随着计算机及互联网技术的快速发展,许多企业内部逐步实现了业务的计算机化管理,积累了大量的历史业务数据,而且数据量还在快速增长。越来越多的企业使用数据仓库技术对业务数据进行汇总、处理和分析,ETL过程是构建数据仓库的关键环节。ETL工具能否方便用户灵活地实施ETL解决方案直接影响到数据仓库解决方案能否顺利实施,ETL处理的效率直接影响数据装载的效率。针对该问题背景,本文主要研究工作如下：(1)分析MapReduce和ETL目前的研究现状,阐述了本文的研究意义,对维度数据ETL、事实数据ETL、ETL处理模型、渐变维度和MapReduce编程模型分别进行了深入分析与研究。(2)设计一个基于MapReduce和编程方式的ETL框架。首先,对ETL的整体架构进行设计；其次,对维度数据ETL模块和事实数据ETL模块进行了详细设计；最后,对维度数据的索引结构进行了设计,优化了MapReduce中数据块的分配算法。(3)对Hive提供的ETL和本文设计的ETL在大数据处理方面的执行效率和易用性进行了测试和分析。该ETL编程框架可以辅助ETL编程人员灵活地实施ETL解决方案并高效率地完成ETL分布式处理程序。最后的实验表明,本文设计的ETL编程框架不仅易用,而且比Hive的ETL在数据处理时间上要减少70%左右。