式部署	支援單機部署和叢集部署兩種方式
功能	CDC機制	基于日志、基于時間戳和自增序列等多種方式可選	基于時間戳、觸發器等	主要是基于日志		基于觸發器、基于時間戳和自增序列等多種方式可選	離線批處理
對資料庫的影響	基于日志的采集方式對資料庫無侵入性	對資料庫表結構有要求，存在一定侵入性	源端資料庫需要預留額外的緩存空間		有侵入性	通過sql select 采集資料，對資料源沒有侵入性
自動斷點續傳	支援	不支援		不支援，依賴ETL設計的合理性（例如T-1），指定續讀某個時間點的資料，非自動
監控預警	可視化的過程監控，提供多樣化的圖表，輔助運維，故障問題可實時預警	依賴日志定位故障問題，往往隻能是後處理的方式，缺少過程預警	無圖形化的界面預警	monitor可以看到報錯資訊，資訊相對籠統，定位問題仍需依賴分析日志	有問題預警，定位問題仍需依賴日志	依賴工具日志定位故障問題，沒有圖形化運維界面和預警機制，需要自定義開發。
資料清洗	圍繞資料品質做輕量清洗	圍繞資料倉庫的資料需求進行模組化計算，清洗功能相對複雜，需要手動程式設計	輕量清洗	支援複雜邏輯的清洗和轉化		需要根據自身清晰規則編寫清洗腳本，進行調用（DataX3.0 提供的功能）。
資料轉換	自動化的schema mapping	手動配置schema mapping	需手動配置異構資料間的映射			通過編寫json腳本進行schema mapping映射
特性	資料實時性	實時	非實時		支援實時，但是主流應用都是基于時間戳等方式做批量處理，實時同步效率未知		定時
應用難度	低	高	中
是否需要開發	否	是
易用性
穩定性
其他	實施及售後服務	原廠實施和售後服務	開源軟體，需自客戶自行實施、維護	原廠和第三方的實施和售後服務	主要為第三方的實施和售後服務	分為開源版和企業版，企業版可提供相應服務	阿裡開源代碼，需要客戶自動實施、開發、維護

原文位址:https://www.cnblogs.com/DataPipeline2018/p/11131723.html