SSIS学习(2)：数据流任务(上).doc

SSIS 学习（2）：数据流任务（上）数据流任务是SSIS中的一个核心任务，估计大多数ETL包中，都离不开数据流任务。所以我们也从数据流任务学起。数据流任务包括三种不同类型的数据流组件：源、转换、目标。其中：源：它是指一组数据存储体，包括关系数据库的表、视图；文件（平面文件、Excel 文件、Xml 文件等）；系统内存中的数据集等。转换：这是数据流任务的核心组件，如果说数据流任务是ETL的核心，那么数据流任务中的转换，则是ETL核心中的核心了。它包含非常丰富的数据转换组件，比如数据更新、聚合、合并、分发、排序、查找等。可以说SQL语句中有的功能，它都基本上运用起来了。目标：与“源”相对应，也是一组数据存储体。包含表、视图；文件；多维数据集、内存记录集等。除以上三类组件外，还有一种组件，那就是”流(Flow)“，它形象地显示了数据从”源“，经过”转换“，最后到达”目的“地的一组路径。我们可以利用”流“，来查看数据，添加备注说明等。下面一幅图，就充分展示了源、转换、目的、流的关系。下面我们以将IIS Log 导入数据库为例，来介绍如何进行数据流任务开发。在开发之前，我们先来看看IISlog 的结构，如图：它基本上记录了网页浏览的所有信息，如日期、时间、客户IP、服务器IP、页面地址、页面参数等很多信息，我们再根据这些信息，在关系型数据库中，建立一张对应表，来记录这些信息。代码万事俱备，下面我们就可以开始ETL的开发之旅了，打开Visual Studio 2008工具，文件-新建-项目，选择“Integration Services 项目”，ETL的开发界面就跃入眼帘，这是从事.Net 开发的朋友们非常熟悉的界面。打开左边“工具箱”，将“数据流任务”拖到主窗口“控制流面板”，如图所示：然后双击“控制流”面板上的“数据流任务”，进入“数据流”面板，这两部分UI没有什么差异，只是所实现的功能不同罢了。真正的数据流任务开发，从现在才算开始。打开左边“工具箱”，可以看到有三大部分：数据流源、数据流转换、数据流目标。我们从“数据流源”中，将“平面文件源”拖到主窗口下，双击打开“平面文件源”编辑器，点击“新建”，打开平面文件连接管理编辑器，如图：输入连接名称，选择IisLog 文件，选择行分隔符、列分隔符，就可以从预览窗口看到数据的真面目了。这里有一点要注意，不同的平面文件，其行分隔符、列分隔符都是不一样的，如果选不正确，将达不到你想要的效果，所有的数据都可能挤到一列中去了。一般行分隔比较简单，基本上都是以回车换行（CRLF）来分隔；列分隔符却不一样了，它既可以以任意文本字符来分隔，比如逗号（，）、分号（；）、冒号（：）tab符、竖线(|)，以及常用的文字字符、数字字符，也可以定义每一列的固定宽度来分隔。这就需要视文件源不一样，分别对待了。在平面文件连接管理器中，选择“高级”，还可以定义每一列的列名、数据类型、字符长度等信息。等一切定义完成，点击确定，返回到平面文件编辑器界面，前面建立的连接将自动返回到“平面文件连接管理器”的下拉列表框中，下面就要以选择需要输出的列了，如图： 然后再选择“错误输出”，缺省选项如下图所示： 这一选项非常重要，是要求我们配置当源数据发生错误的时候该如何处理，一般源数据发生错误有两种情况：一是数据类型错误，比如日期格式错误、数字变字符了等；另一情况就是字符太长，超出列宽了。根据不同的情况，其处理方式也不一样，系统提供了三种解决办法：忽略失败：是指如果某一行数据错误，忽略此行，不影响程序执行，继续导入其它数据。重定向行：将错误的数据行，导入到另外一个数据流目标，供以后人工检查后，再重新处理。组件失败：这是最严格的，只要遇到数据错误，组件立即失败，停止运行。就IISLOg 这样的数据源文件来说，有错误数据行，那是是经常发生，但是这些少量数据错误，也不会影响最终的结果，我们就要以考虑容错性为主了，放宽对数据质量的要求，一般选择“忽略错误”，以方便程序继续运行。 一切都定义完后，我们看到“平面文件源”控件上，还有一个红色的叉(X),那是指没有为此数据源定义目标，那就是下一步要定义的。另外下面还有两个长线箭头，一个绿色，一外红色，其中绿色：表示正确数据流通路，红色表示错误数据流通路，如果前面定义错误“重定向行”，那么错误数据将沿着红色路径，流向错误数据存放地。定义数据源目标，这可能要简单一些了，同理从左边工具箱中，看到有很多种类型的数据源目标，我们选择“OLEDB目标”，将“平面文件源”控件下的绿色箭头连接到“OLEDB目标”，然后双击，打开“OLEDB目标编辑器”窗口，“新建”数据库连接，如图：返回到“OLEDB目标编辑器”窗口，在数据访问模式下，选择“表或者视图-快速加载”一项，然后再选择对应的表,如图：下面配置列映射，如图：如果没有的列，直接忽略即可（前提是表中该列允许为空），后面仍然是配置错误处理方式，参照平面文件源错误处理方式即可。到此为止，一个简单的数据流任务就基本上完成了，点击运行，我们期待已久的结果出现了。当然，在实际开发过程中，可能并没有这么顺利，会遇到很多各种各样的问题，在这篇文章中我们很少提及，主要是因为这仅是个开始，没有涉及到这么深入，在以后的专题中，会逐渐讲解。一个简单的数据源任务就算完成了，其实这只是一个Demo ，让大家了解了一个概况，可以说万里长城只是走出了第一步，真正的ETL不会这么简单。下后面我们将介绍ETL最精彩的部分“数据流转换”，敬请期待。