ETL实验报告

ETL实验报告：
学号：
1.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、.txt、记录.txt、地理维.txt。

2.创建工程、新建转换，并装载文本文件数据源，如下图所示：
3.创建工程函数
a)calIDcard：实现由15位到18位的转变
b)calAge：由计算实际年龄
c)calSex：由计算性别
d)calBirth：由计算出生年月日
e)calPID：由号计算省编号
f)calPhone：由手机计算运营商编号
g)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：
4.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：
5.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：
6.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。

7.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。

8.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：
9.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：
10.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。

11.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。

12.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：
13.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。