kettle实例-异常值处理-修补异常值

1.通过使用Kettle工具，创建一个转换fill_unusual_value，并添加“表输入”控件、“过滤记录”控件、“空操作（什么也不做）”控件、“设置值为NULL”控件、“合并记录”控件、“替换NULL值”控件、字段选择控件以及Hop跳连接线。

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。在SQL框中编写查询数据表interpolation_data的SQL语句，然后单击【预览】按钮，查看数据表interpolation_data的数据是否成功从MySQL数据库中抽取到表输入流中。

3.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，即设置Height字段的取值范围（[114-226]），从而判断数据表中的每个数据是否为异常值。若是在非异常值的取值范围内，则是非异常值，否则是异常值。

4.在“发送true数据给步骤：”处的下拉框中选择“空操作（什么也不做）2”，将非异常值放在“空操作（什么也不做）2”控件中；在“发送false数据给步骤：”处的下拉框中选择“空操作（什么也不做）”，将异常值放在“空操作（什么也不做）”控件中。

5.双击“设置值为NULL”控件，进入“设置值为NULL”界面；在“字段”处添加要设为NULL值的字段名称和值。

6.双击“合并记录”控件，进入“合并行（比较）”界面。在“旧数据源：”处的下拉框选择“设置为NULL值”，“新数据源：”处的下拉框选择“空操作（什么也不做）2”；在“匹配的关键字：”处，添加关键字段，即id。

7.双击“替换NULL值”控件，进入“替换NULL值”界面。勾选“选择字段”处的复选框，并在“字段”框添加字段为Hight，值替换为170（通过计算得到499人的平均身高值近似为170，因此用170替换字段Hight中的NULL值）

8.双击“字段选择”控件，进入“选择/改名值”界面。在“移除”选项卡处添加要移除的字段名称，这里移除的是字段flagfield。

9.单击转换工作区顶部的 按钮，运行创建的fill_unusual_value转换。

10.单击“字段选择”控件，再单击执行结果窗口的“Preview data”选项卡，查看是否修改并替换数据表interpolation_data中的异常值。