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(2)

8.3.5 加载用户数据至用户维度表

1.打开Kettle工具，创建转换

使用Kettle工具，创建一个转换load_dim_customer，并添加表输入控件、映射控件、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1所示:

 tu 1 创建转换load_dim_customer

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2所示:

图2 配置数据库连接

在SQL框中编写用于获取字段customer_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_customer_last_update；单击“预览”按钮，查看临时字段max_dim_customer_last_update是否将默认值设置为“1970-01-01 00:00:00”，如图3所示：

图3  编写SQL与浏览

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4所示：

图4 配置数据库连接

在SQL框中编写SQL语句，用于获取数据库sakila中数据表customer中的最新数据，如图5所示：

 图5 编写SQL语句

4.打开Kettle工具，新建转换

使用Kettle工具，创建一个转换fetch_address，并添加映射输入规范控件、数据库查询控件、过滤记录控件、JavaScript代码控件、字段选择控件以及Hop跳连接线，如图6所示：

图6  创建转换fetch_address

5.配置映射输入规范控件

双击“映射输入规范”控件，进入“Mapping input specification”界面，并添加映射的字段“address_id”，该字段为传递的参数，添加完毕后单击【确定】按钮，完成“映射输入规范”控件的配置，如图7所示：

 图7 配置映射输入规范控件

6.配置数据库查询控件

双击“数据库查询”控件，进入“数据库查询”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8所示：

 图8 配置数据库连接

单击名右侧的【浏览】按钮，添加数据表address；在“查询所需的关键字”框中，添加查询所需的关键字字段address_id，由于该字段是唯一的，因此可作为数据表address中数据和映射输入规范控件流中数据的比较条件；在“查询表返回的值”框中，添加查询表返回的值，如图9所示：

 图9 配置数据库查询控件

7.配置数据库查询2控件

双击“数据库查询2”控件，进入“数据库查询”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10所示：

 图10 配置数据库连接

单击表名处的【浏览】按钮，添加数据表city；在“查询所需的关键字”框中，添加查询所需的关键字字段city_id，作为数据表city中数据和数据库查询2控件流中数据相比较的条件；在“查询表返回的值”框中，添加查询表返回的值，如图11所示：

 图11 配置数据库查询2控件

8.配置数据库查询3控件

双击“数据库查询3”控件，进入“数据库查询”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12所示：

 图12 配置数据库连接

单击表名处的【浏览】按钮，添加数据表country；在“查询所需的关键字”框中，添加查询所需的关键字字段country_id，用于指定字段流与表字段的数据进行比较的比较条件；在“查询表返回的值”框中，添加查询表返回的值，如图13所示：

图13  配置数据库查询3控件

9.配置过滤记录控件

双击“过滤记录”控件，进入“过滤记录”配置界面，在“条件”处设置过滤的条件，对有第二个地址的用户进行过滤操作；单击左边“<field>”框，弹出字段对话框，选择要过滤的字段address2，单击“=”框，弹出函数对话框，选择过滤条件（这里选择的是IS NOT NULL），即过滤指定字段中不为空的数据，单击【确定】按钮，完成过滤条件的选择。字段address2的过滤设置，在“发送true数据给步骤：”处的下拉框中选择“JavaScript代码”，将有第二个地址的用户放在JavaScript控件中，用于后续的操作；在“发送false数据给步骤：”处的下拉框中选择“字段选择”，将没有第二地址的用户过滤掉，如图14所示：

图14  配置过滤记录控件

10.配置JavaScript代码控件

双击“JavaScript代码”控件，进入“JavaScript代码”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，如图15所示：

 图15 配置JavaScript代码控件

11.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“移除”处添加要移除的字段，如图16所示：

 图16 配置字段选择控件

12.配置映射控件

双击“映射”控件，进入“映射”界面，单击“转换”选项卡处的【Browser】按钮，选择添加转换fetch_address，用于获取用户的地址信息，如图17所示：

 图17 配置映射控件

13.配置字段选择控件

双击步骤1中的“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，由于数据表customer中字段active的类型为tinyint，因此需要将字段active的类型改为String，与维度表dim_customer中字段customer_active的类型相对应，如图18所示：

 图18 配置字段选择控件

14.配置值映射控件

双击步骤1中的“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，由于数据表customer中字段active的值为1和0，对应的是Y和N，这里将Y替换成Yes，将N替换成No，如图19所示：

 图19 配置值映射控件

15.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，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_customer；在“关键字”选项卡处添加关键字字段customer_id，用于指定维度表字段和流字段的比较条件；在“字段”选项卡处添加查询/更新字段；在“代理关键字段”处的下拉框中选择customer_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customer_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customer_valid_from；在“截止日期字段”处的下拉框中选择customer_valid_through，如图21、图22所示：

 图21 添加查询/更新字段

 图22 配置维度查询/更新控件

16.运行load_dim_customer转换

单击转换工作区顶部的   按钮，运行创建的转换load_dim_customer，实现加载用户数据至用户维度表dim_customer中，如图23所示：

 图23 运行load_dim_customer转换

17.查看数据表dim_customer中的数据

通过SQLyog工具，查看数据表dim_customer是否已成功插入用户数据，如图24所示:

图24 数据表dim_customer中的数据

8.3.6 加载商店数据至商店维度表

 1.打开Kettle工具，创建转换

使用Kettle工具，创建一个转换load_dim_store，并添加表输入控件、映射控件、数据库查询控件、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_store

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store_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_store_last_update；单击“预览”按钮，查看临时字段max_dim_store_last_update是否将默认值设置为“1970-01-01 00:00:00” ，如图27所示：

 图27 编写SQL语句与预览数据

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store数据表中的最新数据，如图29所示：

 图29 编写SQL语句

4.配置映射控件

双击“映射”控件，进入“映射”界面，单击“转换”选项卡处的【Browser】按钮，选择添加转换fetch_address，用于获取用户的地址信息，如图30所示：

 

 图30 配置映射控件

5.配置数据库查询控件

双击“数据库查询”控件，进入“数据库查询”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。单击表名右侧的【浏览】按钮，添加staff数据表，用于查询商店员工的信息；在“查询所需的关键字”框中，添加查询所需的关键字staff_id，用于指定表字段和流字段的比较条件；在“查询表返回的值”框中，添加查询表返回的值，即员工姓名，如图31所示：

 图31 配置数据库查询控件

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。单击【浏览】按钮，选择输出的目标表，即维度表dim_store；在“关键字”选项卡处添加关键字字段store_id，用于指定维度表字段和流字段的比较条件；在“字段”选项卡处添加查询/更新字段，用于指定维度表字段store_id和流字段store_id数据一致需要更新的字段，；在“代理关键字段”处的下拉框中选择store_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store_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store_valid_from；在“截止日期字段”处的下拉框中选择store_valid_through，如图32、图33所示。

 图32添加查询/更新字段

 图33 配置维度查询/更新控件

7.运行load_dim_store转换

单击转换工作区顶部的   按钮，运行创建的转换load_dim_store，实现加载商店数据至商店维度表dim_store中，如图34所示：

 图34 运行load_dim_store转换

8.查看数据表dim_store中的数据

通过SQLyog工具，查看数据表dim_store是否已成功插入商店数据，查看结果如图35所示：

 图35 数据表dim_store中的数据