第六章 数据转换

一、实 现 对 文 本 文 件personnel_data.txt中 的 数 据 进 行 数 据 粒 度 的 转 换 ，即 将 文 本 文 件personnel_data.txt中字段为household_register的数据统一成省份（直辖市），并输出到文本文件personnel_data_new.txt中。

1.打开Kettle工具，新建转换

        使用Kettle工具，创建一个转换generalization，并添加   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，如图所示；

2.配置文本文件输入控件 

        双击“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。如图所示；

        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。“内容”选项卡的配置具体效果如图所示；

         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。“字段”选项卡的配置，如图所示。

 

3.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“选择和修改”选项卡处添加字段名称，如图所示。

         单击【确定】按钮，完成“字段选择”控件的配置。

4.配置排序记录控件

        双击“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，具体如图所示。

         单击【确定】按钮，完成“排序记录”控件的配置。

5.配置表输入控件

        双击“表输入”控件，进入“表输入”界面，如图所示。

 

        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，如图所示。

         在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，具体如图所示。      

         单击【确定】按钮，完成“表输入”控件的配置。

6.配置排序记录2控件

        双击“排序记录 2”控件，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，具体如图所示。

         单击【确定】按钮，完成“排序记录2”控件的配置。

7.配置记录集连接控件

        双击“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，具体如图所示。

        单击【确定】按钮，完成记录集连接控件的配置。

8.配置字段选择2控件

        双击“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，具体如图所示。

         单击【确定】按钮，完成“字段选择2”控件的配置。

9.配置排序记录3控件

        双击“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，具体如图所示。

         单击【确定】按钮，完成排序记录3控件的配置。

10.配置表输入2控件

        双击“表输入2”控件，进入“表输入2”界面，如图所示。

         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，具体如图所示。

         在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，具体如图所示。

         单击【确定】按钮，完成“表输入2”控件的配置。

11.配置排序记录4控件

        双击“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，具体如图所示。

         单击【确定】按钮，完成“排序记录4”控件的配置。

12.配置记录集连接2控件

        双击“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，具体如图所示。

        单击【确定】按钮，完成“记录集连接2”控件的配置。

13.配置字段选择3控件

        双击“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，具体如图所示。

 

        单击【确定】按钮，完成“字段选择3”控件的配置。

14.配置表输出控件

        双击“表输出”控件，进入“表输出”配置界面，如图所示。

         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，具体如图所示。

         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，具体如图所示。

         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，具体如图所示。

 

         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下图所示，单击【确定】按钮，完成“表输出”控件的配置。

 

 15.再次新建转换

        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，具体效果如图所示；

 16.配置表输入控件

         双击“表输入”控件，进入“表输入”界面，如图所示

         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，具体如图所示。

         在SQL框中编写SQL语句，用于查询数据表personnel中的数据，具体如图所示。

                单击【确定】按钮，完成“表输入”控件的配置。 

17.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“选择和修改”选项卡处添加字段名称，具体如图所示。

         单击【确定】按钮，完成“字段选择”控件的配置。

18.配置排序记录控件

        双击“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，具体如图所示。

 

        单击【确定】按钮，完成“排序记录”控件的配置。

19.配置文本文件输入控件

        双击“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，如图所示。

         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。“内容”选项卡的配置具体效果如图所示。       

         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。“字段”选项卡的配置，如图所示。

         单击【确定】按钮，完成“文本文件输入”控件的配置。

20.配置字段选择2控件

        双击“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，具体如图所示。

 

        单击【确定】按钮，完成“字段选择”控件的配置。

21.配置排序记录2控件

        双击“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，具体如图所示。

         单击【确定】按钮，完成“排序记录2”控件的配置。

22.配置记录集连接控件

        双击“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，具体如图所示。

         单击【确定】按钮，完成“记录集连接”控件的配置。

23.配置字段选择3控件

        双击“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，具体如图所示；

         单击【确定】按钮，完成“字段选择3”控件的配置。

24.配置文本文件输出控件

        双击“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，如图所示；

         单击“字段”选项卡，进入“字段”界面，添加要输出的字段，如图所示。

        单击【确定】按钮，完成“文本文件输出”控件的配置。

25.新建作业

        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，如图所示。

26.配置转换控件

        双击“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generalization，具体如图所示。

         单击【确定】按钮，完成“转换”控件的配置。

27.配置转换2控件

        双击“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，具体如图所示。

         单击【确定】按钮，完成“转换2”控件的配置。

28.运行作业generalization

        单击作业工作区顶部的按钮，运行作业generalization，实现将文本文件personnel_data.txt中字段为household_register的数据统一成省份（直辖市），并输出到文本文件personnel_data_new.txt中。运行作业generalization的效果如图所示。

 29.查看文本文件personnel_data_new.txt中的数据

        通过文本编辑器工具，查看文本文件personnel_data_new.txt中的数据，查看结果如图所示。

         从上图可以看出，文本文件personnel_data_new.txt中字段为household_register的数据均统一成省份（直辖市）。

二、对文本文件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。

1.打开Kettle工具，新建转换

        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，具体效果如图所示。

2.配置文本文件输入控件

        双击“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。

         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。“内容”选项卡的配置具体效果如图所示。

        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，如图所示。 

        单击【确定】按钮，完成“文本文件输入”控件的配置。

3.配置增加常量控件

        双击“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，如图所示。

 

         单击【确定】按钮，完成“增加常量”控件的配置。

4.配置计算器控件

        双击“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，如图所示。

         单击【确定】按钮，完成“计算器”控件的配置。

5.配置文本文件输出控件

        双击“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，如图所示；

          单击“字段”选项卡，进入“字段”界面，添加要输出的字段，如图所示。

         单击【确定】按钮，完成“文本文件输出”控件的配置。

6.运行转换monthly_salary

        单击转换工作区顶部的按钮，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。

 7.查看文本文件personnel_data_monthly_salary.txt中的数据

        通过文本编辑器工具，查看文本文件personnel_data_monthly_salary.txt中的数据，查看结果如图所示。

        从上图可以看出，文本文件personnel_data_monthly_salary.txt中字段为monthly_salary存储着月薪。