前言

随着企业的数字化转型，大数据的应用场景逐渐增多，数据来源也日益丰富。为了能够让数据发挥更大的价值，需要通过ETL完成不同来源数据的抽取、清洗、合并、加载等操作。ETL是将业务系统的数据经过抽取、清洗转换之后加载到数据仓库的过程，目的是将企业中的分散、零乱、标准不统一的数据整合到一起，为企业的决策提供分析依据。ETL必将成为高校数据分析相关专业的重要课程之一。

本书特色

本书以实现ETL流程中的各类操作步骤为导向，通过任务的方式，深入浅出地介绍了通过Kettle实现ETL所需的步骤与流程。本书所有章节均采用总分结构，先总起陈述本章涉及的内容，而后将相关知识点一一道出。本书的设计思路以应用为导向，让读者明确如何利用所学知识来解决问题。本书同时配套课后练习，帮助读者巩固所学知识，使读者真正理解并能够应用所学知识。

本书的内容由浅入深，第1章介绍了ETL的基本概念、常用ETL工具、Kettle运行环境配置，以及Kettle基本操作；第2章介绍了源数据获取相关的组件，包括创建数据库连接、表输入、CSV文件输入、Excel输入等；第3章介绍了记录处理相关组件，包括排序记录、去除重复记录、替换NULL值等；第4章介绍了字段处理相关组件，包括字段选择、增加常量、将字段值设置为常量等；第5章介绍了高级转换相关组件，包括记录集连接、多路数据合并连接、单变量统计等；第6章介绍了迁移和装载相关组件，包括表输出、插入/更新、Excel输出等；第7章介绍了任务及其相关组件，包括开始、转换、添加文件到结果文件中等；第8章介绍了无人售货机项目实战，包括了解无人售货机项目背景与目标、分组聚合客户订单、计算各商品销售金额、统计各售货机日销售金额、整理各售货机情况等。每章都配套有对应的习题，包括选择题和操作题，通过练习和操作实践，帮助读者巩固所学的内容。

本书适用对象

（1）开设有ETL相关课程的高校的教师和学生。

（2）ETL应用开发人员。

（3）科研人员。

代码下载及问题反馈

为了帮助读者更好地使用本书，泰迪云课堂提供了配套的教学视频。如需获取书中的原始数据文件，读者可以从“泰迪杯”数据挖掘挑战赛网站免费下载，也可登录人民邮电出版社教育社区（www.ryjiaoyu.com）下载。为方便教师授课，本书还提供了PPT课件、教学大纲、教学进度表和教案等教学资源，教师可扫码下载申请表，填写后发送至指定邮箱申请所需资料。同时欢迎读者加入QQ交流群“人邮大数据教师服务群”（669819871）进行交流探讨。

由于编者水平有限，加之编写时间仓促，书中难免出现一些疏漏和不足之处。如果读者有更多的宝贵意见，欢迎在泰迪学社微信公众号（TipDataMining）回复“图书反馈”进行反馈。更多本系列图书的信息可以在“泰迪杯”数据挖掘挑战赛网站查阅。

编者
2020年6月