数据清洗黑马程序员第八章综合案例——构建DVD租赁商店数据仓库——阅读笔记

本文链接：https://blog.csdn.net/m0_53823329/article/details/121169905

8.3 案例实现

8.3.2 加载日期数据至日期维度表

1.打开Kettle工具，创建转换

使用Kettle工具，创建一个转换load_dim_date，并添加生成记录控件、增加序列控件、JavaScript代码控件、表输出控件以及Hop跳连接线，具体如图1所示。

图1 创建转换

2.配置生成记录控件

双击“生成记录”控件，进入“生成记录”配置界面,在“限制”处添加生成的日期，默认为10，这里改为3650，即生成10年的日期（10*365）；在“字段”框添加字段language（语言）、country_code（国家码）、initial_date（初始化的日期），对生成的日期进行初始化，具体如图2所示：

图2 配置生成记录控件

3.配置增加序列控件

双击“增加序列”控件，进入“增加序列”配置界面，并在“值的名称”处将valuename改为DaySequence，即增加一列日期字段，后续用于改变“生成记录”控件生成的日期，如图3所示。

图3 配置增加序列控件

4.配置JavaScript控件

双击“JavaScript”控件，进入“JavaScript”配置界面，勾选“兼容模式？”处的复选框，使得JavaScript代码控件的兼容性更强；在Java Script代码框中编写代码（代码见教材）,单击【获取变量】按钮，将代码中定义的变量添加至字段框中,如图4所示：

图4 添加字段

“JavaScript代码”控件的具体配置效果如图5所示，单击【确定】按钮，完成“JavaScript代码”控件的配置。

图5 配置JavaScript控件

5.配置表输出控件

双击“表输出”控件，进入“表输出”配置界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置如图6所示。

图6 配置数据库连接

单击目标表右侧的【浏览】按钮，选择输出的目标表，即维度表dim_date；勾选“指定数据库字段”的复选框，用于将维度表字段与JavaScript控件流中的变量字段进行匹配,单击【输入字段映射】按钮，弹出“映射匹配”对话框，依次选中“源字段”选项框的字段和“目标字段”选项框的字段，再单击【Add】按钮，将一对映射字段添加至“映射”选项框中，若“源字段”选项框的字段和“目标字段”选项框的字段相同，则可以单击【猜一猜】按钮，让Kettle自动实现映射，具体如图7所示。

图7 设置映射匹配

单击映射匹配对话框的【确定】按钮，“表输出”界面最终显示的效果如图8所示，单击【确定】按钮，完成“表输出”控件的配置。

图8 配置表输出控件

6.运行转换load_dim_date

单击转换工作区顶部的按钮，运行创建的转换load_dim_date，实现加载日期数据至日期维度表dim_date中，如图9所示：

图9 运行转换load_dim_date

7.查看数据表dim_date中的数据

通过SQLyog工具，查看数据表dim_date是否已成功插入3650条日期数据，查看结果如图10所示（这里只截取了部分数据）。

图10 查看数据表dim_date中的数据

8.3.3 加载时间数据至时间维度表

1.打开Kettle工具，创建转换

使用Kettle工具，创建一个转换load_dim_time，并添加生成记录控件、增加序列控件、JavaScript代码控件、记录关联（笛卡尔输出）控件、表输出控件以及Hop跳连接线，具体如图11所示。

图11 创建转换load_dim_time

2.配置生成记录控件

双击“生成记录”控件，进入“生成记录”配置界面，在“限制”处添加生成的时间，这里添加的是生成24小时数据，起始的时间为0；在“字段”框添加生成小时字段的相关信息，如图12所示：

图12 配置生成记录控件

3.配置增加序列控件

双击“增加序列”控件，进入“增加序列”配置界面，将“值的名称”处将valuename改为hours24，即增加一列小时字段，由于时间是由时分秒构成，因此我们需要生成时分秒字段的数据，这里生成24小时数据，后续步骤中会生成60分和60秒的数据，如图13所示：

图13 配置增加序列控件

4.配置JavaScript代码控件

双击“JavaScript代码”控件，进入“JavaScript代码”界面，勾选“兼容模式？”处的复选框，使得JavaScript代码控件的兼容性更强；在Java Script代码框中编写代码；单击【获取变量】按钮，将代码中定义的变量添加至字段框。JavaScript代码控件的配置如图14所示。

图14 配置JavaScript代码控件

5.配置生成记录2控件

双击“生成记录2”控件，进入“生成记录”界面，在“限制”后的文本框添加60表示生成60条数据（60分钟从0分开始至59分结束共60条数据）；在“字段”框添加生成字段的名称、字段类型及默认值为0，如图15所示：

图15 配置生成记录2控件

6.配置增加序列2控件

双击“增加序列2”控件，进入“增加序列2”界面，将“值的名称”处将valuename改为minutes，即增加一列分钟字段，用于记录分钟数，在起始值后的文本框内将默认值1修改为0，表示从0开始生成60条数据（上一步“生成记录2”控件限制了条数），即生成数据为0-59，如图16所示。

图16 配置增加序列2控件

7.配置生成记录3控件

双击“生成记录3”控件，进入“生成记录”界面，在“限制”后的文本框添加60，表示生成60条数据（即60秒钟从0秒开始至59秒结束共60条数据）；在“字段”框添加生成字段的名称、字段类型及默认值为0，如图17所示：

图17 配置生成记录3控件

8.配置增加序列3控件

双击“增加序列3”控件，进入“增加序列3”界面，将“值的名称”处将valuename改为minutes，即增加一列秒字段，用于记录秒数，在起始值后的文本框内将默认值1修改为0，表示从0开始生成60条数据（上一步骤中“生成记录3”控件限制了条数），即生成数据为0-59，如图18所示。

图18 配置增加序列3控件

9.配置JavaScript代码2控件

双击“JavaScript代码2”控件，进入“JavaScript代码2”界面，勾选“兼容模式？”处的复选框，使得JavaScript代码2控件的兼容性更强；在Java Script代码框中编写代码；单击【获取变量】按钮，将代码中定义的变量添加至字段框。JavaScript代码2控件的配置，如图19所示：

图19 配置JavaScript代码2控件

10.配置表输出控件

双击“表输出”控件，进入“表输出”界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置，如图20所示：

图20 配置数据库连接

单击目标表右侧的【浏览】按钮，选择输出的目标表，即维度表dim_time；勾选“指定数据库字段”的复选框，用于将维度表dim_time的字段与JavaScript 控件流中的字段进行匹配，单击【输入字段映射】按钮，弹出“映射匹配”对话框，依次选中“源字段”选项框的字段和“目标字段”选项框的字段，再单击【Add】按钮，将一对映射字段添加至“映射”选项框中，若“源字段”选项框的字段和“目标字段”选项框的字段相同，则可以单击【猜一猜】按钮，让Kettle自动实现映射，如图所示。

图21 设置映射匹配

单击映射匹配对话框的【确定】按钮，“表输出”界面最终显示的效果如图22所示，单击【确定】按钮，完成“表输出”控件的配置

图22 配置表输出控件

11.运行load_dim_time转换

单击转换工作区顶部的按钮，运行创建的转换load_dim_date，实现加载时间数据至时间维度表dim_time中，如图23所示。

图23 运行load_dim_time转换

12.查看数据表dim_time中的数据

通过SQLyog工具，查看数据表dim_time是否已成功插入86400条时间数据，查看结果如图24所示（这里只截取了部分数据）。

图24 查看数据表dim_time中的数据

8.3.4 加载员工数据至员工维度表

1.打开Kettle工具，创建转换

使用Kettle工具，创建一个转换load_dim_staff，并添加表输入控件、字段选择控件、值映射控件、维度查询/更新控件以及Hop跳连接线，具体如图25所示。

图25 创建转换load_dim_staff

2.配置表输入控件

双击“表输入”控件，进入“表输入”配置界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置，如图26所示：

图26 配置数据库连接

在SQL框中编写SQL语句，用于获取字段staff_last_update中的最大值，将该值替换为”1970-01-01 00:00:00”并赋值给临时字段max_dim_staff_last_update；单击“预览”按钮，查看临时字段max_dim_staff_last_update是否将默认值设置为“1970-01-01 00:00:00”，如图27所示。

图27 配置表输入控件

3.配置表输入2控件

双击“表输入2”控件，进入“表输入”配置界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置，如图28所示

图28 配置数据库连接

在SQL框中编写SQL语句，用于获取sakila数据库中staff数据表中的最新数据，如图29所示。

图29 配置表输入2控件

4.配置字段选择控件

双击“字段选择”控件，进入“选择/改名值”界面，在“元数据”选项卡的“需要改变元数据的字段”处添加字段active，由于数据仓库sakila_dw中字段staff_active的数据类型为char类型，因此，我们需要将数据表staff中字段active的数据类型改为String类型，如图30所示。

图30 配置字段选择控件

5.配置值映射控件

双击“值映射”控件，进入“值映射”界面，在“使用的字段名”处的下拉框选择字段active；在“字段值”框中，添加源值和目标值，这里是将Y替换成Yes，将N替换成No，如图31所示：

图31 配置值映射控件

6.配置维度查询/更新控件

双击“维度查询/更新”控件，进入“维度查询/更新”界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置，单击目标表右侧的【浏览】按钮，选择输出的目标表，即维度表dim_staff；在“关键字”选项卡处添加关键字字段staff_id，用于指定维度表字段和值映射控件流中字段的比较条件，若维度表中的数据有更新，则通过字段staff_id进行更新操作；在“字段”选项卡处添加查询/更新字段，用于更新目标维度表中的字段数据；在“代理关键字段”处的下拉框中选择staff_key为代理关键字段，并指定“创建代理键”是使用自增字段；在“Version字段”处的下拉框中选择staff_version_number；在“Stream日期字段”处的下拉框中选择last_update；在“开始日期字段”处的下拉框中选择staff_valid_from；在“截止日期字段”处的下拉框中选择staff_valid_through，如图32、图33所示。