输入组件
kettle里面的输入,就是用来抽取数据或生成数据,是ETL操作的E。
CSV文件
一种带有固定格式的文本文件。注意:获取字段的时候可以调整自己的字段类型,格式,满足自己的需求哦。
文本文件输入,提取日志信息的数据是开发常见的操作,日志信息基本都是文本类型。
操作实例:
首先要获取到要抽取的文本文件哦。
可以选择自己的分隔符哦!
获取字段,如下所示:
微软的Excel目前有两种后缀名的文件分别为:xls和xlsx。注意:xls:2007年之前,xlsx:2007年之后。
可以选择自己的Sheet页。
获取到Excel输入的字段,可以手动调整字段类型。
多文件合并,数据往往也是以多个文件的形式出现,有的数据还会分散在多个子文件夹。所以合并数据也是开发中非常常见的操作。
XML 指可扩展标记语言(EXtensible Markup Language)
XML 被设计用来传输和存储数据。
XPath即为XML路径语言(XML Path Language
它是一种用来确定XML文档中某部分位置的语言。XPath基于XML的树状结构,提供在数据结构树中找寻节点的能力。
XPath-语法
选取节点 XPath 使用路径表达式在 XML 文档中选取节点。节点是通过沿着路径或者 step 来选取的。下面列出了最有用的路径表达式:
XPath,路径表达式,示例,如下所示:
Get data from XML组件,具体使用如下所示:
获取XML文档的所有路径,如果需要考虑命名空间,可以进行勾选,如下所示:
字段
这里获取字段,如果获取不到你想要的结果,需要自己手动编写名称,XML路径,切记,XML路径是相对于自己最终获取数据的路径,节点、结果类型、类型等等自己可以自行选择即可。
生成记录
数据仓库中绝大多数的数据都是业务系统生成的动态数据,但是其中一部分维度数据不是动态的,比如:日期维度。静态维度数据就可以提前生成。
8、JSON(JavaScript Object Notation, JS 对象简谱) 是一种轻量级的数据交换格式。JSON核心概念:数组、对象、属性。数组:[ ]、对象:{ }、属性:key:value。
JSONPath类似于XPath在xml文档中的定位,JsonPath表达式通常是用来路径检索或设置Json的。其表达式可以接受“dot–notation”(点记法)和“bracket–notation”(括号记法)格式。
1)、点记法:.store.book[0].title。推荐点记法哦。
2)、括号记法:[‘store’][‘book’][0][‘title’]。
JSONPath-操作符,如下所示:
JSON Input图元使用,如下所示:
字段,可以根据自己的需求,进行填写字段。特别注意路径的写法和规范哦。
可以多次使用JSON Input,最终查询出自己想要的字段即可。
第二个JSON Input获取第一个JSON Input的Json值。
Kettle的表输入,这里,以Mysql为例,将mysql的jar包放入到\pdi-ce-8.2.0.0-342\data-integration\lib目录下面。
数据库驱动是不同数据库开发商(比如oracle mysql等)为了某一种开发语言环境(比如java)能够实现统一的数据库调用而开发的一个程序,他的作用相当于一个翻译人员。
Kettle的表输入,使用如下所示:
输出组件
输出是转换里面的第二个分类。输出属于ETL的L,L就是Load加载。微软的Excel目前有两种后缀名的文件分别为:xls和xlsx。xls:2007年之前。xlsx:2007年之后。
Excel输出、Microsoft Excel输出的区别,Excel输出只能xls后缀名称的文件,Microsoft Excel输出可以生成xls后缀和xlsx后缀名称的文件的。
操作实例:
Excel输出,可以获取字段,如下所示:
Microsoft Excel 输出,指定输出文件的格式,可以选择xlsx、xls格式的。
获取字段,如下所示:
文本文件输出,数据操作常见的格式是:TXT和CSV。
获取字段,如下所示:
SQL文件输出可以导出数据库表的结构和数据。
Kettle的表输出,就是把数据写入到指定的表!
Kettle的更新
就是把数据库已经存在的记录与数据流里面的记录进行比对,如果不同就进行更新。注意:如果记录不存在,则会出现错误!
Kettle的插入更新
就是把数据库已经存在的记录与数据流里面的记录进行比对,如果不同就进行更新。如果记录不存在,则会插入数据!
自定义常量数据
就是生成key-value形式的常量数据。
自定义常量数据
指定字段常量的值。
删除
删除数据库表中指定条件的数据。