数据仓库已成为解决金融行业中大量业务数据处理、汇总和分析的一种重要技术,而ETL (Extract-Transform-Load)过程在数据仓库的应用中起着关键作用。利用ETL过程可以把各个孤立的异构数据源中的业务数据抽取、转换并装载到数据仓库中,为基于数据仓库的决策分析应用提供高质量的数据。本文作者的主要研究工作如下：1)研究了ETL过程中关于数据抽取,数据转换和数据加载的相关技术与方法。2)使用J2EE实现了一个具有并行处理能力、支持多种数据源、任务配置灵活和易扩展的ETL过程。3)针对金融行业数据量大的特点,通过在ETL过程中使用集群、负载均衡和Oracle RAC (Real Application Cluster)三种并行处理技术提高系统性能。4)根据证券风险控制系统中提出的业务需求,给出集群环境下ETL的系统架构,以及ETL系统中关于数据抽取,数据转换和任务管理主要模块的设计方案；5)对负载调度,任务管理和调度执行的实现进行了详实描述,并给出主要数据模型和关键类。本文作者参与设计和实践的ETL系统已成功上线,运行平稳,处理效率显著提高。实践证明结合并行处理和集群负载均衡技术是提高ETL性能的一种较好和可行的技术解决方案。