etl实验报告.doc

ETL实验报告: 学号:创建数据源在数据源/文件/文本文件-、.txt、、。创建工程、新建转换,并装载文本文件数据源,如下图所示:创建工程函数calIDcard:实现由15位到18位的转变calAge:由计算实际年龄calSex:由计算性别calBirth:由计算出生年月日calPID:由号计算省编号calPhone:由手机计算运营商编号calTime:把通话记录的通话时长转换成以秒为单位的数字以上函数的实现源码如下:输出错误数据错误数据包括年龄缺失、年龄错误、性别缺失、性别错误。在过滤条件中利用自定义函数过滤即可,过滤条件为:is_empty(Age)==true||Age!=calAge(IDCard)||is_empty(Sex)==true||Sex!=calSex(IDCard),如图所示:户籍信息修正在高级清洗转换中利用自定义函数把15位转换为18位,把年龄缺失、年龄错误、性别缺失、性别错误修正,如下图所示:删除重复行原数据中可能存在重复数据,利用数据转换中的删除重复行可删除重复数据,同时可以在错误输出中得到重复的数据。加载信息加载信息,然后利用高级清洗转换把信息中的15位转换成18位。连接和信息利用连接,把户籍信息和信息通过连接起来,如下:生成信息事实表把户籍信息和信息连接起来以后,通过数据清洗和转换得到省编号、出生日期、运营商编号,然后将信息装载到文本文档,即得到信息事实表,如下图所示:装载记录表装载记录信息,并通过数据清洗转换把通话时长转换成以秒为单位的数字。过滤掉通话时长小于2秒的数据,并通过聚合计算出两个人之间的平均通话时长。连接通话记录中与分别通过两次连接,把主叫手机号与主叫连接,把被叫手机号与被叫连接。生成人际关系表把连接后的数据,按照主叫手机号、通话平均时长(单位:秒)按照降序排序,即得到人际关系表,并按个人联系度从高到低次序排列个人联系人。如图:使用心得该工具支持java自定义函数,使得工具灵活而且功能强大。通过可视化设计使操作非常方便,使流程图简洁易懂。