Kettle组件学习
Add sequence
增加新的一列，类似于DB的ID，可按要求自增。属性中Counter name来区分计数器，同一个transformation中的相同计数器的计数是唯一的。若统一数据源分别交由多个Add sequence组件，则这些组件均分数据源中的数据处理。
Add value fields changing sequence
根据指定的列来进行add sequence操作，类似于Sql Server中row_number()函数，根据partition by的值来分组。
Generate random value
在源数据基础上增加一列，按照要求生成随机的值，值的类型多样，不仅限于数字。
图1
Join rows
根据条件join数据源。
Analytic query
可以查找数据流中的前面行或后面行，并且取值到当前行。两种方法：
LEAD "N" rows FORWARD and get Subject ---去后第N行的数据
LAG "N" rows BACKWARD in get Subject ---取前第N行的数据
Append streams
类似DB中union操作，要求数据源的列相同，包括各列的类型。
数据源只能是2个。
Value mapper
进行值的映射，例如根据文件的扩展名来决定文件的类型，所得结果会以所命名新字段的形式输出。若图中Target field name留空，则会覆写Fieldname to use所输入字段中的值。
图2
Select/Rename values
对input的值进行筛选，重命名等操作。
Delay row
等待一定时间后继续执行。
Block this step until steps finish
等待制定step完成后继续执行。
Group by/Memory Group by (区别？)
聚合函数，可生成聚合结果，例如中位数，平均数，百分数等
图3
Calculator
数学计算。
CSV file import
csv文件的导入，可能存在错误情况，可用error handler进行处理。
Filter rows
根据预设条件对input进行筛选。
Data Validator
根据条件对input的值进行验证。拥有多种预设验证规则
图4
也可以引入其他step的输出进行值匹配验证
图5
Row denormaliser
将行数据转换为列数据，选定分组的列名，设定转换后的列名。例如：
图6-1 源数据
图6-2 转换结果
图6-3 Row denormaliser设置
The key field作为新列的关键字段，以其中的值作为转换后新列的列名。根据选定的列进行分组，图中所示为code和year两列。另需选定新字段的值，一般为剩下的源数据列。可根据需要选择聚合函数进行聚合操作分析。
Unique rows
进行distinct rows的统计。
