SSIS中sybase数据源的问题

happydreamer 2006-10-10 10:07:16
要做一个SSIS包,取sybase数据库中的数据库,sybase客户端已经安装好,ODBC DSN也已经建立

现在在BIDS的SSIS链接管理器中添加了ODBC链接,并测试通过
但BIDS的数据流设计器中,怎么加入刚才新建的ODBC链接呢?

我这样处理的
1)右键工具箱的数据流源,选择'选择项',在'选择工具箱项'对话框的'.NET Framework组件'中添加了所有ODBC选择

2)选择数据流源中的'DataReader源',并在链接管理器里面选了刚才新建的ODBC链接,按确定时报'数据流任务[DataReader 源[260]]出错:无法从运行时连接管理器获取托管连接

是不是用另外的方法添加ODBC数据源的?
...全文
361 1 打赏 收藏 转发到动态 举报
写回复
用AI写文章
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
junmail 2006-10-17
  • 打赏
  • 举报
 回复
在连接管理器 右键 新建连接 里面有个odbc啊！
很全的ETL学习资料
BI项目中ETL设计与思考.docx DataStage(ETL)技术总结.docx ETL增量抽取.docx ETL增量抽取方式.docx ETL工具点评.docx ETL常见性能瓶颈.docx ETL构建企业级数据仓库五步法.docx ETL高级教程.docx 三大主流ETL工具选型.docx 什么是ETL.docx 商业智能 通过SSIS设计ETL来将Oracle,DB2,Sybase等数据源的数据定期导入到数据仓库.docx 商务智能(BI)的四大关键技术-ETL(抽取(Extract)、转换(Transform)和加载(Load)).docx 选择合适的ETL工具满足数据整合性能挑战.docx
ETL学习资料
1.什么是ETL 2.BI项目中ETL设计与思考 3.DataStage(ETL)技术总结 4.ETL常见性能瓶颈 5.ETL高级教程 6.ETL工具点评 7.ETL构建企业级数据仓库五步法 8.ETL增量抽取 9.ETL增量抽取方式 10.三大主流ETL工具选型 11.商务智能(BI)的四大关键技术-ETL(抽取(Extract)、转换(Transform)和加载(Load)) 12.商业智能 通过SSIS设计ETL来将Oracle,DB2,Sybase等数据源的数据定期导入到数据仓库 13.选择合适的ETL工具满足数据整合性能挑战
浅谈数据仓库和大数据.pdf
浅谈数据仓库和⼤数据 浅谈数据仓库和⼤数据 前⾔ 前⾔ 数据仓库是今年来适应利⽤数据⽀持决策分析的强烈需求⽽发展起来的数据库应⽤技术，诚然，数据仓库以数据库为基础，但是他在需求、 客户、体系结构与运⾏机制等⽅⾯与数据库存在重⼤的不同，Kimball说:"我们花了⼆⼗年的时间往数据库中加⼊数据，现在该是拿出来使⽤ 的时候了。" ---摘⾃数据仓库⼯具箱:维度建模(第⼆版) 1.数据仓库理解 数据仓库理解 根据笔者⾃⼰的理解，数据仓库是⼀个抽象的概念，⽽实现的载体则是我们常见的各种数据库表。⽐如传统⾏业中⽤到的Oracle、 Teradata(简称TD)、GreenPlum(简称GP)，互联⽹⾏业中⽤到的Hive、Spark。它的⼀个主要应⽤点的体现就是我们企业中建设的数据平台 2.数据平台 数据平台&数据仓库的组成 数据仓库的组成 先宽泛的讲述下数据平台和数据仓库的组成 数据平台可划分为如下⼦平台：数据同步平台、数据仓库、调度平台、元数据管理平台、即席查询平台、数据可视化平台、数据质量检测系 统 数据仓库由于是⼀个抽象的概念所以可以简单的理解为不同粒度的数据层，⽐如：数据缓冲层(存放当⽇增量数据)、数据明细层(存放最全的 明细数据)、数据模型层(轻粒度的数据汇总以及模型设计，这个时候需要设计相应的主题)、数据集市层(⼀般就是⼀些宽表，包含多维度和指 标，⽅便⽤来做多维分析)、数据应⽤层(主要是开放给业务侧使⽤，多存放粗粒度的数据报表) 每个公司对每层的命名不⼀样，所以就不⽤什么ods，dw等来标识各个层级。 3.数仓和⼤数据的关系 数仓和⼤数据的关系 在写对数仓的理解的时候其实已经点出了数仓和⼤数据的关系，现在讲⼀下我个⼈理解的数仓演变历史以及为什么要⽤⼤数据来实现数仓。 3.1 数仓的过去 数仓的过去 数据仓库在很早的时候就被数据仓库之⽗Inmon 提出来了，按我的理解，很早的时候主要是对⾃⼰企业内部业务数据的⼀个分析决策，⽤⼀ 些传统的关系型数据库为载体，加上Kettle、Informatica、DataStage等ETL⼯具以及Biee、smartBi等报表⼯具来⽀撑企业⾃⼰的数据仓库 建设。其服务⽬标是部分企业⾼管、市场⼈员、运营⼈员等。 3.2 数仓的现在 数仓的现在 数据仓库在现在的应⽤已经远⾮以前的应⽤范围，其区别主要体现在⼀下⼏点： 1.数据源多样化 以前的数据源可能多数是来⾃企业的交易数据，但是现在则会由以下来源组成，⽐如：交易数据、⾏为数据、竟对数据、CRM、 财务数 据等 2.数据量暴涨 由于以前数据来源单⼀，数据量相⽐较现在增长不会那么快，多数的中⼩型企业使⽤⼀个⾼配的⼩机+关系型数据库即可满⾜数仓的计算 资源需求。但是现在由于数据源的多样化，导致数据量暴涨，单机的计算已经满⾜不了现有资源，但是MPP架构的数据库⼜太贵(⽐如TD)， ⽽且也⽆法满⾜企业处理⾏为⽇志数据的需求。这个时候⼤数据技术应运⽽⽣，以hadoop+hive的技术处理开始占据主流。尤其是互联⽹⾏ 业的迅速发展，对其有⼀定的带动性。 3.服务对象的不同 个⼈说的以前偏向于传统⾏业，他们的服务对象偏向于⾼管、运营、财务等职能⼈员。⽽现在则会有各种各样的服务对象，⽐如：⾼管、 运营、财务等职能⼈员关注的报表必不可少，除此之外还有产品、运营等⼈关注的竟对分析以及内部风控，反欺诈等线上系统以及推荐等系 统模块的接⼝调⽤ 3.3 数仓的未来 数仓的未来 ⽬前在国外已经有⼈提出了Data Lake和Data Vault的概念。让我们拭⽬以待是否可以在国内普及应⽤~ 总结 总结 之所以出现hadoop、spark等⼤数据处理技术，数据多样化以及对数据时效性越来越⾼占主要因素，成本也是其中的⼀个因素，但是个⼈认 为占⽐很⼩，因为区别仅仅在于到底是把钱花在了机器和系统上还是花在了⼈⼒上~ 下⾯简单的对传统⾏业以及互联⽹⾏业建设数据仓库的时候⽤到的⼀些⼯具做些总结 1.传统⾏业 数据库：Oracle、DB2、TD(MPP结构，列式存储)、GP(MPP结构，列式存储)、SybaseIQ(MPP结构，列式存储)、MySql Inforbright、 MsSql、等 ETL⼯具：Informatica、DataStage、Kettle、Automation(调度平台)、SSIS、企业内部调度⼯具等 可视化⼯具：Biee、tableau、Congons、Power BI等 2.互联⽹⾏业 离线仓库架构：Sqoop+hadoop+hive/spark+mysql/hbase+echarts/tableau/highchars 实时架构:flume+kafka+storm/spark streaming+hbase/redis+echarts/tableau/highc
SQL Server 2005 Integration Services (SSIS)数据源之Sybase
SQL Server 2005 Integration Services (SSIS)数据源之Sybase 郭强（guoqiang-vip@hotmail.com） 一 引言 本文针对Sybase的在SSIS中连接问题，写出自己的心得！由于Sybase数据库应用不是特别广泛，特别是在SSIS中碰到不少问题，网上的资料几乎没有，特把自己摸索到的经验总结下来。 二 前提 ...
SQL Server 2005 Integration Services (SSIS)数据源之Sybase（转）
一 引言 本文针对Sybase的在SSIS中连接问题，写出自己的心得！由于Sybase数据库应用不是特别广泛，特别是在SSIS中碰到不少问题，网上的资料几乎没有，特把自己摸索到的经验总结下来。 二 前提    要想在SSIS中连接Sybase必需要有针对Sybase的ODBC和OLEDB Provider。建议最简单的方法是安装Sybase的客户端或Sybase服务器版本。建议对Sybase
新技术前沿

6,129

社区成员

4,460

社区内容

发帖
与我相关
我的任务
社区描述
MS-SQL Server 新技术前沿
社区管理员
  • 新技术前沿社区
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章