ETL vs ELT — kdy použít který přístup pro datové pipeline

ETL a ELT jsou dva základní přístupy k přesunu a transformaci dat. Zatímco tradiční ETL transformuje data před načtením, moderní ELT využívá výpočetní sílu cloudových warehouse.

Co je ETL a ELT¶

ETL (Extract, Transform, Load) extrahuje data ze zdrojů, transformuje v dedikovaném prostředí a načte do cíle. ELT obrací pořadí — data se načtou surová a transformují v cílovém systému.

Kdy zvolit ETL¶

• GDPR a compliance — maskování dat před uložením
• Omezený výkon cíle — on-premise DB bez elastického compute
• Komplexní business logika — specializované transformační nástroje

Kdy zvolit ELT¶

• Cloudové warehouse — Snowflake, BigQuery, Redshift
• Flexibilita — surová data pro různé transformace
• Iterativní vývoj — transformace se mění bez re-extrakce

# ETL pipeline v Pythonu
import pandas as pd
from sqlalchemy import create_engine

# EXTRACT
raw = pd.read_sql('SELECT * FROM orders', source_engine)

# TRANSFORM
df = raw.copy()
df['total_czk'] = df['total_eur'] * 25.2
df = df[df['status'] != 'cancelled']

# LOAD
df.to_sql('dim_orders', target_engine, if_exists='append')

Moderní hybridní přístup¶

V praxi se kombinují oba přístupy. Citlivá data procházejí ETL, ostatní přes ELT. Nástroj dbt zajišťuje transformace v cílovém warehouse.

Shrnutí¶

ETL pro regulovaná prostředí, ELT pro moderní cloud. Většina organizací kombinuje oba přístupy podle povahy dat.