BI(Business intelligence)领域的崛起,已经成为促进我国经济发展的一个重要因素。BI作为一套完整的商务智能解决方案,拥有多条业务线、海量数据的业务背景,涉及到增量数据抽取、ETL(Extract-Transform-Load)任务调度等过程。传统时间戳增量数据抽取执行速度慢、内存浪费且没法区别插入和更新操作。同时,目前学界针对ETL任务调度问题,使用了多种调度分配算法来提高ETL执行效率,但依旧存在总执行时间过长问题,而模拟退火算法能够合理分配任务,提升执行效率。针对ETL处理过程中增量数据抽取、ETL任务调度存在的问题,提出了两种优化策略。第一种,从微观角度出发,针对增量数据抽取的传统时间戳方式,通过添加快照表、增加插入和更新两个时间戳字段及相应的删除JOB优化方式,解决传统方式下增量数据抽取操作效率低下、内存浪费的问题。第二种,从宏观角度出发,针对ETL任务调度问题,通过数学建模来描述问题,采用模拟退火算法对任务进行合理分配,使ETL整个工作流所用时间更少,从而提高了整个ETL处理过程的效率。为了验证优化策略的有效性,分别对上述两种方案设计了对照实验。在真实数据集上的实验结果表明,优化后的时间戳方式在对数据进行增量抽取时效率有所提升,内存浪费问题得到了缓解,能够区分插入和更新操作;通过模拟退火算法与轮询调度算法、贪婪算法作对比,以ETL工作流总的执行时间做指标,证明了模拟退火算法在处理ETL任务调度问题时是可取的,在综合能力上相比其他两种算法有很大的优势。