如何解决在 Kettle 中连接来自不同来源的数据
我的数据库有以下表格:
USER
userid INT
username STRING
USER_SESSION_HISTORY
userid INT (foreign key to USER)
login_date DATETIME
然后我有一个带有这个标题的 CSV:
username;login_date
我需要将 CSV 数据插入到 USER_SESSION_HISTORY 表中。如您所见,我需要连接两个数据源(USER 表和 CSV 文件)才能获取用户 ID。
我是 Kettle 的新手,直到现在才开始学习非常简单的转换。
解决方法
您需要读取 CSV 和 USER 表,在这两个步骤之后,您需要为每个步骤添加一个 Sort 步骤(在 Sort 步骤中检查区分大小写/不敏感的可能性),然后使用合并连接在合并两个数据流的步骤中,将其设置为 LEFT OUTER JOIN,左侧是 CSV 数据(来自排序步骤),右侧是 USER 数据(来自排序步骤),因此对于每个用户名在 CSV 中,您可以查看 USER 表中是否已存在用户名。
在 MERGE JOIN 之后,您放置了一个 Filter 步骤,查看 userid 数据是否为 NULL,如果为 NULL,则表示 CSV 中的用户名不存在,因此您需要先将其插入用户表。
如果您有用户 ID(在上一步中过滤条件为 false),您可以简单地将数据插入到 USER_SESSION_HISTORY 中,并使用您从 MERGE JOIN 中检索到的用户 ID。
对于过滤器中的真实条件(用户数据中没有以前的数据),这将取决于您如何生成用户 ID。如果您有一个与用户 ID 关联的序列,并且该列会自动填充该列对应的下一个值,您可以在 USER 表中插入用户名,数据库会负责填写用户 ID。如果您不能简单地在 USER 表中插入用户名,则必须添加一些中间步骤来生成用户 ID,具体取决于您在数据库中的处理方式。
不知道插入USER表后能不能看到生成的userid,可以测试一下。如果在此转换中可用,则可以在 USER 表中的插入步骤之后添加一个块步骤,等待 USER_SESSION_HISTORY 中的插入步骤完成(对于用户名已存在于 USER 表中的数据,过滤步骤中的错误条件)。块步骤是需要的,因为 Pentaho 会同时运行所有步骤,除非您使用这个块步骤,因此 USER_SESSION_HISTORY 表将被同时执行的两个事务阻塞。在块步骤之后,您为 USER_SESSION_HISTORY 表添加第二个插入步骤。
如果插入后没有可用的用户 ID,我认为更简单的工作方法是使用两个转换,第一个在 USER 表中插入新用户名,第二个转换将数据插入USER_SESSION_HISTORY,在第二次转换中,我们确信我们已经在 USER 表中拥有所有可用的用户名
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。