任务描述
在进行数据统计中，往往要对类别、区域、型号等范围进行统计，分组是对指定的字段或字段集合的数据进行分组统计，Kettle分组组件可以解决这一需求。
为了了解各班级和学生的学业情况，需要对“2019年10月月考英语成绩.xls”文件，使用【分组】组件，统计各班的人数和平均分数。
实现思路
- 建立【分组】转换工程。
- 设置【分组】组件参数。
- 预览结果数据。
操作过程
1）建立分组转换工程
在分组之前，必须使用关键字段对数据记录进行排序，确定哪些记录分组在一起。参考Kettle 排序记录的操作过程，建立排序并浏览“2019年10月月考英语成绩.xls”文件数据。
使用Ctrl+N快捷键，创建【分组】转换工程。接着创建【Excel输入】组件，设置参数，导入“2019年10月月考英语成绩.xls”文件。
再创建【排序记录】组件，并由【Excel输入】组件指向【排序记录】组件，建立节点连接，如图所示。
双击【排序记录】组件，设置“班级”字段参数，按照生序排序，预览排序记录数据，如图所示，“1班”和“2班”分别被排序在一起。
在【分组】转换工程中，单击【核心对象】选项卡，展开【统计】对象，找到【分组】组件，并拖拽到右边工作区中，并由【排序记录】组件指向【分组】组件，建立节点连接，如图所示。
2）设置参数
双击【分组】组件，弹出【分组】对话框，如图所示。
【分组】组件参数包含组件的基础参数，以及【构成分组的字段】和【聚合】字段参数，参数说明如表所示。
|
参数名称
|
说明
|
|
基础参数
|
步骤名称
|
表示分组的组件名称，在单个转换工程中，名称必须唯一。默认值是【分组】的组件名称。 |
|
包括所有的行
|
表示是否包括所有记录。使用勾选框设置参数，希望在输出中包含所有记录，则勾选，只想输出聚合记录，则不勾选。默认值为空。 |
|
排序目录
|
表示指定存储临时文件的目录。分组的记录数超过5000个时，必须指定搞一个目录。此参数只有勾选【包括所有的行】参数后才能设置，默认值是系统的标准临时目录%%java.io.tmpdir%%。 |
|
临时文件前缀
|
表示命名临时文件的文件前缀，只有勾选【包括所有的行】参数后才能设置。默认值为grp。 |
|
添加行号，在每个组中重新启动
|
表示是否添加一个记录号，在每个组中从1重新启动。勾选此参数时所有记录都包含在输出中，且每个记录都有一个记录号。此参数在勾选【包括所有的行】参数后才有效。默认值为空。 |
|
行号列名
|
表示要为每个新组添加记录的字段名称。默认值为空。 |
|
总返回一个结果行
|
表示是否即使没有输入记录，也返回结果记录。当没有输入记录时，返回计数为0。如果只想有输入时才输出结果记录，则此参数不勾选。默认值为空。 |
|
构成分组的字段
|
表示分组的字段参数。分组的字段可以有多个，使用一个【构成分组的字段】表设置【分组字段】参数，可以设置多个分组子段。需要注意的是，如果没有分组的字段，那么该表留空来计算整个数据集的聚合函数。默认值为空。 |
|
聚合
|
表示聚合字段的参数，使用一个【聚合】表来设置聚合字段名称、聚合方法和输出结果新字段名称，有关聚合字段的参数说明如下内容所示。 |
|
名称
|
表示聚合字段的名称，输出结果的新字段名称，默认值为空。 |
|
Subject
|
表示对其使用聚合方法的对象字段，默认值为空。 |
|
类型
|
表示聚合方法。在下拉框中选取聚合方法，默认值为空。 |
|
值
|
表示聚合的值，默认值为空。 |
在【分组】对话框中，设置参数，分组统计各班的人数和平均分数，步骤如下：
1）设置组件名称。【步骤名称】参数采用默认值“分组”。
2）确定分组字段。在【构成分组字段】表的第1行，【分组字段】设置为“班级”。
3）确定聚合字段并设置参数。对【聚合】表的参数进行设置。此时完成【分组】组件参数的设置，如图所示。
3）预览结果数据
在【分组】转换工程中，单击【分组】组件，预览数据分组后的结果，如图所示。
