ETL(抽取、转换、装载)过程的开发是数据仓库开发的重要组成部分。目前大型企业数据仓库(EDW)的实施中,需要处理的数据量非常庞大,逻辑关系复杂,所以ETL工作流的执行需要消耗大量的时间,经常无法在规定的时间内完成数据的集成,造成大量的文件堆积。为了减少这样的问题出现,本文提出一个ETL工作流建模及优化的方案。本文首先对ETL活动的通用模型进行了改进,然后利用建立的ETL活动模型对工作流进行建模,将每个ETL工作流看成一个状态,利用交换、因式分解等转换来构建状态空间,最后采用状态空间搜索的方法实现对ETL工作流的优化,从而减少ETL工作流的执行时间。ETL工作流的执行时间无法预计,会影响ETL开发部门与客户之间服务协议(SLA)的制定与实施,这是目前ETL开发工作中存在的又一问题。针对这个问题,本文提出一个时间成本模型。首先,在对ETL活动进行建模的过程中,引入一元线性回归方法,用来分析ETL活动的执行时间与数据量之间的关系。然后在此基础上,采用关键路径的思想,估算出整个ETL工作流的执行时间,为ETL过程的实施和控制提供参考数据。为了检验ETL工作流优化方案的有效性,本文实现了ETL工作流优化方案中的主要算法,并对算法进行了测试。实验证明,当工作流中包含的活动数目在一定范围内时,ETL工作流的优化方案执行效率较高,并能够有效地优化ETL工作流,减少其执行时间。