最近参与了一个信托行业的BI项目,由于信托业务系统设计的问题,很多都是用户手工录入的数据,也有一些是需要分析的但是用户没有录入的数据,针对这样的数据质量,我们就要在ETL抽取的过程中来对数据流进行校验,今天我们就说一下如何利用ETL开源工具kettle来完成对数据的基础性校验

1:非空校验

if(INTRUST_FLAG1==null){intrust_flag1_isnull=;}

2:唯一校验

var uniquesql_item_id = "SELECT count(*)  FROM titem where item_id="+ITEM_ID;

if(fireToDB(strConn,uniquesql_item_id)[[]==1){item_id_isunique=;}

3:标准化校验

var normalsql_intrust_type= "select  count(*) from  trust_tdictparam where type_id=1104 and type_value="+INTRUST_TYPE;
if(fireToDB(strConn, normalsql_intrust_type)[0][0]>0){intrust_type_isnormal=1;}

完整的JS处理逻辑展示如下

var check_status=0;//如果检测到有任何一种校验错误,则check_status=1
var check_table="T_ITEM_TITEM";//校验有关的表名字,可能存在多个
var source_table="titem";//数据源表名称,如果数据来自多个数据表,则需要声明多个
var source_table_id="item_id";//数据源表主键,如果多个表联合主键,则需要声明多个主键
var check_detail="";//校验到的错误详细情况
var check_name="";//主键名称
var check_type="";//校验到的错误类型
var check_date=new Date();//校验时间
var strConn = "bjitic_og"; //////////////////////////////////定义所有校验枚举值////////////////////
//1:唯一性枚举值
var item_id_isunique=0;
var item_code_isunique=0;
var item_name_isunique=0;
//2:非空枚举值
var intrust_flag1_isnull=0;
var intrust_type_isnull=0;
var intrust_type_subitem_isnull=0;
var intrust_type1_isnull=0;
var intrust_type2_isnull=0;
var item_num_isnull=0;
var item_money_isnull=0;
var exp_rate1_isnull=0;
var exp_rate2_isnull=0;
var intrust_flag3_isnull=0;
var intrust_flag4_isnull=0;
var entity_type_isnull=0;
var deal_type_isnull=0;
var managertype_isnull=0;
var natrust_type_isnull=0;
var custodian_bank_isnull=0;
var with_bank_flag_isnull=0;
var with_security_flag_isnull=0;
var with_private_flag_isnull=0;
var with_gov_flag_isnull=0;
var ben_period_isnull=0; //3:标准化枚举值
var intrust_type_isnormal=0;
var intrust_type_subitem_isnormal=0;
var intrust_type1_isnormal=0;
var intrust_type2_isnormal=0;
var entity_type_isnormal=0;
var deal_type_isnormal=0;
var natrust_type_isnormal=0;
var custodian_bank_isnormal=0;
var innovat_type_isnormal=0;
var bank_id_isnormal=0;
var gov_regional_isnormal=0;
//4:类型校验枚举值
var ben_period_isnumber=0;
////////////////////////////////唯一性校验枚举值赋值
var uniquesql_item_id = "SELECT count(1) FROM titem where item_id="+ITEM_ID;
var uniquesql_item_code = "SELECT count(1) FROM titem where item_code="+ITEM_CODE;
var uniquesql_item_name = "SELECT count(1) FROM titem where item_name="+"'"+ITEM_NAME+"'";
if(fireToDB(strConn,uniquesql_item_id)[0][0]==1){item_id_isunique=1;}
if(fireToDB(strConn,uniquesql_item_code)[0][0]==1){item_code_isunique=1;}
if(fireToDB(strConn,uniquesql_item_name)[0][0]==1){item_name_isunique=1;}
////////////////////////////////非空校验枚举值赋值
if(INTRUST_FLAG1==null){intrust_flag1_isnull=1;}
if(INTRUST_TYPE==null){intrust_type_isnull=1;}
if(INTRUST_TYPE_SUBITEM==null){intrust_type_subitem_isnull=1;}
if(INTRUST_TYPE1==null){intrust_type1_isnull=1;}
if(INTRUST_TYPE2==null){intrust_type2_isnull=1;}
if(ITEM_NUM==null){item_num_isnull=1;}
if(ITEM_MONEY==null){item_money_isnull=1;}
if(EXP_RATE1==null){exp_rate1_isnull=1;}
if(EXP_RATE2==null){exp_rate2_isnull=1;}
if(INTRUST_FLAG3==null){intrust_flag3_isnull=1;}
if(INTRUST_FLAG4==null){intrust_flag4_isnull=1;}
if(ENTITY_TYPE==null){entity_type_isnull=1;}
if(DEAL_TYPE==null){deal_type_isnull=1;}
if(MANAGERTYPE==null){managertype_isnull=1;}
if(NATRUST_TYPE==null){natrust_type_isnull=1;}
if(CUSTODIAN_BANK==null){custodian_bank_isnull=1;}
if(WITH_BANK_FLAG==null){with_bank_flag_isnull=1;}
if(WITH_SECURITY_FLAG==null){with_security_flag_isnull=1;}
if(WITH_PRIVATE_FLAG==null){with_private_flag_isnull=1;}
if(WITH_GOV_FLAG==null){with_gov_flag_isnull=1;}
if(BEN_PERIOD==null){ben_period_isnull=1;}
////////////////////////////////标准化校验枚举值赋值
var normalsql_intrust_type= "select count(1) from trust_tdictparam where type_id=1104 and type_value="+INTRUST_TYPE;
var normalsql_intrust_type_subitem= "select count(1) from trust_tdictparam where type_id=1151 and type_value="+INTRUST_TYPE_SUBITEM;
var normalsql_intrust_type1= "select count(1) from trust_tdictparam where type_id=1138 and type_value="+INTRUST_TYPE1;
var normalsql_intrust_type2= "select count(1) from trust_tdictparam where type_id=1139 and type_value="+INTRUST_TYPE2;
var normalsql_entity_type= "select count(1) from trust_tdictparam where type_id=1140 and type_value="+ENTITY_TYPE;
var normalsql_deal_type= "select count(1) from trust_tdictparam where type_id=1141 and type_value="+DEAL_TYPE;
var normalsql_natrust_type= "select count(1) from trust_tdictparam where type_id=1143 and type_value="+NATRUST_TYPE;
var normalsql_custodian_bank= "select count(1) from trust_tdictparam where type_id=1103 and type_value="+"'"+CUSTODIAN_BANK+"'";;
var normalsql_innovat_type= "select count(1) from trust_tdictparam where type_id=1104 and type_value="+INNOVAT_TYPE;
var normalsql_gov_regional= "select count(1) from trust_tdictparam where type_id=9999 and type_value="+GOV_PROV_REGIONAL;
if(fireToDB(strConn, normalsql_intrust_type)[0][0]>0){intrust_type_isnormal=1;}
if(fireToDB(strConn, normalsql_intrust_type_subitem)[0][0]>0){intrust_type_subitem_isnormal=1;}
if(fireToDB(strConn, normalsql_intrust_type1)[0][0]>0){intrust_type1_isnormal=1;}
if(fireToDB(strConn, normalsql_intrust_type2)[0][0]>0){intrust_type2_isnormal=1;}
if(fireToDB(strConn, normalsql_entity_type)[0][0]>0){entity_type_isnormal=1;}
if(fireToDB(strConn, normalsql_deal_type)[0][0]>0){deal_type_isnormal=1;}
if(fireToDB(strConn, normalsql_natrust_type)[0][0]>0){natrust_type_isnormal=1;}
if(fireToDB(strConn, normalsql_custodian_bank)[0][0]>0){custodian_bank_isnormal=1;}
if(fireToDB(strConn, normalsql_innovat_type)[0][0]>0){innovat_type_isnormal=1;}
if(fireToDB(strConn, normalsql_gov_regional)[0][0]>0){gov_regional_isnormal=1;}
////////////////////////////////数据类型校验枚举值赋值
if(isNum(BEN_PERIOD))
{
ben_period_isnumber=1;
}
//校验所有表需要校验的字段,如果有一个校验失败,则校验状态为1
if
(
item_id_isunique==0 || item_code_isunique==0 ||item_name_isunique==0|| //is unique
intrust_flag1_isnull==1 || intrust_type_isnull==1 || intrust_type_subitem_isnull==1 ||//is null
intrust_type1_isnull==1 || intrust_type2_isnull==1 || item_num_isnull==1 ||
item_money_isnull==1 || exp_rate1_isnull==1 || exp_rate2_isnull==1 ||
intrust_flag3_isnull==1 || intrust_flag4_isnull==1 || entity_type_isnull==1 ||
deal_type_isnull==1 || managertype_isnull==1 || natrust_type_isnull==1 ||
custodian_bank_isnull==1 || with_bank_flag_isnull==1 || with_security_flag_isnull==1 ||
with_private_flag_isnull==1 || with_gov_flag_isnull==1 || ben_period_isnull==1 ||
intrust_type_isnormal==0 || intrust_type_subitem_isnormal==0 || intrust_type1_isnormal==0 ||//is normal
intrust_type2_isnormal==0 || entity_type_isnormal==0 || deal_type_isnormal==0 ||
natrust_type_isnormal==0 || custodian_bank_isnormal==0 || innovat_type_isnormal==0 ||
bank_id_isnormal==0 || gov_regional_isnormal==0 ||
ben_period_isnumber==0//is number
)
{
check_status=1;
}
//check is unique? return not unique column
var isunique_column="";
if(item_id_isunique==0){isunique_column="item_id";}
if(item_code_isunique==0){if(isunique_column==""){isunique_column="item_code";}else{isunique_column=isunique_column+"、"+"item_code";}}
if(item_name_isunique==0){if(isunique_column==""){isunique_column="item_name";}else{isunique_column=isunique_column+"、"+"item_name";}}
//check is null? return null column
var isnull_column="";
if(intrust_flag1_isnull==1){isnull_column="intrust_flag1";}
if(intrust_type_isnull==1){if(isnull_column==""){isnull_column="intrust_type";}else{isnull_column=isnull_column+"、"+"intrust_type";}}
if(intrust_type_subitem_isnull==1){if(isnull_column==""){isnull_column="intrust_type_subitem";}else{isnull_column=isnull_column+"、"+"intrust_type_subitem";}}
if(intrust_type1_isnull==1){if(isnull_column==""){isnull_column="intrust_type1";}else{isnull_column=isnull_column+"、"+"intrust_type1";}}
if(intrust_type2_isnull==1){if(isnull_column==""){isnull_column="intrust_type2";}else{isnull_column=isnull_column+"、"+"intrust_type2";}}
if(item_num_isnull==1){if(isnull_column==""){isnull_column="item_num";}else{isnull_column=isnull_column+"、"+"item_num";}}
if(item_money_isnull==1){if(isnull_column==""){isnull_column="item_money";}else{isnull_column=isnull_column+"、"+"item_money";}}
if(exp_rate1_isnull==1){if(isnull_column==""){isnull_column="exp_rate1";}else{isnull_column=isnull_column+"、"+"exp_rate1";}}
if(exp_rate2_isnull==1){if(isnull_column==""){isnull_column="exp_rate2";}else{isnull_column=isnull_column+"、"+"exp_rate2";}}
if(intrust_flag3_isnull==1){if(isnull_column==""){isnull_column="intrust_flag3";}else{isnull_column=isnull_column+"、"+"intrust_flag3";}}
if(intrust_flag4_isnull==1){if(isnull_column==""){isnull_column="intrust_flag4";}else{isnull_column=isnull_column+"、"+"intrust_flag4";}}
if(entity_type_isnull==1){if(isnull_column==""){isnull_column="entity_type";}else{isnull_column=isnull_column+"、"+"entity_type";}}
if(deal_type_isnull==1){if(isnull_column==""){isnull_column="deal_type";}else{isnull_column=isnull_column+"、"+"deal_type";}}
if(managertype_isnull==1){if(isnull_column==""){isnull_column="managertype";}else{isnull_column=isnull_column+"、"+"managertype";}}
if(natrust_type_isnull==1){if(isnull_column==""){isnull_column="natrust_type";}else{isnull_column=isnull_column+"、"+"natrust_type";}}
if(custodian_bank_isnull==1){if(isnull_column==""){isnull_column="custodian_bank";}else{isnull_column=isnull_column+"、"+"custodian_bank";}}
if(with_bank_flag_isnull==1){if(isnull_column==""){isnull_column="with_bank_flag";}else{isnull_column=isnull_column+"、"+"with_bank_flag";}}
if(with_security_flag_isnull==1){if(isnull_column==""){isnull_column="with_security_flag";}else{isnull_column=isnull_column+"、"+"with_security_flag";}}
if(with_private_flag_isnull==1){if(isnull_column==""){isnull_column="with_private_flag";}else{isnull_column=isnull_column+"、"+"with_private_flag";}}
if(with_gov_flag_isnull==1){if(isnull_column==""){isnull_column="with_gov_flag";}else{isnull_column=isnull_column+"、"+"with_gov_flag";}}
if(ben_period_isnull==1){if(isnull_column==""){isnull_column="ben_period";}else{isnull_column=isnull_column+"、"+"ben_period";}}
//check is normal? return not normal column
var isnormal_column="";
if(intrust_type_isnormal==0){isnormal_column="intrust_type";}
if(intrust_type_subitem_isnormal==0){if(isnormal_column==""){isnormal_column="intrust_type_subitem";}else{isnormal_column=isnormal_column+"、"+"intrust_type_subitem";}}
if(intrust_type1_isnormal==0){if(isnormal_column==""){isnormal_column="intrust_type1";}else{isnormal_column=isnormal_column+"、"+"intrust_type1";}}
if(intrust_type2_isnormal==0){if(isnormal_column==""){isnormal_column="intrust_type2";}else{isnormal_column=isnormal_column+"、"+"intrust_type2";}}
if(entity_type_isnormal==0){if(isnormal_column==""){isnormal_column="entity_type";}else{isnormal_column=isnormal_column+"、"+"entity_type";}}
if(deal_type_isnormal==0){if(isnormal_column==""){isnormal_column="deal_type";}else{isnormal_column=isnormal_column+"、"+"deal_type";}}
if(natrust_type_isnormal==0){if(isnormal_column==""){isnormal_column="natrust_type";}else{isnormal_column=isnormal_column+"、"+"natrust_type";}}
if(custodian_bank_isnormal==0){if(isnormal_column==""){isnormal_column="custodian_bank";}else{isnormal_column=isnormal_column+"、"+"custodian_bank";}}
if(innovat_type_isnormal==0){if(isnormal_column==""){isnormal_column="iinnovat_type";}else{isnormal_column=isnormal_column+"、"+"innovat_type";}}
if(bank_id_isnormal==0){if(isnormal_column==""){isnormal_column="bank_id";}else{isnormal_column=isnormal_column+"、"+"bank_id";}}
if(gov_regional_isnormal==0){if(isnormal_column==""){isnormal_column="gov_regional";}else{isnormal_column=isnormal_column+"、"+"gov_regional";}}
//check is number? return not number column
var isnumber_column="";
if(ben_period_isnumber==0)
{
isnumber_column="ben_period";
}
//最终输出的错误详细情况
if(item_id_isunique==0 || item_code_isunique==0 ||item_name_isunique==0)
{
check_type="违反唯一规则";
check_detail="表"+source_table+"中,字段"+isunique_column+"违反了唯一规则";
}
if
(
intrust_flag1_isnull==1 || intrust_type_isnull==1 || intrust_type_subitem_isnull==1 ||
intrust_type1_isnull==1 || intrust_type2_isnull==1 || item_num_isnull==1 ||
item_money_isnull==1 || exp_rate1_isnull==1 || exp_rate2_isnull==1||
intrust_flag3_isnull==1 || intrust_flag4_isnull==1 || entity_type_isnull==1 ||
deal_type_isnull==1 || managertype_isnull==1 || natrust_type_isnull==1 ||
custodian_bank_isnull==1 || with_bank_flag_isnull==1 || with_security_flag_isnull==1 ||
with_private_flag_isnull==1 || with_gov_flag_isnull==1 || ben_period_isnull==1
)
{
if(check_detail=="")
{
check_type="违反非空规则";
check_detail="字段"+isnull_column+"违反了非空规则"; }
else
{
check_type=check_type+","+"违反非空规则";
check_detail=check_detail+",字段"+isnull_column+"违反了非空规则";
}
}
if
(
intrust_type_isnormal==0 || intrust_type_subitem_isnormal==0 || intrust_type1_isnormal==0 ||
intrust_type2_isnormal==0 || entity_type_isnormal==0 || deal_type_isnormal==0 ||
natrust_type_isnormal==0 || custodian_bank_isnormal==0 || innovat_type_isnormal==0 ||
bank_id_isnormal==0 || gov_regional_isnormal==0
)
{
if(check_detail=="")
{
check_type="违反标准化规则";
check_detail="字段"+isnormal_column+"违反了标准化规则";
}
else
{
check_type=check_type+","+"违反标准化规则";
check_detail=check_detail+",字段"+isnormal_column+"违反了标准化规则";
}
} if(ben_period_isnumber==0)
{
if(check_detail=="")
{
check_type="违反数据类型为数字规则";
check_detail="字段"+isnumber_column+"违反了数据类型为数字规则";
}
else
{
check_type=check_type+","+"违反数据类型为数字规则";
check_detail=check_detail+",字段"+isnumber_column+"违反了数据类型为数字规则";
}
}
if(check_detail!="")
{
check_detail=check_detail+","+source_table_id+"="+ITEM_ID;
}
check_name=ITEM_NAME;

校验日志表结果:

输出关键性指标-表,那些字段违反了那些规则,时间

利用kettle中的JS来完成ETL数据校验的更多相关文章

  1. 巧妙利用selenium中的JS操作来处理特殊的文本框

    在使用selenium对页面进行相关操作时,有时候会遇到以下三种情况: 1.日期框:无法直接输入文本,必须要选择某一天的日期并点击才会填入文本框: 2.检索框:可以直接输入文本,但必须要点击根据输入的 ...

  2. 利用Kettle进行SQLServer与Oracle之间的数据迁移实践

    Kettle简介 Kettle(网地址为http://kettle.pentaho.org/)是一款国外开源的ETL工具,纯java编写,可以在Windows.Linux.Unix上运行,数据抽取高效 ...

  3. 在java中像js那样处理json数据

    工作中经常需要通过ajax向前台返回json数据,都是通过拼字符串拼出来的,很发麻烦不说,还容易出错. 于是想,能不能像js那样操作json呢?或者说更方便的操作呢? Google的gson就是这样的 ...

  4. Kettle中ETL的效率优化

    ETL效率优化 开启数据库日志记录及性能监控 如果我们想要优化一个ETL(KTR或者KJB)的性能,我们首先需要知道的就是它的瓶颈在哪里.而这些信息一般只能在ETL运行的步骤度量中看到,并且是不会持久 ...

  5. 关于NLPIR应用在KETTLE中的探索

    一:什么是NLPIR? NLPIR汉语分词系统(自然语言处理与信息检索共享平台),主要功能包括中文分词:词性标注:命名实体识别:用户词典功能:支持GBK编码.UTF8编码.BIG5编码.新增微博分词. ...

  6. Kettle中根据一个输入行派生出多个输出行

    依然在北京,早上停电了,整个人感觉对不好了,接下来就说一下在使用ETL工具kettle做数据校验的时候遇到的一些问题,一级解决方案. 1:数据校验效果图下图: 原始表数据(需要校验的表数据) 对上表数 ...

  7. 利用OpenShift托管Node.js Web服务进行微信公众号开发

    最近写了一个微信的翻译机器人.用户只要关注该公众号,发送英文的消息,就能收到中文翻译的回复.有兴趣的读者可以扫描下面的二维码关注该公众号,尝试发送英文单词试试看.(有时候第一次发送单词会收到“该公众号 ...

  8. html中使用js+table 实现分页

    本文在html中利用js+table实现分页.主要思想是先对table中的所有数据隐藏,然后通过当前页面(currPageNum)来计算当前页要显示的行,并显示出来,首页.下一页.上一页.尾页都依此来 ...

  9. MVC中的JS和CSS压缩

    小说一下Js和CSS压缩的好处: 1.减小了文件的体积 2.减小了网络传输量和带宽占用 3.减小了服务器的处理的压力 4.提高了页面的渲染显示的速度  很多建议将站点的静态文件(如图片.js.css ...

随机推荐

  1. Contains,Exists,Any,Count 比较是否存在某个元素

    private static void Main(string[] args) { ; Console.WriteLine("判断是否存在某个元素 :"); Console.Wri ...

  2. 又见Python<1>:使用Anaconda搭建Python开发环境(Windows7)

    1.为什么选择Anaconda? Anaconda解决了Python使用痛点. Python好用但是令人头疼的就是库管理与Python不同版本的问题,特别是Windows环境下. 2.什么是Anaco ...

  3. BZOJ 1030 [JSOI2007]文本生成器(AC自动机)

    [题目链接] http://www.lydsy.com/JudgeOnline/problem.php?id=1030 [题目大意] 求出包含任意一个给定串的串数量 [题解] 我们求出不包含任意一个给 ...

  4. The 2016 ACMICPC Asia Beijing Regional Contest

    A. Harmonic Matrix Counter (3/19) B. Binary Tree (1/14) C. Asa's Chess Problem (21/65) [ Problem ] 给 ...

  5. poj 1988 并查集(终于看懂一个了/(ㄒoㄒ)/~~)

    题意:有几个stack,初始里面有一个cube.支持两种操作:1.move x y: 将x所在的stack移动到y所在stack的顶部.2.count x:数在x所在stack中,在x之下的cube的 ...

  6. ZOJ 1015 弦图判定

    一些定义: 弦图是一种特殊图:它的所有极小环都只有3个顶点. 单纯点:该顶点与其邻接点在原图中的导出子图是一个完全图. 图G的完美消去序列:一个顶点序列a1a2a3...an,使得对于每个元素ai,a ...

  7. CDOJ 842 天下归晋 树状数组

    天下归晋 Time Limit: 1 Sec  Memory Limit: 256 MB 题目连接 http://acm.uestc.edu.cn/#/problem/show/842 Descrip ...

  8. Codeforces Round #300 D. Weird Chess 水题

    D. Weird Chess Time Limit: 1 Sec  Memory Limit: 256 MB 题目连接 http://codeforces.com/contest/538/proble ...

  9. 【转】2012年7月12 – 腾讯公司 WEB高级应用开发工程师 最新面试题

    腾讯面试(WEB高级应用开发工程师<PHP>)非答案啊!!! 开始正题之前,容博主啰嗦两句吧,呵呵.(你也可跳过直接到红色字体看题!) 腾讯一直是我很敬重的企业,尽管小企鹅在战略上饱受争议 ...

  10. JavaScript中的call和apply应用

    ECMAScript3给Function的原型定义了两个方法,他们是Function.prototype.call 和 Function.prototype.apply. 在实际开发中,特别是在一些函 ...