在如今快速竞争的商业环境中,用户更倾向于使用最新的数据完成商业分析,因此实时ETL(Extract-Transform-Load)被提出以解决实时分析的需求。如今,实时ETL相关的研究层出不穷,但提出的解决方案中都没有考虑到数据的动态性。在很多实际场景中,数据源的数据生产速度随着时间波动且波动区间较广。在实时ETL系统中,ETL过程为常驻应用程序,如果能够在ETL过程运行时弹性调整ETL过程的资源,则有利于提高系统整体的资源利用率。因此,本文深入探讨了数据波动较大的场景下,关于实时ETL弹性调度机制的研究。本文主要工作分为两部分:一是单个用户的多个ETL过程弹性调度机制的研究;二是单个ETL过程弹性调度机制的研究。在单个用户的多个ETL过程弹性调度方面,本文首先构建了基于历史数据的时间序列预测模型用于预测ETL过程未来的数据生产速度;然后,根据各个ETL过程提交的资源清单,提出基于紧迫度的动态调度算法,用来调整单个用户多个ETL过程的资源。在单个ETL过程弹性调度方面,本文首先根据各个服务器负载情况,提出贪婪负载均衡算法,保证单个ETL过程调度资源时各个服务器负载能够均衡;然后,提出基于Dinic的改进算法用来解决调整后的ETL服务之间的稳定匹配问题。实验结果表明,相对于传统的调度方案,本文提出的弹性调度机制能够在保证消费数据速度不受影响的情况下,资源利用更加合理。同时,本文也验证了提出的相关解决方案在对应的问题上有较好的性能。