kettle mongodb input fields 自定义 字段

Kettle转换控件

转换属于ETL的T，T就是Transform清洗、转换。

ETL三个部分中，T花费时间最长,是“一般情况下这部分工作量是整个ETL的2/3。

1. Concat fields (连接字段)

Concat fields就是多个字段连接起来形成一个新的字段。

1. 值映射

值映射就是把字段的一个值映射成其他的值。

在数据质量规范上使用非常多，比如很多系统对应性别gender字段的定义不同。

系统1：1 男、2女

系统2：f 男、m 女

数据仓库统一为：female 男、male女

1. 增加常量

增加常量就是在本身的数据流里面添加一列数据，该列的数据都是相同的值。

1. 增加序列

增加序列是给数据流添加一个序列字段。

1. 字段选择

字段选择是从数据流中选择字段、改变名称、修改数据类型。

1. 计算器

计算器是一个函数集合来创建新的字段，还可以设置字段是否移除（临时字段）。

1. 字符串-剪切-操作-替换

剪切字符串是指定输入流字段裁剪的位置剪切出新的字段。

字符串替换是指定搜索内容和替换内容，如果输入流的字段匹配上搜索内容就进行替换生成新字段。

字符串操作是去除字符串两端的空格和大小写切换，并生成新的字段

1. 去除重复记录+排序记录

去除重复记录是去除数据流里面相同的数据行。

注意：必须先对数据流进行排序！

排序记录是按照指定的字段的升序或降序对数据流排序

1. 唯一行（哈希值）

唯一行（哈希值）就是删除数据流重复的行。

注意：唯一行（哈希值）和（排序记录+去除重复记录）效果一样的，但是实现的原理不同！

唯一行（哈希值）执行的效率会高一些！

1. 拆分字段

拆分字段是把字段按照分隔符拆分成两个或多个字段。

注意：拆分字段后，原字段就不存在于数据流中

1. 列拆分为多行

1. 列转行

列转行就是如果数据一列有相同的值，按照指定的字段，把多行数据转换为一行数据。

去除一些原来的列名，把一列数据变为字段。

注意：列转行之前数据流必须进行排序！

1. 行转列

行转列就是把数据字段的字段名转换为一列，把数据行变为数据列。

1. 行扁平化

行扁平化就是把同一组的多行数据合并成为一行。

注意：

只有数据流的同类数据数据行记录一致的情况才可使用！

数据流必须进行排序，否则结果会不正确！