ETL，是英文 Extract-Transform-Load 的缩写，用来描述将数据从来源端经过抽取（extract）、转换（transform）、加载（load）至目的端的过程。

ETL其实并不是一个新的概念，大家经常使用的像Informatica、Kettle、DataStage等，就是传统的ETL数据同步工具。ETL的理念着重体现在一些数据清洗转化功能，比如空值处理、规范化数据、数据替换、数据验证等等。

在数据湖或数据中台则往往会采用ELT的方式进行数据同步。

ELT是一个比较新潮的概念，相比于ETL，从功能上来说没有差异，只是换了一个顺序。差别在于，如果采用ELT的方案，首先把数据用一种高效的方式从数据源抽取出来，然后在数据仓库中进行数据的转换处理。这种ELT的方式相比于ETL有很大的优势，而本文介绍的偶数数据中台Lava中的数据同步工具，使用的就是ELT这种理念。

作为一个数据同步工具，偶数的数据同步工具支持很多常用数据源比如DB2、Oracle、MySQL、SQLServer、Postgresql等关系型数据库以及HDFS等。

偶数的数据同步工具符合ELT的理念，把数据的转换处理交给目标数据仓库来做。并且很好的利用目标数据仓库，例如OushuDB的高效特性来进行数据同步，块级别的并发导入效率远远高于JDBC的方式导入。基于OushuDB的高效性能，ELT的优势更加明显：

传统的ETL需要将数据加载到临时空间中，而且随着数据大小的增加，转换时间也会增加。但是在ELT过程中，速度不会数据大小的影响，而且仅需加载到目标系统一次，无需使用临时空间。

在ELT的理念下，数据转换依赖强大的目标系统，相比ETL在数据抽取过程中对数据处理的复杂性，ELT的方式更加高效。通过对目标数据仓库的调优，ELT可获得数倍的效率提升。

采用ELT模式，我们可以避免构建一个专有的数据转换集群，而是通过一个通用的、易于创建和维护的分布式计算集群来完成所有的工作。

分布式的数据加载、强大的任务监控、简单的操作步骤以及傻瓜式的部署方式，使得偶数数据中台Lava中的数据同步工具可以为构建数据仓库或者搭建数据中台提供强大助力。