kettle - 在 Kettle 中加入来自不同来源的数据
问题描述
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。
解决方案
您需要阅读 CSV 和 USER 表,在这两个步骤之后,您需要为每个步骤添加一个排序步骤(在排序步骤中检查区分大小写/不区分大小写的可能性),然后使用您合并的合并连接步骤两个数据流,您将其设置为 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 CSV 中的每个用户名你看看用户名是否已经存在于 USER 表中。
在 MERGE JOIN 之后,您放置了一个过滤步骤,查看用户 ID 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 USER 表中。
如果您有用户 ID(上一步中的过滤条件为 false),您可以简单地将数据插入 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 userid 关联的序列,并且该列会自动填充该列的相应下一个值,您可以将用户名插入 USER 表,数据库将负责填充 userid。如果您不能简单地将用户名插入 USER 表中,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 表后能否看到生成的 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(对于用户表中已经存在用户名的数据,过滤步骤中的错误条件)。需要 block 步骤,因为 Pentaho 会同时运行所有步骤,除非您使用此 block 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,为 USER_SESSION_HISTORY 表添加第二个插入步骤。
如果您在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,第一个是在 USER 表中插入新用户名,第二个转换是在 USER_SESSION_HISTORY 中插入数据,在第二个转换中,我们确定我们已经在 USER 表中拥有了所有可用的用户名
推荐阅读
- c# - Amazon EventBridge 规则无法触发 Lambda 函数
- javascript - 如何使用键作为值和值作为内容在 Javascript 中使用数组填充选项?
- html - html输入框在一行中,但第二个文本框不在同一行中
- python-3.x - ModuleNotFoundError:没有名为“dnf”的模块
- wpf - MvvmLight:从 RelayCommand 执行中设置属性时视图未更新
- c# - EF Core - 来自计算 SQL 或选择查询的导航集合属性
- regex - 使用正则表达式 (regex) 在字符串中查找非零值
- javascript - 从具有唯一对象键和值的对象列表中删除重复对象
- android - 在应用程序更新检查不起作用,即使用户更新应用程序(即安装的最新版本)
- laravel - Laravel:尝试将特定订单返回给用户时出错