《数据清洗》：用Kettle工具实现转换和作业

一个数据抽取过程主要包括创建一个作业，并且每个作业可以包括多个转换操作。此数据抽取过程可通过Kettle工具完成，也可以通过编写程序调用的方式实现。   

Kettle工具的执行分为两个层次，即转换和作业，这两个层次最主要的区别在于数据传递和执行方式。

一、转换

转换是ETL解决方案中重要的组成部分之一，主要用于数据的抽取、转换以及加载等操作，其本质是一组图形化的数据转换配置的逻辑结构。

一个转换包括一个或多个步骤，转换中的步骤是通过跳连接的。在Kettle中，数据的单位是行，数据流就是数据行从一个步骤到另一个步骤的移动。

1、实现转换的步骤

双击Kettle目录下的Spoon.bat脚本启动Kettle工具，在工具栏处选择“文件”→“新建”→“转换”命令，点击保存就可以给这个转换命名

创建好以后单击Kettle树形列表的核心对象，然后单击“输入”，将“表输入”拖曳到Kettle主界面的工作区，而后单击“输出”，将“文本文件输出”也拖曳到Kettle的工作区，按住Ctrl键的同时选中“表输入”和“文本文件输出”并右击，从弹出的快捷菜单中选择“新建节点连接”命令，在弹出的窗口中选择“起始步骤”和“目标步骤”，单击“确认”按钮，建立“表输入”向“文本文件输出” 的链接

在Kettle主界面的工作区右击空白处，选择“新建注释”命令可以添加注释