随着大数据时代的到来,数据量的激增,为数据分析提供了基础,促进了以数据仓库技术、数据挖掘技术为基础的商业智能的蓬勃发展。在银行资产负债管理过程中积累了一定量的数据时,基于数据仓库技术,对数据进行挖掘,能够从中发现很多有价值的信息以辅助银行管理层的决策。然而,随着银行业务数据量的激增,ETL实施作为银行数据仓库开发过程中最关键的部分之一,已经无法满足银行资产负债管理过程中大数据量处理的需求。因此,本文针对现有的银行资产负债管理数据ETL过程中数据处理效率比较低以及对非结构化数据的处理支持不足的问题,研究银行资产负债管理数据的分布式ETL。本文通过分析银行资产管理中ETL实施过程中数据来源,梳理和分析信用卡业务和其他业务的业务数据处理需求以及相关功能需求,设计分布式ETL的总体框架以及数据抽取、转换和加载功能,运用Map Reduce技术和My SQL数据库,在Hadoop平台上设计与实现了银行资产负债管理数据的分布式ETL。从而解决Map-Reduce技术、分布式ETL和My SQL等关键技术在银行资产负债管理数据中的应用。通过性能测试并对测试进行分析,测试结果表明分布式ETL明显优于一般ETL的性能,本文所设计和实现的银行资产负债管理数据的分布式ETL具有良好的性能,可以一定程度上满足银行资产负债管理过程中大数据量处理的需求。