データウェアハウスにおける主なデータ抽出方法の種類と特徴

データウェアハウスへのデータ抽出手法は、ソースシステム側のルールや、ターゲットとなるデータウェアハウス環境におけるビジネス要件に大きく依存します。さらに、抽出対象となるデータ量の見積もりや、ETLプロセスのどの段階（初回ロードか履歴データの保持か）であるかによっても、論理的・物理的な両面から抽出方法の選択が左右されます。

抽出方法は大きく分けて「論理抽出方法」と「物理抽出方法」の2種類があります。

論理抽出方法

論理抽出には、以下の2つの方式があります。

全件抽出（Full Extraction）

ソースシステムからデータを丸ごと抽出する方式です。ソースシステム上で直接アクセス可能なすべてのデータを対象とするため、前回の正常な抽出以降のデータ変更を追跡しておく必要がありません。

この方式では、ソース側のデータをそのまま利用でき、タイムスタンプのような追加的な論理情報をソース側に用意する必要もありません。全件抽出の例としては、特定テーブルのエクスポートファイルや、ソーステーブル全体を走査するリモートSQLステートメントなどが挙げられます。

増分抽出（Incremental Extraction）

過去のある明確な時点（イベント）以降に変更されたデータのみを抽出する方式です。このイベントは「前回の抽出日時」のような単純なものでも、「会計期間の最終予約日」のようなより複雑なビジネスイベントの場合もあります。

差分（デルタ）を正しく識別するためには、特定の時点イベント以降に変更されたすべてのデータを認識できる仕組みが必要です。その手段としては、最終更新タイムスタンプを記録するカラムをソースデータ自体に持たせる方法や、通常のトランザクションとは別に変更履歴を管理する変更テーブル（チェンジテーブル）を設ける方法があります。一般的に後者の手法を採用する場合は、ソースシステム側に抽出ロジックを組み込むことになります。

物理抽出方法

選択した論理抽出方法と、ソース側の容量や制約条件に基づいて、抽出されたデータは2つの構造で物理的に取り出されます。つまり、データはソースシステムからオンラインで抽出するか、オフラインのメカニズムを使って抽出します。このオフラインメカニズムは既に存在している場合もあれば、抽出ルーチンによって新たに作成される場合もあります。

物理抽出には、以下の方法があります。

オンライン抽出（Online Extraction）

データをソースシステムそのものから直接抽出する方式です。抽出プロセスはソースシステムに直接接続し、ソーステーブルそのものにアクセスするか、あるいはスナップショットログや変更テーブルのように、あらかじめ設定された形式でデータを保持する中間システムに接続します。

オフライン抽出（Offline Extraction）

データをソースシステムから直接抽出するのではなく、元のソースシステムの外部で特別に実行する方式です。対象データは、REDOログ・アーカイブログ・トランスポータブル表領域といった既存の構造を持っている場合と、抽出ルーチンによって生成された場合があります。