kettle实现数据粒度的转换以及商务规划计算

（一）、数据颗粒度转换

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。例如，将城市转换成省份或者直辖市。

步骤

一、转换generalization

1.打开Kettle工具，新建转换使用Kettle工具，创建一个转换generalization,添加文本文件输入控件、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。

 

 

（2）配置文本文件输入控件

2、“文本文件输入”控件，进入“文本文件输入”界面，单击【浏览】按钮，选择要抽取personnel_data.txt文件；单击【增加】按钮，将要抽取的personnel_data.txt文件添加到generalization转换中。

 

3、单击“内容”选项卡，在分隔符处清除默认分隔符“；”，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。

 

4、 单击“字段”选项卡，根据personnel_data.txt文件的内容添加对应的字段名称，并指定数据类型。

 

5、 “字段选择”控件，进入“选择/改名值”界面，在“选择和修改”选项卡处添加字段名称。

 

6、 “排序记录”控件，进入“排序记录”界面，并在“字段”框中添加字段household_register，对其进行排序。

 

7、 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。MySQL数据库连接的配置。

 

8、 在图中的SQL框中编写SQL语句，用于查询city数据表（注：该表需提前创建，读者执行本书提供的data.sql脚本文件可生成city数据表）中字段city和pid的数据，用于与personnel_data.txt文件中household_register字段进行合并连接。

 

9、进入“排序记录”界面，在“字段”框中添加字段city，并对其进行排序。

 

10、 “记录集连接”控件，进入“合并排序”界面，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household_register和city；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

 

11、“字段选择2”控件，进入“选择/改名值”界面，在“选择和修改”选项卡处添加字段名称，这里添加的是记录集连接流中的字段household_register和pid

 

12、 “排序记录 3”控件，进入“排序记录”界面，在“字段”框中添加字段pid，并对其进行排序

 

13、 进入“表输入2”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

 

 14、 在图中的SQL框中编写SQL语句，用于查询provincial数据表（注：该表需提前创建，读者执行本书提供的data.sql脚本文件可生成provincial数据表）中字段Provincial和pid的数据，用于与household_register字段进行合并连接

 

15、“排序记录 4”控件，进入“排序记录”界面，在“字段”框中添加字段pid，并对其进行排序

 

 

16、“记录集连接2”控件，进入“合并排序”界面，在“第一个步骤”处的下拉框中选择“排序记录3”，“第二个步骤”处的下拉框中选择“排序记录4”；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

 

 

 17、“字段选择3”控件，进入“选择/改名值”界面，在“选择和修改”选项卡处添加字段名称，这里添加的是记录集连接2流中的字段household_register和Provincial

 

 

 18、进入“表输出”配置界面，如图6-20所示。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

 

 19、单击目标表右侧的【浏览】按钮，选择输出的目标表，即临时数据表personnel；勾选“指定数据库字段”的复选框

 

 

20、 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

 

 

21、 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8-24所示，单击【确定】按钮，完成“表输出”控件的配置。

 

 二、转换generalization_merge

22、使用Kettle工具，创建一个转换generalization_merge，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、文本文件输出控件以及Hop跳连接线

 

23、单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。 在图中的SQL框中编写SQL语句，用于查询数据表personnel中的数据

 

 24、“字段选择”控件，进入“选择/改名值”界面，在“选择和修改”选项卡处添加字段名称

 

25、 “排序记录”控件，进入“排序记录”界面，并在“字段”框中添加字段id，对其进行排序

 

 26、“文本文件输入”控件，进入“文本文件输入”界面，单击【浏览】按钮，选择要抽取personnel_data.txt文件；单击【增加】按钮，将要抽取的personnel_data.txt文件添加到generalization_merge转换中

 

 27、单击“内容”选项卡，在分隔符处清除默认分隔符“；”，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。

 

28、单击“内容”选项卡，在分隔符处清除默认分隔符“；”，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。

 

29、单击“字段”选项卡，根据文本文件personnel_data.txt的内容添加对应的字段名称，并指定数据类型。

 

 30、 “排序记录”控件，进入“排序记录”界面，并在“字段”框中添加字段id，对其进行排序

 

31、 “记录集连接”控件，进入“合并排序”界面，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；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

 

32、 “字段选择3”控件，进入“字段选择”界面，在“选择和修改”选项卡处添加字段名称，并将字段household_register_new改为household_register

 

33、文本文件输出”控件，进入“文本文件输出”界面，单击“文件名称”右侧的【浏览】按钮，选择输出文件，即文本文件personnel_data_new，如图6-38所示；单击“内容”选项卡，进入“内容”界面，清除分隔符处的默认分隔符，单击【插入Tab】按钮，插入Tab分隔符。并在编码处的下拉框选择“UTF-8”编码

 

 

 

 

 

34、单击“字段”选项卡，进入“字段”界面，添加要输出的字段

 

 

三、新建作业

35、使用Kettle工具，创建一个作业generalization，并添加Start控件、转换控件、成功控件以及Hop作业项连接线

 

36、“转换”控件，进入“转换”界面，单击“Transformations”处的【浏览】按钮，选择添加转换

 

 

37、 “转换2”控件，进入“转换”界面，单击“Transformations”处的【浏览】按钮，选择添加转换generalization_merge

 

 38、运行作业generalization

 

39、查看文本文件personnel_data_new.txt中的数据

 

 （二）、商务规则计算

不同的企业，有着不同的业务规则和数据指标，这些指标应该计算完存储到数据仓库中，供企业决策者进行分析，从而得出战略性的企业决策。例如，A公司和B公司的总公司想要得知各省份的手机日销售额，这就属于一个商务规则。

1、使用Kettle工具，创建一个转换monthly_salary，并添加文本文件输入控件、增加常量控件、计算器控件、文本文件输出控件以及Hop跳连接线

 

 2、“文本文件输入”控件，进入“文本文件输入”界面，单击【浏览】按钮，选择要抽取personnel_data_new.txt文件；单击【增加】按钮，将要抽取的personnel_data_new.txt文件添加到转换monthly_salary中。

 

3、 单击“内容”选项卡，在分隔符处清除默认分隔符“；”，单击【Insert TAB】按钮，在分隔符处插入一个制表符。

 

 4、单击“字段”选项卡，根据personnel_data_new.txt文件的内容添加对应的字段名称，并指定数据类型。“字段”选项卡的配置

 

5、 “增加常量”控件，进入“增加常量”界面，在字段框中添加一个字段days，并给定一个值22。增加常量控件的配置

 

 6、“计算器”控件，进入“计算器”界面，在字段框中添加一个字段monthly_salary，用于存储月薪，该字段是由字段days和salary进行相乘所得。计算器控件的配置

 

7、 “文本文件输出”控件，进入“文本文件输出”界面，单击“文件名称”右侧的【浏览】按钮，选择输出文件，即文本文件personnel_data_monthly_salary，如图6-52所示；单击“内容”选项卡，进入“内容”界面，清除分隔符处的默认分隔符，单击【插入Tab】按钮，插入Tab分隔符，并在编码处的下拉框选择“UTF-8”编码，如图6-53所示；单击“字段”选项卡，进入“字段”界面，添加要输出的字段

 

 

8、运行转换monthly_salary，实现将文本文件personnel_data_new.txt中字段为salary的数据进行商务规则计算，即计算每个人的月薪（以22天工作日计算），最终输出到文本文件personnel_data_monthly_salary.txt中。通过文本编辑器工具，查看文本文件personnel_data_monthly_salary.txt中的数据，查看结果如图6-56所示。 

 摘自《数据清洗》黑马程序员