SQL SERVER – это система управления реляционными базами данных (RDBMS), разработанная Microsoft. Он в первую очередь разработан и разработан для конкуренции с базами данных MySQL и Oracle.
SQL Server поддерживает ANSI SQL, который является стандартным языком SQL (язык структурированных запросов). Однако SQL Server поставляется с собственной реализацией языка SQL, T-SQL (Transact-SQL).
T-SQL – это собственный язык Microsoft, известный как Transact-SQL. Он предоставляет дополнительные возможности объявления переменных, обработки исключений, хранимых процедур и т. Д.
SQL Server Management Studio (SSMS) является основным интерфейсным средством для SQL Server и поддерживает как 32-разрядные, так и 64-разрядные среды.
В этом уроке вы узнаете.
- История версий SQL Server
- SQL Server Editions
- MS SQL Server как клиент-серверная архитектура
- Ключевые компоненты и службы SQL Server
- Экземпляры SQL Server
- Важность экземпляров SQL Server
История версий SQL Server
- Microsoft и Sybase выпустили версию 1.0 в 1989 году.
- Тем не менее, партнерство между этими двумя закончилось в начале 1990-х годов.
- Microsoft сохранила права собственности на имя SQL Server.
- С 1990-х годов были выпущены последующие версии SQL Server, включая SQL Server 2000, 2005, 2008, 2012, 2014, 2016, 2017 и 2019
SQL Server Editions
Доступны следующие издания
Установка Microsoft SQL Server 2019 Express на Windows 10 – пошаговая инструкция для начинающих
SQL Server Enterprise: используется в высокопроизводительном, крупномасштабном и критически важном бизнесе. Он обеспечивает высокий уровень безопасности, расширенную аналитику, машинное обучение и т. Д.
Стандарт SQL Server: он подходит для приложений среднего уровня и витрин данных. Включает базовую отчетность и аналитику.
SQL Server WEB: он разработан для веб-хостеров с низким уровнем совокупной стоимости владения. Он обеспечивает возможности масштабируемости, доступности и управляемости для небольших и крупных веб-ресурсов.
Разработчик SQL Server. Это похоже на корпоративную версию для непроизводственной среды. Он в основном используется для сборки, тестирования и демонстрации.
SQL Server Express: предназначен для небольших приложений и бесплатен в использовании.
MS SQL Server как клиент-серверная архитектура
Давайте посмотрим на раннюю утреннюю беседу между мамой и ее сыном Томом.
Мозговой штурм:
Спроси свой мозг …. “Можете ли вы сопоставить, кто КЛИЕНТ и кто СЕРВЕР?”
Самый верный ответ был бы: «Я довольно умен в этом, и… Сын КЛИЕНТ, поскольку он просит чашку кофе, а Мать, которая МОЖЕТ готовить кофе, СЕРВЕР».
Здесь Том просит у своей матери чашку кофе. Наконец, мама делает некоторые обработки с молоком, кофе, сахаром и готовит кофе, чтобы подать его горячим.
Уроки SQL для начинающих / #1 — Что такое SQL? Установка локального сервера
Аналогия: архитектура MS SQL SERVER.
КЛИЕНТ – это приложение, которое отправляет запросы серверу MS SQL, установленному на данном компьютере. СЕРВЕР способен обрабатывать входные данные по запросу. Наконец, ответьте обработанными выходными данными.
Ключевые компоненты и службы SQL Server
Компонент Database Engine: этот компонент обрабатывает хранение, быструю обработку транзакций и защиту данных.
SQL Server: эта служба запускает, останавливает, приостанавливает и продолжает работу экземпляра Microsoft SQL Server. Имя исполняемого файла – sqlservr.exe.
Агент SQL Server: он выполняет роль планировщика заданий. Это может быть вызвано любым событием или согласно требованию. Имя исполняемого файла – sqlagent.exe.
Браузер SQL Server: прослушивает входящий запрос и подключается к нужному экземпляру SQL-сервера. Имя исполняемого файла – sqlbrowser.exe.
Полнотекстовый поиск в SQL Server. Это позволяет пользователю выполнять полнотекстовые запросы к символьным данным в таблицах SQL. Имя исполняемого файла fdlauncher.exe.
SQL Server VSS Writer: это позволяет выполнять резервное копирование и восстановление файлов данных, когда SQL-сервер не работает. Имя исполняемого файла – sqlwriter.exe.
Службы анализа SQL Server (SSAS): обеспечивают возможности анализа данных, интеллектуального анализа данных и машинного обучения. Сервер SQL интегрирован с языками R и Python для расширенной аналитики. Имя исполняемого файла – msmdsrv.exe.
SQL Server Reporting Services (SSRS): предоставляет функции отчетности и возможности принятия решений. Включает интеграцию с Hadoop. Имя исполняемого файла ReportingServicesService.exe
Службы интеграции SQL Server (SSIS): предоставлены возможности извлечения-преобразования и загрузки данных различных типов из одного источника в другой. Это можно рассматривать как преобразование необработанной информации в полезную информацию. Имя исполняемого файла MsDtsSrvr.exe
Экземпляры SQL Server
SQL Server позволяет запускать сразу несколько служб, причем каждая служба имеет отдельные учетные записи, порты, базы данных и т. Д. Они разделены на две части:
- Первичные случаи
- Именованные экземпляры.
Есть два способа получить доступ к первичному экземпляру. Во-первых, мы можем использовать имя сервера. Во-вторых, мы можем использовать его IP-адрес. Именованные экземпляры доступны путем добавления обратной косой черты и имени экземпляра.
Например, чтобы подключиться к экземпляру с именем xyx на локальном сервере, вы должны использовать 127.0.0.1 xyz. Начиная с SQL Server 2005 и выше, вы можете одновременно запускать до 50 экземпляров на сервере.
Обратите внимание, что даже если вы можете иметь несколько экземпляров на одном сервере, только один из них должен быть экземпляром по умолчанию, а остальные должны называться экземплярами. Можно запускать все экземпляры одновременно, и каждый экземпляр работает независимо от других экземпляров.
Важность экземпляров SQL Server
Ниже приведены преимущества экземпляров SQL Server:
1. Для установки разных версий на одну машину
На одном компьютере могут быть разные версии SQL Server. Каждая установка работает независимо от других установок.
2. Для снижения затрат
Экземпляры могут помочь нам сократить расходы на эксплуатацию SQL Server, особенно при покупке лицензии SQL Server. Вы можете получать разные услуги из разных экземпляров, поэтому нет необходимости приобретать одну лицензию для всех услуг.
3. Для сопровождения разработки, производства и тестирования среды отдельно
Это главное преимущество наличия множества экземпляров SQL Server на одном компьютере. Вы можете использовать разные экземпляры для разработки, производства и тестирования.
4. Для уменьшения временных проблем с базой данных
Когда у вас есть все службы, запущенные на одном экземпляре SQL Server, высока вероятность возникновения проблем с проблемами, особенно проблем, которые продолжают повторяться. Когда такие службы запускаются в разных экземплярах, вы можете избежать таких проблем.
5. Для разделения привилегий безопасности
Когда разные службы работают на разных экземплярах SQL Server, вы можете сосредоточиться на защите экземпляра, на котором выполняется наиболее важная служба.
6. Для поддержания резервного сервера
Экземпляр SQL Server может перестать работать, что приведет к отключению служб. Это объясняет важность наличия резервного сервера в случае сбоя текущего сервера. Этого легко достичь с помощью экземпляров SQL Server.
Резюме:
- SQL Server определяется как система управления реляционными базами данных (RDBMS), разработанная Microsoft.
- T-SQL означает Transact-SQL, собственный язык Microsoft
- Microsoft и Sybase выпустили версию 1.0 в 1989 году
- Различные версии SQL Server: Enterprise, Standard, Web, Developer и Express.
- Важными компонентами SQL Server являются компонент Database Engine, SQL Server, агент SQL Server, браузер SQL Server, полнотекстовый поиск SQL Server и т. Д.
- Вы можете запустить несколько экземпляров SQL Server на одном компьютере.
Источник: coderlessons.com
10 причин перейти на Microsoft SQL Server 2019
За последние 10 лет SQL Server прошел путь от решения для небольших и средних СУБД до мощной платформы данных уровня предприятия, рассчитанной на критичные бизнес-приложения по надежности и отказоустойчивости. С каждым новым релизом SQL Server все больше имеет право называться единым центром управления всеми данными. SQL Server учитывает все современные требования по работе с данными разнообразных форматов и из разнообразных источников, и становится естественным выбором для построения платформы интеграции, управления и анализа любых данных.
Требования к современной платформе обработки данных
В последние годы генерируется и обрабатывается все больше данных, увеличивается разнообразие их формы и смысла. Часть данных по-прежнему имеет реляционный формат и генерируется традиционными транзакционными инструментами. Обычно такие данные структурированы, их смысл и ценность хорошо понятны и известны. Но огромное количество данных имеет гораздо более сырой вид.
Это данные с датчиков и сенсоров (тот самый интернет вещей), видеокамер, записывающих устройств. Эти данные, скорее всего, несут ценность, но извлечь ее пока гораздо сложнее.
Роль современной платформы данных – принять такие разнородные данные, интегрировать их, обработать и извлечь ценную для бизнеса информацию. Кроме того, такая платформа должна:
- Обрабатывать данные как в уже существующих локальных инфраструктурах, так и в облаках. Это гибридное состояние будет продолжаться еще неопределенно долгое время.
- Позволять переносить существующие инструменты обработки данных в облачную платформу без серьезных изменений.
- Позволять разрабатывать современные облачных приложений с нуля, задействуя все облачные инструменты.
- Анализировать данные одинаково успешно делать как в локальной среде, так и в облачной платформе.
Если за облачную часть обработки данных отвечает Azure SQL, то за локальную составляющую платформы Microsoft для хранения и обработки данных – SQL Server 2019.
*Поддержка Linux и Docker впервые реализована в SQL Server 2017
SQL Server упрощает развертывание, передачу и интеграцию больших данных.
Решение для обработки больших данных на основе Kubernetes, встроенное в SQL Server, позволяет легко развернуть кластер больших данных и работать с ним. Kubernetes обеспечивает развертывание хранилищ HDFS, реляционного модуля SQL Server и средств аналитики Spark в виде контейнеров в рамках одного удобного пакета.
В состав SQL Server 2019 входят Spark и HDFS, которые позволяют выполнять чтение и запись непосредственно в HDFS, используя SQL Server или Spark Архитектура Kubernetes обеспечивает гибкое масштабирование вычислительных мощностей и хранилищ по запросу
Интеграция структурированных и неструктурированных данных
Сегодняшние объемы данных делают неразумным и невыгодным конвертацию всех доступных данных в реляционные таблицы для хранения в СУБД. Еще 2 года назад Microsoft представила технологию PolyBase, позволяющую экземпляру SQL Server обрабатывать запросы Transact-SQL, которые обращаются к данным Hadoop и объединять данные из Hadoop и SQL Server. В SQL Server внешняя таблица или внешний источник данных обеспечивает соединение с Hadoop, виртуализируя внешние источники данных без необходимости их прямого импорта в реляционную базу и потом обращаться к этим данным с запросами.
Таким образом, данные накапливаются в своем естественном формате, не обязательно реляционном, но могут быть представлены в виде виртуальной таблицы. Виртуализация позволяет интегрировать данные разного формата, из разнородных источников и мест хранения без их репликации и перемещения, создавая единую виртуальную матрицу данных.
Высокая производительность
Не первый год Microsoft подтверждает высокую производительность SQL Server транзакционными тестам и тестами производительности хранилищ данных. Версия 2019 отмечена отличными результатами в следующих тестах:
- производительность OLTP
- производительность DW для 1 ТБ, 10 ТБ и 30 ТБ
- соотношение цены и производительности OLTP
- соотношение цены и производительности DW для 1 ТБ, 10 ТБ и 30 ТБ
Поддержка постоянной памяти (РМЕМ).
Постоянная память (Persistent Memory, PMEM) – это быстрая память, обладающая возможностью хранить данные после отключения питания. Она позволяет обрабатывать данные in-memory, избавляя от необходимости передавать данные по каналам передачи и ускоряя обработку запросов на 30 % для интенсивных рабочих нагрузок ввода-вывода.
Любой файл SQL Server, помещенный на устройство PMM, теперь доступен напрямую, минуя стек хранения операционной системы, используя эффективные операции memcpy.
Гибридная транзакционная/аналитическая обработка (НТАР).
Модель HTAP позволяет одновременно осуществлять операционные транзакции и аналитику на одних и тех же данных в одной и той же памяти, также реализуя подход in memory.
Интеллектуальная обработка запросов
Параллелизация запросов и улучшенное масштабирование частых запросов благодаря механизмам интеллектуальной обработки запросов делают производительность значительно выше. Отложенная компиляция табличных переменных более чем на 50% ускоряет обработку запросов.
Приложения и инструменты аналитики работают со всеми реляционными и большими данными через ведущий экземпляр SQL Server при помощи T-SQL
Безопасность и соответствие требованиям
Защита конфиденциальных данных при помощи технологии Always Encrypted с защищенными анклавами. Шифрование на месте позволяет выполнять криптографические операции с конфиденциальными данными без их перемещения за пределы базы данных
Криптографические операции включают в себя шифрование столбцов и эти операции теперь можно выполнять с помощью Transact-SQL, и они не требуют перемещения данных из базы данных. Внутри защищенных анклавов поддерживаются все полнофункциональные вычисления, включая сопоставления и сравнения диапазонов, что значительно расширяет возможности их применения
Технология Always Encrypted с защищенными анклавами доступна в Windows Server 2019
Azure Data Studio
Azure Data Studio (бывший SQL Operations Studio) – это упрощенное кроссплатформенное графическое средство управления и редактор кода. Позволяет создавать запросы к реляционным и нереляционным базам данных с поддержкой разных операционных систем и источников данных. Azure Data Studio позволяет подключаться к SQL Server локально и в облаке, в Windows, macOS и Linux.
Выбор ОС и контейнеров
SQL Server 2019 отличается гибкостью в отношении выбора платформы, языка программирования и средства доставки.
- Поддержка Red Hat Enterprise Linux, SUSE Linux Enterprise Server, Ubuntu и Windows
- Контейнеры Docker для Linux и Windows Установка со встроенной поддержкой инструментов Linux: Yum lnstall, Apt-Get и Zypper
- Один и тот же уровень абстракции с SQL Server на Linux
- Возможность использования R, Python и Java при работе с T-SQL. Теперь расширение языка Java доступно для выполнения кода Java в SQL Server.
Интеллектуальный анализ данных
Развитие SQL Server пошлo по пути интеграции с другими аналитическими платформами, в частности Spark, которая включена теперь в поставку SQL Server.
Spark является очень популярным инструментом для машинного обучения, для продвинутой аналитики, имеет эффективную in memory машину. И все это интегрировано с SQL, который очень эффективен для визуализации аналитики.
Возможности аналитики и визуализации данных. Правильный анализ и эффективное представление результатов напрямую влияет на эффективность анализа данных и возможность принимать на их основе управленческие решения
теги
- Big data
- Microsoft
- информационная безопасность
рекомендуем
Как сократить время загрузки веб-сайта на 30% и увеличить лояльность пользователей
«Платформа nanoCAD» для промышленного производства
Снизили вероятность ошибок на 30%, внедрив прогноз жирности молока на основе ИИ
Источник: slddigital.com
SQL-сервер
База данных (Data Base) – это собрание таблиц, в которых содержатся наборы данных. В них есть колонки с наименованиями параметров и строки, в которых указаны величины различных сущностей (например, «заказ», «клиент» и т.п.) для каждой колонки. Работа с таким базами данных возможна при помощи языка структурированных запросов SQL (Structured Query Language). Этот язык является средством коммуникации с системой управления базами данных СУБД (RDBMS – Relational Data Base Management System). SQL содержит команд, которые позволяют создавать, хранить, изменять и использовать данные из таблиц в базах данных.
Рис. 1. Пример базы данных для работы ресторана (источник: bd-subd.ru)
SQL представляет собой промышленный стандарт, который был разработан Международной организацией по стандартизации ИСО (International Organization for Standardization, ISO). Этот стандарт постоянно пересматривается, в него вносятся одни элементы и исключаются другие.
В различных продуктах используются различные версии («диалекты») языка SQL, и таких диалектов существует довольно много. Это объясняется тем, что в базовом стандарте ISO отсутствуют некоторые необходимые для практической реализации элементы, например, индексирование.
SQL Server
В 1980-х годах компания Sybase разработала систему управления базами данных под названием SQL Server для мини-компьютеров с операционной системой Unix. Персональные компьютеры тогда только входили в обиход, но мало кто мог использовать их возможности, по причине недостатка прикладных программ. Поэтому, Sybase в сотрудничестве со стартапом Ashton-Tate, в котором была разработана СУБД Dbase и компанией Microsoft портировала свой продукт на архитектуру персонального компьютера. В то время в качестве операционной системы для ПК использовалась OS/2 (получившая шуточное название «полуось» в среде российских ИТ-специалистов). Версии SQL Server для ПК-серверов на OS/2 носили порядковые номера 1.0, 1.1 и 4.2.
Затем компания Microsoft разработала ОС Windows NT и SQL Server был портирован на это новую и быстро завоевывавшую популярность операционную систему. В 1992 году, вскоре после выхода Windows NT, Microsoft выпустила SQL Server 4.2 , которая предназначалась изначально под OS/2, но, поскольку стало ясно, что Windows гораздо более популярно, то её переделали для Windows NT.
Затем Microsoft дистанцировалась от Sybase и разработала свой собственный SQL Server. Именно по этой причине, сейчас, когда говорят SQL Server, чаще всего имеется в виду Microsoft SQL Server. Позднее были выпущены версии 6.0 и 6.5, в которых, однако, принципиально новых изменений не содержалось.
Затем в 1998 году Microsoft полностью переписала код своего продукта SQL Server, новая версия получила номер 7.0. Целью этой работы было обеспечение будущей совместимости с системами хранения, которые могли появиться в следующие 20-30 лет. В целом, новая архитектура была довольно успешной.
Был добавлен Microsoft OLAP Server (Online Analytical Processing, интерактивная аналитическая обработка) при импорте и экспорте данных. Данные в реляционных базах данных хранятся в отдельных таблицах. Эта структура удобна также для операционной обработки транзакций OLTP (Online Transaction Processing), однако, многотабличные запросы в ней выполняются относительно медленно.
OLAP-структура создаётся из соединения таблиц по схеме звезды или снежинки (OLAP-куб). В центре схемы находится таблица ключевых фактов, по которым делаются запросы. Подключенные таблицы показывают, как могут анализироваться агрегированные данные. Такая структура позволяет повысить скорость анализа данных.
В следующей версии SQL Server 2000 был также добавлены сервисы отчётности (Reporting Services).
В версии SQL Server 2005 также были внесены изменения, хотя и не такие существенные как в 7.0. Одним из значительных изменений была полностью обновленная структура мета-данных, в которой Microsoft полностью изменила структуру таблиц, перейдя от их физической структуры к абстрагированному виду, где физическая структура таблиц пользователю не видна. OLAP Server был переименован в Analysis Services, а набор сервисов преобразования данных DTS (Data Transformation Services) – в SQL Server Integration Services (SSIS). Код этих компонентов был полностью переписан.
Более новые версии SQL Server: 2008 R2, 2012, 2014, 2016, 2017 представляли собой эволюционное изменения версии 2005. Однако, последняя на данный момент версия Microsoft SQL Server 2019, представляет собой качественно новый этап в развитии систем управления базами данных, которые предназначены больших неструктурированных данных (Big Data) объёмами в несколько петабайт и более.
T-SQL
T-SQL (Transact-SQL) – процедурный язык Microsoft, расширение для SQL Server. Он содержит команды REPL (Read-Eval-Print-Loop), которые расширяют стандартные команды SQL для манипулирования данными DML (Data Manipulation Language) и описания данных DDL (Data Definition Language). Функции управления представляются в виде системных процедур, которые можно запускать из запросов T-SQL, что также позволяет цепочку связанных серверов (Linked Servers). При этом, один запрос может быть обработан сразу на множестве серверов.
Сравнение версий
Компания НРЕ провела сравнение скорости работы версий SQL Server 2014 Standard Edition и SQL Server 2019 Std Edition на своих серверах серии HPE DL380, которые чаще всего выбирают заказчики как сервер баз данных SQL. Они показали в несколько раз более высокое быстродействие SQL Server 2019 по сравнению с предыдущими версиями.
Рис. 2. Сравнение скорости работы SQL Server 2014 и SQL Server 2019 (источник: НРЕ).
Microsoft SQL Server 2019 для кластеров больших данных (Big Data Clusters)
В условиях, когда объёмы хранимой в базах данных информации растут экспоненциально и достигают объёмов пета- и эксабайт, становится весьма трудно их анализировать и получать полезные выводы (инсайты) на основе такого анализа.
Хотя SQL Server непрерывно развивается, он не был рассчитан ни на работу для аналитики данных таких объёмов, ни на хранение и анализ данных неструктурированных форматов, таких как медиа-данные (изображения, аудио, видео и пр.).
Введение механизма кластеров больших данных (Big Data Clusters) в SQL Server 2019 решает проблемы обработки больших массивов данных (пета- и эксабайт), а также повышает гибкость обработки при помощи механизма унифицированной аналитики больших объёмов данных Spark.
В кластерах больших данных на SQL Server 2019 могут работать сразу несколько экземпляров SQL Server с сервисом очистки (ingest) данных Spark и распределённой файловой системой для больших данных HDFS (Hadoop Distributed File System). Они объединяют реляционные и большие неструктурированные данные, используют их в отчётах, предиктивных моделях и приложениях искусственного интеллекта.
При помощи Transact-SQL (T-SQL) или Spark (комплекс программ с открытым исходным кодом для реализации распределённой обработки неструктурированных и слабоструктурированных данных, входящий в экосистему проектов Hadoop), можно комбинировать и анализировать реляционные таблицы данных и большие неструктурированные данные (Big Data). Использование HDFS создаёт эластичную СХД, которая может масштабироваться до уровня петабайт. Механизм Spark обрабатывает и анализирует большие объёмы данных в распределённой компьютерной среде с вычислениями в памяти (in-memory).
Архитектура кластера Big Data
Как и многие другие реляционные базы данных, ранее в SQL Server необходимо было наращивать вычислительные мощности, чтобы повысить объёмы обрабатываемых данных. Поэтому, сегодня многие физические серверы, на которых работает SQL Server, работают на пределах своих возможностей.
В кластере Big Data на SQL Server 2019 используются технологии обработки больших данных, поэтому как производительность вычислений, так и объёмы хранения, могут расширяться независимо.
Добавление поддержки работы в среде Linux в SQL Server 2017 открыло возможности глубокой интеграции SQL Server со Spark, HDFS и другими компонентами больших данных, которые изначально работали в Linux.
Рис. 3. Архитектура кластера Big Data на SQL Server 2019 (источник: Microsoft).
Кластер больших данных – это вычислительный кластер из контейнеров, где работают SQL Server и сервисы Big Data, который оркеструется основным сервером SQL Server (Master). В каждом кластере SQL Server, Spark и HDFS реализованы на контейнерах Kubernetes, поддерживаемых Microsoft.
Kubernetes – это open-source-платформа оркестрации, которая облегчает развёртывание логических групп контейнеров, называемые «подами» (pods), которые являются базовыми строительными блоками Kubernetes.
Каждый под работает на узле, который может быть либо физической, либо виртуальной машиной в Kubernetes. Каждый узел поддерживается «мастером». В узле может быть множество подов и мастер Kubernetes автоматически назначает поды узлам в кластере. При этом, когда мастер делает назначения, он автоматически учитывает все доступные ресурсы на узле.
Кластер больших данных на Kubernetes можно развёртывать быстро, предсказуемо, и с возможностью дальнейшего эластичного масштабирования ресурсов, вне зависимости от местоположения.
Кластеры больших данных обеспечивают средства и системы для извлечения, сохранения и подготовки данных для последующего анализа, для обучения моделей нейросетей, а также они могут сохранять эти модели и обеспечивать работу законченных платформ искусственного интеллекта AI (Artificial Intelligence).
Рис. 4. Законченная платформа AI на базе кластеров больших данных SQL Server 2019 (источник: Microsoft).
Таким образом, мы видим, что концепция SQL Server, разработанная почти 50 лет назад, сегодня активно развивается, в том числе для кластеров больших данных. Это позволяет использовать накопленные ценные данные из реляционных баз данных вместе с огромными массивами больших неструктурированных данных на основе унифицированной масштабируемой платформы.
Предприятия и организации могут использовать механизм PolyBase для объединения разных форматов данных, виртуализации хранилищ данных, создания «озер данных» (data lake) и построения продвинутых систем аналитики и искусственного интеллекта с возможностями машинного обучения. Они могут обеспечить гораздо большую эффективность и безопасность работы с данными на предприятии, чем медленные и дорогие системы сбора данных ETL (Extract, Transform, Load) — «извлечение, преобразование, загрузка»), которые использовались ранее.
Вам может быть интересно:
Источник: itelon.ru