第八章 综合案例—构建DVD租赁商店数据仓库

加载用户维度表与商店维度表

1使用Kettle工具，创建一个转换load_dim_customer，并添加表输入控件、映射控件、字段选择控件、值映射控件、维度查询/更新控件以及Hop跳连接线，具体如图所示。

2双击“表输入”控件，进入“表输入”配置界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置，如图所示。 

在SQL框中编写用于获取字段customer_last_update中的最大值，将该值替换为”1970-01-01 00:00:00”并赋值给临时字段max_dim_customer_last_update；单击“预览”按钮，查看临时字段max_dim_customer_last_update是否将默认值设置为“1970-01-01 00:00:00”，如图所示。 

 

3在SQL框中编写SQL语句，用于获取数据库sakila中数据表customer中的最新数据，如图所示。  

 

 

4使用Kettle工具，创建一个转换fetch_address（该转换为转换load_dim_customer的子转换），并添加映射输入规范控件、数据库查询控件、过滤记录控件、JavaScript代码控件、字段选择控件以及Hop跳连接线，如图所示。 

5双击“映射输入规范”控件，进入“Mapping input specification”界面，并添加映射的字段“address_id”，该字段为传递的参数（由于转换load_dim_customer中表输入2控件流获取的字段address_id，用于查询用户的地址信息，而后续数据仓库的维度表数据也需要用户的地址信息，因此这里将字段address_id作为传递的参数），添加完毕后单击【确定】按钮，完成“映射输入规范”控件的配置，如图所示。 

6单击名右侧的【浏览】按钮，添加数据表address；在“查询所需的关键字”框中，添加查询所需的关键字字段address_id，由于该字段是唯一的，因此可作为数据表address中数据和映射输入规范控件流中数据的比较条件；在“查询表返回的值”框中，添加查询表返回的值，如图所示。7单击表名处的【浏览】按钮，添加数据表city；在“查询所需的关键字”框中，添加查询所需的关键字字段city_id，作为数据表city中数据和数据库查询2控件流中数据相比较的条件；在“查询表返回的值”框中，添加查询表返回的值，如图所示。

 

7单击表名处的【浏览】按钮，添加数据表city；在“查询所需的关键字”框中，添加查询所需的关键字字段city_id，作为数据表city中数据和数据库查询2控件流中数据相比较的条件；在“查询表返回的值”框中，添加查询表返回的值，如图所示。

8双击“数据库查询3”控件，进入“数据库查询”配置界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置，单击表名处的【浏览】按钮，添加数据表country；在“查询所需的关键字”框中，添加查询所需的关键字字段country_id，用于指定字段流与表字段的数据进行比较的比较条件；在“查询表返回的值”框中，添加查询表返回的值，如图所示。

9双击“过滤记录”控件，进入“过滤记录”配置界面，在“条件”处设置过滤的条件，对有第二个地址的用户进行过滤操作；单击左边“”框，弹出字段对话框，选择要过滤的字段address2，单击“=”框，弹出函数对话框，选择过滤条件（这里选择的是IS NOT NULL），即过滤指定字段中不为空的数据，单击【确定】按钮，完成过滤条件的选择。字段address2的过滤设置如图所示。

10双击“JavaScript代码”控件，进入“JavaScript代码”配置界面，勾选“兼容模式？”处的复选框，使得JavaScript代码控件的兼容性更强；在Java Script代码框中编写代码，如图所示。

11双击“字段选择”控件，进入“选择/改名值”界面，在“元数据”选项卡的“移除”处添加要移除的字段，如图所示。 

12双击“映射”控件，进入“映射”界面，单击“转换”选项卡处的【Browser】按钮，选择添加转换fetch_address，用于获取用户的地址信息，如图所示。 

 

13.双击步骤1中的“字段选择”控件，进入“选择/改名值”界面，在“元数据”选项卡的“需要改变元数据的字段”处添加字段active，由于数据表customer中字段active的类型为tinyint，因此需要将字段active的类型改为String，与维度表dim_customer中字段customer_active的类型相对应，如图所示。 

 14双击步骤1中的“值映射”控件，进入“值映射”界面，在“使用的字段名”处的下拉框选择字段active；在“字段值”框中，添加源值和目标值，由于数据表customer中字段active的值为1和0，对应的是Y和N，这里将Y替换成Yes，将N替换成No，如图所示。

15双击“维度查询/更新”控件，进入“维度查询/更新”界面，单击目标表右侧的【浏览】按钮，选择输出的目标表，即维度表dim_customer；在“关键字”选项卡处添加关键字字段customer_id，用于指定维度表字段和流字段的比较条件；在“字段”选项卡处添加查询/更新字段；在“代理关键字段”处的下拉框中选择customer_key为代理关键字段，并指定“创建代理键”是使用自增字段；在“Version字段”处的下拉框中选择customer_version_number；在“Stream日期字段”处的下拉框中选择last_update；在“开始日期字段”处的下拉框中选择customer_valid_from；在“截止日期字段”处的下拉框中选择customer_valid_through，如图所示（见下页）。

 

 16单击转换工作区顶部的   按钮，运行创建的转换load_dim_customer，实现加载用户数据至用户维度表dim_customer中，如图所示。

 

 加载演员和电影维度表

1使用Kettle工具，创建一个转换load_dim_actor，并添加表输入控件、插入/更新控件以及Hop跳连接线，具体如图所示。

2双击“表输入”控件，进入“表输入”配置界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置，如图所示。 

 

 

 在SQL框中编写SQL语句，用于获取字段actor_last_update中的最大值，将该值替换为”1970-01-01 00:00:00”并赋值给临时字段max_dim_actor_last_update；单击“预览”按钮，查看临时字段max_dim_actor_last_update是否将默认值设置为“1970-01-01 00:00:00”，如图所示。

 

3双击“表输入2”控件，进入“表输入”界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置如图所示。

 

在SQL框中编写SQL语句，用于获取数据库sakila中数据表actor中的最新数据，如图所示。

 4双击“插入/更新”控件，进入“插入/更新”界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置，如图所示。

单击目标表右侧的【浏览】按钮，弹出“数据库浏览器”窗口，选择目标表，即维度表dim_actor，如图所示。 

 单击【获取字段】按钮，用来指定查询数据所需要的关键字，这里选择的是dim_actor数据表中的actor_id字段和输入流里面的actor_id字段；单击【获取和更新字段】按钮，用来指定需要更新的字段，如图所示。

 5单击转换工作区顶部的   按钮，运行创建的转换load_dim_actor，实现加载演员数据至演员维度表dim_actor中，如图所示。

6通过SQLyog工具，查看数据表dim_actor是否已成功插入演员数据，查看结果，如图所示。 

1使用Kettle工具，创建一个转换load_dim_film，并添加表输入控件、数据库查询控件、值映射控件、列拆分为多行控件、增加常量控件、列转行控件、计算器控件、数据库连接控件、联合查询/更新控件、分组控件、流查询控件、插入/更新控件以及Hop跳连接线，如图所示。 

2双击“表输入”控件，进入“表输入”配置界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置，如图所示。在SQL框中编写SQL语句，用于获取字段film_last_update中的最大值，将该值替换为”1970-01-01 00:00:00”并赋值给临时字段max_dim_film_last_update；单击“预览”按钮，查看临时字段max_dim_film_last_update是否将默认值设置为“1970-01-01 00:00:00”，如图所示。 

 3双击“表输入2”控件，进入“表输入”界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置如图所示。在SQL框中编写SQL语句，用于获取sakila数据库中film数据表中的最新数据，如图所示。

 

 4双击“数据库查询”控件，进入“数据库查询”界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置。单击表名处的【浏览】按钮，添加数据表language，用于查询电影的语言.在“查询所需的关键字”框中，添加查询所需的关键字字段language_id，用于指定表字段和流字段的比较条件；在“查询表返回的值”框中，添加查询表返回的字段name，并重命名为language，如图所示。

5双击“数据库查询2”控件，进入“数据库查询”界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置.单击表名处的【浏览】按钮，添加数据表language，用于查询电影原版的语言，如图所示。

6双击“值映射”控件，进入“值映射”界面，在“使用的字段名”处的下拉框选择字段rating，指定对电影级别的字段rating进行映射；在“目标字段名”处添加rating_text字段，用于存储目标值；在“字段值”框中，添加源值和目标值，其中，源值为G（大众级，所有年龄的观众均可观看）、PG（普通级，建议在父母的陪伴下观看）、PG-13（普通级，但不适于13岁以下儿童，需要父母陪同观看）、R（限制级，17岁以下必须由父母或者监护陪伴才能观看）、NC-17（禁止17岁或者以下观众观看），这些均为美国电影分级级别的简称，对应的全称目标值为General Audiences、Parental Guidance Suggested、Parents Strongly Cautioned、Restricted、No One Under 17 Admitted，值映射控件的配置，具体如图所示. 

7双击 “列拆分为多行”控件，进入“列拆分为多行”界面，由于special_features字段表示的是电影的特点，而电影的特点有多个，因此要进行拆分；在“要拆分的字段”处的下拉框选择要拆分的字段special_features；在“分隔符”处指定分隔符；在“新字段名”框中，添加新的字段名，用于存放利用分隔符分割后得数据，如图所示。 

8双击“增加常量”控件，进入“增加常量”配置界面，在字段框中添加常量字段Yes和No，并指定值为yes和no，用于后续判断某电影是否有预告片、是否有评论、是否删减片段以及是否有幕后等内容，有则用yes标识，反之用no标识。“增加常量”控件的配置，如图所示。9双击“列转行”控件，进入“列转行”界面，在“关键字段”处的下拉框中选择关键字段special_feature，由于字段special_feature中包含一个或多个内容，因此需要对字段special_feature进行列转行操作；在“构成分组的字段”框中添加分组字段；在“目标字段框”中添加目标字段，如图所示。 

10双击“计算器”控件，进入“计算器”界面，在“字段”处，添加新字段，用于存储将列转行控件流中的字段special_feature字段的NULL值替换成No的数据，如图所示。 11双击“数据库连接”控件，进入“Database join”界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置。在SQL框中编写SQL语句，用于根据电影id获取电影的分类；在“The parameters to use”框中，添加编写SQL语句需要的参数，即film_id，计算器控件流中的字段film_id作为参数进行传递，供数据库连接控件使用如图所示。

12双击“数据库查询3”控件，进入“数据库查询”界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置.单击表名处的【浏览】按钮，添加数据表category，用于获取电影分类的id；在“查询所需的关键字”框中，添加查询所需的关键字字段category_id，用于指定表字段和流字段的比较条件；在“查询表返回的值”框中，添加查询表返回的值，即name，并重命名为category，如图所示。 

13双击“增加常量2”控件，进入“增加常量”界面，在字段框中添加常量字段Yes，由于在“增加常量”控件中设置的常量Yes已经被替换，所以需要添加一个常量，具体如图所示。 

14双击“列转行2”控件，进入“列转行”界面，在“关键字段”处的下拉框中选择关键字段category，根据电影分类的名称对电影进行分类；在“构成分组的字段”框中添加分组字段，如图所示（见本页）；在“目标字段框”中添加目标字段，具体如图所示 15双击“计算器2”控件，进入“计算器”界面，在“字段”处，添加新字段，用于将列转行2控件流中字段category中的NULL值替换成No，如图所示

 16双击“联合查询/更新”控件，进入“联合查询/更新”界面，，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置单击目标表右侧的【浏览】按钮，选择目标表，即维度表dim_film，用于加载最新的电影维度数据，并在“代理关键字”框中添加代理关键字段，并指定创建代理键为自增字段，如图所示（见本页）；在“关键字段”框中添加维度字段和流里的字段如图所示。

17双击“数据库连接2”控件，进入“Database join”界面；单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置在SQL框中编写SQL语句，用于根据电影id获取演员的id，从而获取演员的基本信息；在“The parameters to use”框中，添加需要的参数，即film_id，如图所示。

18双击“数据库查询4”控件，进入“数据库查询”界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置单击表名处的【浏览】按钮，添加数据表dim_actor，用于获取演员的基本信息；在“查询所需的关键字”框中，添加查询所需的关键字字段actor_id，用于指定表字段和流字段的比较条件；在“查询表返回的值”框中，添加查询表返回的值，如图所示。 

19双击“分组”控件，进入“分组”界面，在“构成分组的字段”框中添加分组字段film_key，对“数据库查询4”控件流中的数据按字段film_key进行分组；在“聚合”框中添加聚合字段count_actors，用于统计出演某部电影的演员个数，分组控件的配置如图所示。 

 

 

 20双击“计算器3”控件，进入“计算器”界面，在“字段”处，添加新字段one和actor_weighting_factor，其中字段one为自定义的常量，指定值为1，是一个临时值，可移除；字段actor_weighting_factor用于存储演员的权重因子，如图所示。

21双击“流查询”控件，进入“流里的值查询”界面，在“Lookup step”处的下拉框选择要查询的流，即计算器3控件流；在“查询值所需的关键字”处，添加用于查询流里值的字段，即film_key，通过使用数据库查询4控件中的字段film_key去计算器3控件流中匹配相应的数据；在“指定用来接收的字段”框中，添加用来接收值的字段actor_weighting_factor，最终输出，流查询控件的配置，如图所示 

22双击“插入/更新”控件，进入“插入/更新”界面，单击【新建】按钮，配置数据库连接，配置完成后单击【确认】按钮。MySQL数据库连接的配置单击目标表右侧的【浏览】按钮，弹出“数据库浏览器”窗口，选择目标表，即维度表dim_film_actor_bridge；单击【获取字段】按钮，用来指定查询数据所需要的关键字；单击【获取和更新字段】按钮，用来指定需要更新的字段。插入/更新控件用于通过比较流与表中字段得数据，更新维度表dim_film_actor_bridge表中数据。插入/更新控件的配置如图所示。

23单击转换工作区顶部的   按钮，运行创建的转换load_dim_film，实现加载电影数据至电影维度表dim_film，如图所示。