kettle学习笔记（十）——数据检验、统计、分区与JS脚本

一、概述

　　数据剖析和数据检验：

　　　　用于数据的检查、清洗 。
　　统计步骤：

　　　　提供数据采样和统计的功能
　　分区：　　　　

　　　　根据数据里某个字段的值，拆分成多个数据块。输出到不同的库表和文件中。

　　脚本：

　　　　Javascript 基础

二、数据剖析和数据检验

　　1.数据剖析

　　　　分析原始数据的数据类型、长度、值域等，属于ETL的第一步

　　　　kettle中使用DataCleaner进行数据剖析

　　首先需要在工具-marketPlace中安装改插件并重启：https://wiki.pentaho.com/pages/viewpage.action?pageId=23533803

　　2.数据校验

　　　　示例可以查看samples，可以配置例如错误代码，字典表校验等：

　　　　

　　　　一个简单的检验如下：

　　　　

 　　　　也可以后面接SWITCH CASE，通过错误代码等进行后续处理

三、统计

　　

　　// 实例见samples

四、分区

　　把数据按照一定的规则，划分为多个数据块，称为分区。

　　分区的方式：

　　　　1.镜像分区：相当于分区拷贝

　　　　2.取模分区：通过取模进行分区

　　通过内置变量parition.ID可以写分区数据到多个分区，如果是数据库，需要数据库集群（转换中需要新建分区模式）

五、JS脚本

　　基础JS参见菜鸟教程

　　1.在脚本中使用Java类：

不兼容模式：var myVar = new java.lang.String(“pentahochina.com”);
兼容模式：var myVar = new Packages.java.lang.String (“pentahochina.com”);

　　此时myVar是一个Java的string对象，可以调用Java中的string方法

　　// 兼容模式为兼容老的kettle，建议不兼容模式的新语法！

　　2.获取字段：

不兼容模式：myVar = FieldName;
兼容模式：根据字段类型的不同，使用不同的方法：
myVar = FieldName.getString();
myVar = FieldName.getNumber();

　　3.给字段赋值：

不兼容模式：直接使用字段名，如 FieldName = myVar;
兼容模式：使用 FieldName.setValue(myVar);

　　JS代码中有很多内置函数，可以在编写JS代码时左侧查看

　　支持Alert()的简单调试