本篇博客详细记录了如何使用Kettle工具进行数据清洗和加载过程，涵盖两个综合案例：一是从MySQL的sakila数据库加载用户数据至用户维度表dim_customer，涉及表输入、映射、数据库查询等控件的配置；二是将商店数据加载至商店维度表dim_store，同样包括多个Kettle组件的使用和配置，确保数据正确插入到维度表中。
目录
第八章综合案例（2）
案例【8.3.5 8.3.6】
需要从MySQL官网下载数据库sakila的建库脚本，若是在Windows环境下安装数据库sakila，下载名称为sakila_bd.zip的压缩包文件；若是在Linux环境下安装数据库sakila，下载名称为sakila_bd.tar.gz的压缩包。需要导入压缩包中的文件，下载MySQL关系型数据库，SQLyog工具。
8.3.5 加载用户数据至用户维度表
1.打开Kettle工具，创建转换
使用Kettle工具，创建一个转换load_dim_customer，并添加表输入控件、映射控件、字段选择控件、值映射控件、维度查询/更新控件以及Hop跳连接线，具体如图8-1。
图 8-1
2.配置表输入控件
双击“表输入”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。MySQL数据库连接的配置，如图8-2。
图 8-2
在SQL框中编写用于获取字段customer_last_update中的最大值，将该值替换为”1970-01-01 00:00:00”并赋值给临时字段max_dim_customer_last_update（代码如下）；单击“预览”按钮，查看临时字段max_dim_customer_last_update是否将默认值设置为“1970-01-01 00:00:00”，如图8-3。
SELECT
COALESCE(MAX(customer_last_update),"1970-01-01 00:00:00")
AS max_dim_customer_last_update
FROM dim_customer
图 8-3
3.配置表输入2控件
双击“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。MySQL数据库连接的配置，如图8-4。
图 8-4
在SQL框中编写SQL语句（代码如下），用于获取数据库sakila中数据表customer中的最新数据，如图8-5。
SELECT
customer_id
, store_id
, first_name
, last_name
, email
, address_id
, active
, create_date
, last_update
FROM customer where last_update > ?
图 8-5
4.打开Kettle工具，新建转换
使用Kettle工具，创建一个转换fetch_address（该转换为转换load_dim_customer的子转换），并添加映射输入规范控件、数据库查询控件、过滤记录控件、JavaScript代码控件、字段选择控件以及Hop跳连接线，如图8-6。
图 8-6
5.配置映射输入规范控件
双击“映射输入规范”控件，进入“Mapping input specification”界面，并添加映射的字段“address_id”，该字段为传递的参数（由于转换load_dim_customer中表输入2控件流获取的字段address_id，用于查询用户的地址信息，而后续数据仓库的维度表数据也需要用户的地址信息，因此这里将字段address_id作为传递的参数），添加完毕后单击【确定】按钮，完成“映射输入规范”控件的配置，如图8-7。
图 8-7
6.配置数据库查询控件
双击“数据库查询”控件，进入“数据库查询”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。MySQL数据库连接的配置，如图8-8。
图 8-8
单击名右侧的【浏览】按钮，添加数据表address；在“查询所需的关键字”框中，添加查询所需的关键字字段address_id，由于该字段是唯一的，因此可作为数据表address中数据和映射输入规范控件流中数据的比较条件；在“查询表返回的值”框中，添加查询表返回的值，如图8-9。
图 8-9
7.配置数据库查询2控件
双击“数据库查询2”控件，进入“数据库查询”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，如图8-10。
图 8-10
单击表名处的【浏览】按钮，添加数据表city；在“查询所需的关键字”框中，添加查询所需的关键字字段city_id，作为数据表city中数据和数据库查询2控件流中数据相比较的条件；在“查询表返回的值”框中，添加查询表返回的值，如图8-11。
图 8-11
8.配置数据库查询3控件
双击“数据库查询3”控件，进入“数据库查询”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。MySQL数据库连接的配置，如图8-12。
图 8-12
单击表名处的【浏览】按钮，添加数据表country；在“查询所需的关键字”框中，添加查询所需的关键字字段country_id，用于指定字段流与表字段的数据进行比较的比较条件；在“查询表返回的值”框中，添加查询表返回的值，如图8-13。
图 8-13
9.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，对有第二个地址的用户进行过滤操作；单击左边“<field>”框，弹出字段对话框，选择要过滤的字段address2，如图8-14。
图 8-14
单击“=”框，弹出函数对话框，选择过滤条件（这里选择的是IS NOT NULL），即过滤指定字段中不为空的数据，单击【确定】按钮，完成过滤条件的选择。字段address2的过滤设置如图8-15。
图 8-15
10.配置JavaScript代码控件
双击“JavaScript代码”控件，进入“JavaScript代码”配置界面，勾选“兼容模式？”处的复选框，使得JavaScript代码控件的兼容性更强；在Java Script代码框中编写代码（代码如下），如图8-16。
//Script here
var address = address.getString() + " " + address2.getString();
图 8-16
11.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“元数据”选项卡的“移除”处添加要移除的字段，如图8-17。
图 8-17
12.配置映射控件
此时需要切换到转换load_dim_customer，双击“映射”控件，进入“映射”界面，单击“转换”选项卡处的【Browser】按钮，选择添加转换fetch_address，用于获取用户的地址信息，如图8-18。
图 8-18
13.配置字段选择控件
双击步骤1中的“字段选择”控件，进入“选择/改名值”界面，在“元数据”选项卡的“需要改变元数据的字段”处添加字段active，由于数据表customer中字段active的类型为tinyint，因此需要将字段active的类型改为String，与维度表dim_customer中字段customer_active的类型相对应，如图8-19。
图 8-19
14.配置值映射控件
双击“值映射”控件，进入“值映射”界面，在“使用的字段名”处的下拉框选择字段active；在“字段值”框中，添加源值和目标值，由于数据表customer中字段active的值为1和0，对应的是Y和N，这里将Y替换成Yes，将N替换成No，如图8-20。
图 8-20
15.配置维度查询/更新控件
双击“维度查询/更新”控件，进入“维度查询/更新”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，如图8-21。
图 8-21
单击目标表右侧的【浏览】按钮，选择输出的目标表，即维度表dim_customer；在“关键字”选项卡处添加关键字字段customer_id，用于指定维度表字段和流字段的比较条件,如图8-22。
图 8-22
在“字段”选项卡处添加查询/更新字段（字段选择卡如下表）；在“代理关键字段”处的下拉框中选择customer_key为代理关键字段，并指定“创建代理键”是使用自增字段；在“Version字段”处的下拉框中选择customer_version_number；在“Stream日期字段”处的下拉框中选择last_update；在“开始日期字段”处的下拉框中选择customer_valid_from；在“截止日期字段”处的下拉框中选择customer_valid_through，如图8-23。
| # | 维字段 | 比较的流字段 | 更新的维度类型 |
| 1 | customer_first_name | first_name | 插入 |
| 2 | customer_last_name | last_name | 插入 |
| 3 | customer_email | 插入 | |
| 4 | customer_active | active | 插入 |
| 5 | customer_created | create_date | 插入 |
| 6 | customer_address | address | 插入 |
最低0.47元/天 解锁文章
扫一扫
3666
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
