ETL实验报告.doc

ETL实验报告 姓名： 学号： 创建数据源 在数据源/文件/文本文件-分隔符分割目录下依次添加文本文件户籍.txt、电话号码.txt、电话记录.txt、地理维.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位身份证到18位身份证的转变 calAge：由身份证计算实际年龄 calSex：由身份证计算性别 calBirth：由身份证计算出生年月日 calPID：由身份证号计算省编号 calPhone：由手机号码计算运营商编号 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位身份证转换为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。 加载电话号码信息 加载电话号码信息，然后利用高级清洗转换把电话号码信息中的15位身份证号码转换成18位身份证号码。 连接身份证号码和电话信息 利用内连接，把户籍信息和电话号码信息通过身份证号码连接起来，如下： 生成电话信息事实表 把户籍信息和电话号码信息连接起来以后，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，即得到电话信息事实表，如下图所示： 装载电话记录表 装载电话记录信息，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。 连接通话记录中电话号码与身份证号码 分别通过两次连接，把主叫手机号与主叫身份证号码连接，把被叫手机号与被叫身份证号码连接。 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。