6.3数据粒度的转换

业务系统一般存储非常明细的数据，而数据仓库中数据是用来分析的，不需要非常明细的数据。一般情况下，会将业务系统数据按照数据仓库粒度进行聚合，这个过程就被称为数据粒度的转换

案例介绍：通过Kettle工具将对数据表company进行数据粒度的转换操作，即将数据表company中字段为salesArea的数据都统一成省级份，并存储到新数据表company_new中。

A公司的日手机销售情况中的销售区域是市级，而B公司的日手机销售情况中的销售区域是省级，A公司和B公司的日手机销售情况合并后存储在数据表company中，通过仔细观察数据表company中字段为salesArea的一列，发现该列既包含市级也包含省级。数据表company中的部分数据内容，如图所示。

使用Kettle工具，创建一个转换，并添加表输入控件、字段选择控件、排序记录控件、记录集连接控件、过滤控件、空操作控件、表输出控件以及Hop跳连接线，具体如图所示： 

配置“表输入”控件

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，具体如图32所示；在SQL框中编写获取数据表company中所有数据的SQL语句，然后单击“预览”按钮，查看数据表company中数据是否成功从MySQL数据库中抽取到表输入流中，具体如图所示：

 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“选择和修改”选项卡的“字段”处手动添加所需字段，这里添加字段id和salesArea，具体如图所示：

配置“排序记录”控件

双击“排序记录”控件，进入“排序记录”配置界面，在“字段”框中添加字段salesArea，通过以该字段为基础对整体数据进行升序排序，具体如图所示：

配置“表输入2”控件

双击图31,中的“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。在SQL框中编写SQL语句，用于查询city数据表中字段city和pid的数据，用于与数据表company中字段salesArea进行合并连接；单击“预览”按钮，查看city数据表中的字段city和pid的数据是否成功从MySQL数据库中抽取到表输入流中，具体如图所示：

 

 

配置“排序记录2”控件

双击图中的“排序记录2”控件，进入“排序记录”配置界面，并在“字段”框中添加字段city，以该字段为基础对整体数据进行升序排序，具体如图所示：

配置“记录集连接”控件

双击“记录集连接”控件，进入“合并排序”配置界面，并在“第一个步骤”处的下拉框中选择“排序记录”控件，“第二个步骤”处的下拉框中选择“排序记录2”控件；在“第一个步骤的连接字段”和“第二个步骤的连接字段”处分别添加连接字段，这里添加的连接字段是salesArea和city，将“排序记录”控件流中的数据与“排序记录2”控件流中的数据进行合并连接；在“连接类型”处的下拉框选择连接类型，这里选择的LEFT OUTER，即左外连接，具体如图所示：

 配置“字段选择2”控件

双击“字段选择2”控件，进入“选择/改名值”界面，并在“选择和修改”选项卡的“字段”处手动添加所需字段，这里添加字段id、pid和salesArea，具体如图所示：

 配置“排序记录3”控件

双击“排序记录3”控件，进入“排序记录”配置界面，在“字段”框中添加字段pid，以该字段为基础对整体数据进行升序排序，具体如图所示：

配置“表输入3”控件

双击“表输入3”控件，进入“表输入”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。在SQL框中编写SQL，用于获取数据表provincial中字段为id和Provincial的数据，后续用于与“排序记录”控件流中的字段数据进行合并连接，然后单击“预览”按钮，查看数据表provincial中字段为id和Provincial的数据是否成功从MySQL数据库中抽取到表输入流中，具体如图所示

配置“排序记录4”控件

双击“排序记录4”控件，进入“排序记录”配置界面，并在“字段”框中添加字段pid，以该字段为基础对整体数据进行升序排序，具体如图所示：

配置“记录集连接2”控件

双击“记录集连接2”控件，进入“合并排序”配置界面，并在“第一个步骤”处的下拉框中选择“排序记录3”控件，“第二个步骤”处的下拉框中选择“排序记录4”控件；在“第一个步骤的连接字段”和“第二个步骤的连接字段”处分别添加连接字段，这里分别添加的连接字段是pid和pid；在“连接类型”处的下拉框选择连接类型，这里选择的LEFT OUTER，即左外连接，在“字段”框中添加字段pid，以该字段为基础对整体数据进行升序排序，具体如图所示：

.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，将字段为Provincial中值为“null”的数据过滤掉；在“发送true数据给步骤：”处的下拉框中选择“空操作”，将Provincial字段值为不为null的数据放在“空操作”控件中；在“发送false数据给步骤：”处的下拉框中选择“空操作（什么也不做）2”，将Provincial字段值为null的数据放在“空操作（什么也不做）2”控件中，具体如图所示：

配置“字段选择3”控件

双击“字段选择3”控件，进入“选择/改名值”界面；在“选择和修改”选项卡的“字段”处手动添加所需字段，这里添加字段id和Provincial，用于后续进行输出，具体如图所示：

.配置“表输出”控件

双击“表输出”控件，进入“表输出”控件的配置界面；单击“新建”按钮，配置数据库连接，配置完成后单击“确认”按钮。单击目标表右侧的“浏览”按钮，指定输出目标表，即数据表temporary；勾选“指定数据库字段”复选框，用于将数据表temporary的字段与字段选择3控件输出流中的字段进行匹配，具体如图所示；单击“数据库字段”选项卡；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”选项框对应的字段，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，具体如图所示；单击“确定”按钮，完成“源字段”与“目标字段”的映射匹配。“表输出”界面最终的配置如图所示：

配置“字段选择4”控件

双击“字段选择4”控件，进入“选择/改名值”界面，并在“选择和修改”选项卡的“字段”处手动添加所需字段，这里添加字段id和salesArea，用于后续进行输出，具体如图所示

 

.配置“表输出2”控件

双击“表输出2”控件，进入“表输出”控件的配置界面，单击“新建”按钮，配置数据库连接，配置完成后单击“确认”按钮。单击目标表右侧的“浏览”按钮，指定输出目标表，即数据表temporary；勾选“指定数据库字段”复选框，用于将数据表temporary的字段与字段选择4控件输出流中的字段进行匹配；单击“数据库字段”选项卡，具体如图所示；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”选项框对应的字段，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，具体如图所示；单击“确定”按钮，完成“源字段”与“目标字段”的映射匹配。“表输出”界面最终的配置如图所示：

.打开Kettle工具，新建转换

使用Kettle工具，创建一个新的转换，并添加表输入控件、字段选择控件、排序记录控件、记录集连接控件、表输出控件以及Hop跳连接线，具体如图所示：

配置“表输入”控件

双击步骤中的“表输入”控件，进入“表输入”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。在SQL框中编写获取数据表temporary中字段id和salesArea的数据的 SQL语句，然后单击“预览”按钮，查看数据表temporary中数据是否成功从MySQL数据库中抽取到表输入流中，如图所示：

 

配置“字段选择”控件

双击步骤中的“字段选择”控件，进入“选择/改名值”界面，并在“选择和修改”选项卡的“字段”处手动添加所需字段，这里添加字段id和salesArea，后续用于与数据表company中的数据进行合并，“选择和修改”选项卡的配置如图所示：

配置“排序记录”控件

双击步骤中的“排序记录”控件，进入“排序记录”配置界面，并在“字段”框中添加字段id，以此字段为基础对所有数据进行升序排序，如图所示：

配置“表输入2”控件

双击步骤中的“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。在SQL框中编写SQL语句，用于查询数据表company中的全部数据，然后单击【预览】按钮，查看数据表company中的数据是否成功从MySQL数据库中抽取到表输入流中，如图所示：

 

.配置“字段选择2”控件

双击步骤中的“字段选择2”控件，进入“选择/改名值”界面，并在“选择和修改”选项卡的“字段”处手动添加所需字段，这里添加字段id、brand、model、unitPrice、number，后续通过字段id将数据表temporary中字段salesArea和数据表company中的数据进行合并，“选择和修改”选项卡的配置如图所示：

配置“排序记录2”控件

双击步骤中的“排序记录2”控件，进入“排序记录”配置界面，并在“字段”框中添加字段id，以此字段为基础对全部数据进行升序排序，具体如图所示：

.配置“记录集连接”控件

双击步骤中的“记录集连接”控件，进入“合并排序”配置界面，并在“第一个步骤”处的下拉框中选择“排序记录”，“第二个步骤”处的下拉框中选择“排序记录2”；在“第一个步骤的连接字段”和“第二个步骤的连接字段”处添加连接字段，这里添加的连接字段是id和id，用于将“排序记录”控件流中的数据与“排序记录2”控件中的数据合并连接；在“连接类型”处的下拉框选择连接类型，这里选择的FULL OUTER，即完全外连接，具体如图所示：

配置“字段选择3”控件

双击步骤中的“字段选择3”控件，进入“选择/改名”配置界面，并在“选择和修改”选项卡的“字段”处手动添加所需字段，由于源数据表company中包含字段id、salesArea、brand、model、unitPrice、number，因此需要获取“记录集连接”控件流中的字段id、salesArea、brand、model、unitPrice、number，用于与源数据表company中的字段相对应，具体如图所示：

 

配置“表输出”控件

双击步骤中的“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。单击目标表右侧的“浏览”按钮，指定输出目标表，即数据表company_new；勾选“指定数据库字段”复选框，用于将数据表temporary的字段与字段选择3控件输出流中的字段进行匹配；单击“数据库字段”选项卡；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”选项框对应的字段，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，具体如图所示；单击“确定”按钮，完成“源字段”与“目标字段”的映射匹配。“表输出”界面最终的配置，具体如图所示：

 使用Kettle工具，创建一个作业granularity，并添加Start控件、转换控件、成功控件以及作业跳连接线，具体如图所示：

.配置“Start”控件

双击步骤中的“Start”控件，进入“作业定时调度”界面，该控件中可以设置时间调度以执行作业，这里使用默认配置，不作修改。单击“确定”按钮，完成Start控件的配置，具体如图​​​​​​​所示 

配置“转换”控件

双击步骤中的“转换”控件，进入“转换”配置界面，单击“浏览”按钮，选择添加转换granularity至作业中，具体如图​​​​​​​所示：

配置“转换2”控件

双击步骤中的“转换2”控件，进入“转换”配置界面，单击“浏览”按钮，选择添加转换granularity_merge至作业中，具体如图所示：

 

运行作业granularity

查看数据表company_new中的数据

 转换完成