案例一
通过Kettle工具,消除CSV文件merge.csv中完全重复的数据
转换
配置csv文件输入组件输入数据
唯一行组件配置
运行转换,查看结果
案例二
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
转换
文本文件输入配置
唯一行(哈希值)组件配置
运行转换,查看结果
案例三
通过Kettle工具,去除原始数据集revenue.txt中的缺失值
转换
字段选择组件配置
过滤条件
运行并查看结果
案例四
通过Kettle工具,使用平均值填充法对文件people_survey.txt中的缺失值进行填充
转换示意图
过滤记录组件配置
替换NULL值组件配置
合并记录组件配置
替换NULL值2组件配置
字段选择组件配置
运行转换并查看结果
案例五
通过Kettle工具,去除文件temperature.txt中的异常值
转换示意图
过滤记录组件配置
运行转换,查看结果
案例六
通过Kettle工具,替换和修改数据表interpolation_data中的异常值
转换示意图
过滤记录组件配置
设置值为NULL组件配置
合并记录组件配置
替换NULL值组件配置
字段选择组件配置
运行转换,查看结果
案例七
通过Kettle工具,使用弱一致性对数据表Personnel_Information中的数据进行一致性处理,即利用数据表Personnel_Information中的字段GENDER中的值训练出一个健康值预测模型,用于将原始数据中的字符串特征转化为模型可识别的数字特征
转换示意图
表输入组件配置
值映射组件配置
插入/更新组件配置
运行转换,查看结果
由于转换data _consistency的运行只是单次的,若是后续需要进行将原始数据进行转换、插入操作,则需要运行该转换,这样工作效率很低,因此,通过Kettle工具创建一个作业,对转换data _consistency设置定时器,使得转换data _consistency程序定时自动执行数据同步的操作
创建作业
START控件配置
运行作业
可以看到,作业每间隔5s运行一次。
案例八
通过Kettle工具,对数据进行检验操作
转换示意图
自定义常量数据组件配置
计算器组件配置
数据检验组件配置
运行转换