m0_58220133的博客

数据库sakila中一共含有十六张数据表，分别是actor（演员）表、address（地址）表、category（类别）表、city（城市）表、country（国家）表、customer（顾客）表、film（电影）表、film_actor（演员所属电影）表、film_category（电影所属的类别）表、film_text（电影描述）表、inventory（库存）表、language（语言）表、payment（付款）表、rental（租赁）表、staff（工作人员）表以及store（商店）表。

通过Kettle工具将文件weibo_user.csv中的数据批量加载到数据表weibo_user中。

通过Kettle工具将数据表incremental_source中的数据增量加载到数据表incremental_target中。

通过Kettle工具将数据表full_source中的数据全量加载到数据表full_target中。

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。

通过Kettle工具对数据表company_new中的数据进行商务规则的计算，即对数据表company_new中的数据进行相关处理和计算，从而得出手机在各省份的日销售额，并存储于数据表regional_sales中。

通过Kettle工具将对数据表company进行不一致数据的转换操作，即通过与供货商提供的标准价格表进行比较，得出不一致数据，从而进行修改，最终输出到数据表company中。

通过Kettle工具将A公司和B公司的手机日销售数据合并到一个数据源（数据表company）中，也就是对文件company_a.csv和数据表company_b中的数据进行合并操作，并输出到数据表company中。

通过Kettle工具，对数据进行检验操作。

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。

通过Kettle工具，替换和修改数据表interpolation_data中的异常值。

通过Kettle工具，去除文件temperature.txt中的异常值。

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。

通过Kettle工具，去除原始数据集revenue.txt中的缺失值。

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。

通过Kettle工具，消除CSV文件merge.csv中完全重复的数据

通过Kettle工具抽取JSON文件json_extract.json中的数据并保存至数据库extract中的数据表json中。

通过Kettle工具抽取XML文件xml_extract.xml中的数据并保存至数据库extract的数据表xml中。

通过Kettle工具抽取HTML网页的数据，并保存至数据库extract中的数据表html中。

通过Kettle工具抽取CSV文件csv_extract.csv中的数据并保存至数据库extract的数据表csv中。

通过Kettle工具抽取TSV文件tsv_extract.tsv中的数据保存至数据库extract中的数据表tsv中。

通过Kettle工具的转换来实现将一张数据表中的两个字段进行拼接，然后插入到另一张数据表中。即将数据表personal_a中的字段surname和name进行拼接，然后插入到数据表personal_b。