Normalizer Transformation i Informatica med EXEMPEL

Vad är normaliseringstransformation?

Normalizer är en aktiv transformation som används för att konvertera en enskild rad till flera rader och vice versa. Det är ett smart sätt att representera din data på ett mer organiserat sätt.

Om det finns upprepade data i flera kolumner på en enda rad, kan de delas upp i flera rader. Ibland har vi data i flera förekommande kolumner. Till exempel

I det här fallet upprepas klasspoängkolumnen i fyra kolumner. Med hjälp av normalizer kan vi dela upp dessa i följande datamängd.

Steg 1) Skapa källtabellen "sales_source" och måltabellen "sales_target" med hjälp av skriptet och importera dem i Informatik

Ladda ner filen Sales_Source.txt ovan

Steg 2)Skapa en mappning med källan "sales_source" och måltabellen "sales_target"

Steg 3) Skapa en ny transformation från transformationsmenyn

1. Välj normaliserare som transformation
2. Ange namn, "nrm_sales"
3. Välj skapa alternativ

Steg 4) Omvandlingen kommer att skapas, välj alternativet gjort

Steg 5) Double klicka sedan på normaliseringstransformationen

1. Välj normaliseringsfliken
2. Klicka på ikonen för att skapa två kolumner
3. Ange kolumnnamn
4. Ställ in antalet förekomster till 4 för försäljning och 0 för butiksnamn
5. Välj OK-knappen

Kolumner kommer att genereras i transformationen. Du kommer att se kolumnen 4 antal försäljningar eftersom vi ställer in antalet förekomster till 4.

Steg 6) Sedan i kartläggning

1. Länka de fyra kolumnerna i källkvalificeraren för de fyra kvartalen till respektive normaliseringskolumner.
2. Länka kolumnen butiksnamn till normaliseringskolumnen
3. Länka butiksnamn och försäljningskolumner från normaliserare till måltabell
4. Länka GK_sales-kolumnen från normalizer till måltabell

Spara mappningen och kör den efter att du har skapat session och arbetsflöde. För varje kvartalsförsäljning av en butik kommer en separat rad att skapas av normaliseringstransformationen.

Resultatet av vår kartläggning kommer att vara som -

Källdatan hade återkommande kolumner, nämligen KVARTAL1, KVARTAL2, KVARTAL3 och KVARTAL4. Med hjälp av normalizer har vi ordnat om data för att passa in i en enda kolumn av QUARTER och för en källpost skapas fyra poster i målet.

På detta sätt kan du normalisera data och skapa flera poster för en enda datakälla.