Kettle的第二个实践--数据获取并转换

Kettle的第二个实践--数据获取并转换

需求：

kettletest1数据库中有table_source数据表，结构如下：

Id                主键
t_id             数据时间
part_id        实例ID
yg               数据字段1
wg              数据字段2

该表中的数据对于不同的实例ID，一分钟一条数据，t_id字段表示数据的时间，精确到分钟。

kettletest2数据库中有table_target数据表，结构如下：

Id                     主键
marketdate      数据日期，格式为 yyyy-MM-dd
pointtime        时间，格式为 HH:mm
pointnumber   时间的数字表示，00:01表示为1，00:00表示为1440
plantcode        实例Code
yg                    数据字段1
wg                   数据字段2

需定期将table_source表中的数据获取至table_target表中，并进行如下处理：

1、将t_id数据时间字段拆分为三个字段，分别为marketdate、pointtime、pointnumber。

a、marketdate取t_id的日期部分。
b、pointtime取t_id的时间部分。
c、pointnumber为时间的数字表示，等于hour*60+minute。
d、但当t_id的时间为某日的00:00时，需将其转化为24:00，并且marketdate需取日期的前一天。如t_id为2008-12-04 00:00，则marketdate为2008-12-03，pointtime为24:00，pointnumber为1440。

2、将part_id字段映射为plantcode字段，并根据如下规则进行转换：
part_id plantcode
3206 P01
3207 P02
3208 P03


测试中使用的数据库均为mysql数据库。
实战：

整个转换工作共分为三个步骤，如下图：


[img]http://dl.iteye.com/upload/attachment/0081/1511/96936da2-662f-3692-bcbc-0e8a407b5734.jpg[/img]

1、定义需获取的数据的日期

[img]http://dl.iteye.com/upload/attachment/0081/1515/61b03c9e-3258-3381-9ad8-778c43e2beb7.jpg[/img]

2、删除table_target表中已有数据，[b] [color=#FF0000]注意一定要将“执行SQl语句”面板中的“变量替换”要选上[/color] [/b]，否则SQL语句中的变量不会被替换，我刚开始没注意到这个地方，找问题找了半天。

[img]http://dl.iteye.com/upload/attachment/0081/1519/9d8080b8-f1d5-310d-b1c3-4541f9bf6c51.jpg[/img]

3、获取table_source中的数据，并将其插入table_target表

[img]http://dl.iteye.com/upload/attachment/0081/1526/58202446-d346-3569-8c04-a5c0d2f9dd45.jpg[/img]


3-1、获取table_source表的数据

[img]http://dl.iteye.com/upload/attachment/0081/1528/6bd56eb2-929e-37ba-b93c-019db982a9ef.jpg[/img]

3-2、值映射

[img]http://dl.iteye.com/upload/attachment/0081/1537/4715176a-4dc0-3523-82c0-5e43db4e0db7.jpg[/img]

3-3、字段选择

[img]http://dl.iteye.com/upload/attachment/0081/1541/c63882e9-ae3c-3ff3-8ee4-2dc6e3e461c1.jpg[/img]

3-4、对t_id字段进行处理，增加了pointnumber字段。[b] [color=#FF0000]在这一步骤中发现kettle的一个bug，就是不能在JavaScript中使用str2date函数[/color] [/b]，错误的具体信息参见：http://jira.pentaho.com/browse/PDI-1827。这个问题也折腾了好长时间，刚开始怎么也想不通这个函数使用时怎么会报错呢，后来只好从字符串中截取年、月、日信息。

[b] [color=#FF0000]该步骤中还存在另外一个使人困惑的问题，就是点击“测试脚本”按钮，会报错，但是执行job和transformation时则不会报错。[/color] [/b]


[img]http://dl.iteye.com/upload/attachment/0081/1546/f906a4ed-66eb-3e1d-ac3c-ae190b4a3bd1.jpg[/img]

3-5、增加pointnumber字段至输出结果中

[img]http://dl.iteye.com/upload/attachment/0081/1548/42dbe693-d7e7-36c2-80d5-8817c4655775.jpg[/img]

3-6、插入数据至table_target表

[img]http://dl.iteye.com/upload/attachment/0081/1553/549ebe07-3256-3343-b5d9-02df0365b83e.jpg[/img]

3-4步骤中的JavaScript代码如下：

var pointTimeStr = pointtime.getString();
var pointnumber = 1;

if (pointTimeStr == "00:00") {

    var marketDateStr = marketdate.getString();
    var marketDateYear = substr(marketDateStr, 0, 4);
    var marketDateMonth = str2num(substr(marketDateStr, 5, 2))-1;
    var marketDateDay = substr(marketDateStr, 8, 2);

    var date = new Date();
    date.setYear(marketDateYear);
    date.setMonth(marketDateMonth);
    date.setDate(marketDateDay);

    var temp1 = dateAdd(date, "d", -1);
    marketdate.setValue(date2str(temp1, "yyyy-MM-dd"));
    pointtime.setValue("24:00");

    pointnumber = 1440;
} else {    
    var hourStr = pointTimeStr.substr(0, 2);
    var hour = str2num(hourStr);
    var minuteStr = pointTimeStr.substr(3, 5);
    var minute = str2num(minuteStr);

    pointnumber = hour * 60 + minute;
}

至此，整个转换工作完成，小结一下：

如果对kettle等etl工具比较熟悉的话，使用etl工具进行数据转换、抽取等事情还是比较方便的，比起写程序还是有优势的。但是这个转换过程中遇到的kettle的两个bug比较让人头疼，觉得kettle好像还不是很稳定。

reference:http://www.blogjava.net/robbie/archive/2008/12/14/246271.html