数据仓库开发——Kettle使用示例

Kettle是一个开园ETL工具，做数据仓库用Spoon。

工具：下载Spoon，解压即可用

 

1、认识常用组件：

    表输入

    插入\更新

    数据同步

    文本文件输出

    更新

    自动文档输出

    表输出

 

    列转行

    增加常量

    增加序列

    排序记录

    行转列

    过滤记录

    数据库连接

 

    合并记录

    排序合并

    记录关联（笛卡尔输出）

    记录集连接

 

    分组

    在内存中分组

 

2、第一个例子

    生成 100 个随机数，随机数取值于[0，100）之间， 计算小于等于 50 的随机数个数和 大于50 的随机数个 数。 并把这两个统计数字放在数据库表的一行的两列中， 即输出的结果有一行，一行包括两列，每列是一个统 计值。

 

     

    1.生成随机数,0-1区间内

    2.定义常量，100

    3.计算，随机数乘以100，使得生成的数据在0~100区间内

这里后面有分支，默认是数据分发，这里要保证数据全部都流到两条支路去要选择复制分发模式，在计算器这个步骤上面右键，选择数据发送，复制发送模式

    4.条件判断有几种方法，这里用的是根据java代码过滤记录

    5.分组计算总条数，4步中结果为真进分组1，否则分组2，分组里面计算总条数

    6.关联记录

    7.输出

 

3、数据仓库

    目标：数据仓库就是把别的业务组的表查出来， 再转换， 保存到我们这边创建的新的业务表中。后续再开发接口(http、webservice、dubbo等)给别的组调用。

 

    3.1用户评价表中有各种评价得分，这里对经纪人的各种得分求平均分保存到bidb_brance中

                   

    0.建立数据库连接

        数据源1：mysql://172.16.2.187:33096/jjskfang

        数据源2：mysql://172.16.2.245:33096/bidb_branch

 

    1.表输入：

        使用数据源1，

        初始数据为：

        SELECT ID, WORKER_ID, WORKER_NAME, USER_ID, USER_NAME, GRADE, SCORE, PROFESS_SCORE,

        KNOW_SCORE, SERVICE_SCORE, TAGS, CONTENT, ORDER_ID, ORDER_TYPE, `STATUS`, MODIFY_TIME,

        CREATE_TIME FROM jjskfang.CUSTOMER_COMMENT

        WHERE `STATUS` = 1

 

    2.字段选择：

        选择必要的字段，这里也可以省略这一步

        选择：WORKER_ID, WORKER_NAME,SCORE, PROFESS_SCORE, KNOW_SCORE,SERVICE_SCORE

 

    3.排序：选择排序字段为WORKER_ID，分组前必须对分组字段进行排序，类似禹sql里面的group by

 

    4.分组：根据WORKER_ID分组，同时使用聚合函数（这里就完全类似sql里面的分组和聚合函数了），如下图：

                                        

 

    5.计算器：用计算器计算出各个指标的平均数，如图：

   

 

    6.插入|更新：这一步将数据保存到目标数据库中，准备工作为先在数据源2中创建需要的表：

        建表如图：

                         

        插入|更新如图：选择数据源2，表为刚刚创建的表

                                            

        这一步根据workerId查询判断执行更新或者插入操作，到这里这个简单的转换工作就完成了，可以去数据库里面查询一下，看到数据都出来了是不是满满的成就感呢

 

                           

 

    感悟：做到这里让我想到一个问题，以前做车辆管理系统高危用户五级风险预警，当时是用java算出来的，真是让人头大。先去查询用户驾驶行为，再查询用户行为报警等各种数据，然后拼命的循坏各种判断，得到分析后的数据再保存到另外一个表中，来来回回写了一堆代码，最后发现执行的时候，定时器一启动服务启内存就完全不够用了，因为我开始是一次性把所有数据查出来再分析的。然后又去想怎么改程序，最终终于拼凑出来了。

现在用kettle去做貌似就简单多了，现在感受到的是开发起来方便，干净利落。不知道放到定时器运行的时候性能效率怎么样？后续持续研究。

 

    4、java调用Kettle示例

        从网上复制的代码， 后续自己写示例验证

public class KettleTest {

    public static void main(String[] args) {

        String filename = "/wang/work/study/Kettle/sample/excel_trans.ktr";

        try {

            KettleEnvironment.init();

            EnvUtil.environmentInit();       

            TransMeta transMeta = new TransMeta(filename);

            Trans trans = new Trans(transMeta);

            trans.execute(null); // You can pass arguments instead of null.

            trans.waitUntilFinished();

            if ( trans.getErrors() > 0 ){

                throw new RuntimeException( "There were errors during transformation execution." );

            }

        }

        catch (KettleException e ) {

            // TODO Put your exception-handling code here.

            System.out.println(filename);

            System.out.println(e);

        }

    }

}

 

    5、java开发定时器执行ktr脚本

        这个步骤省略。

 

总结：工具的使用并不难，关键在于理解业务，还有写sql的能力！

 

仅供参考，不足之处还请见谅，欢迎指正！转载请标明出处。如有疑问，欢迎评论或者联系我邮箱1034570286@qq.com