案例介绍:通过Kettle工具,将文件people.txt中不完全重复的数据进行去重处理。
现在有一份用户访问网站的数据文件person.txt,内容如图所示
打开kettle,创建转换
配置“文本文件输入”控件,单击【浏览】按钮,选择要去重的文件people.txt;单击【增加】按钮,将要去重的文件people.txt添加到转换中
单击“内容”选项卡;清除分隔符处的默认分隔符“;”,并单击【Insert TAB】按钮,在分隔符处插入一个制表符;取消勾选“头部”复选框。
单击“字段”选项卡;根据文件people.txt的内容添加对应的字段名称,并指定数据类型
预览一下,查看文件people.txt的数据是否成功抽取到文本文件输入流中。
配置“唯一行(哈希值)”控件
运行转换
至此,我们完成了数据的不完全去重