• 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
  • 相关阅读:
    洛谷P1170 兔八哥与猎人 欧拉函数的应用
    洛谷P1056 排座椅
    洛谷P1177 【模板】快速排序
    洛谷1059 明明的随机数
    洛谷P1372 又是毕业季I
    洛谷P1042 乒乓球
    洛谷P1086 花生采摘
    洛谷P1031 均分纸牌
    洛谷P1068 分数线划定
    洛谷P1781 宇宙总统
  • 原文地址:https://www.cnblogs.com/itechpark/p/yinzei_kettle_demo.html
Copyright © 2020-2023  润新知