Extrahieren eines Samples mit fester Größe eines Datensatzes über Autofahrer - Cloud

Prozessorhandbuch für Talend Cloud Pipeline Designer
Version
Cloud
Language
Deutsch
Product
Talend Cloud
Module
Talend Pipeline Designer
Content
Design und Entwicklung > Konzeption von Pipelines

Vorbereitungen

  • Sie haben zuvor eine Verbindung zu dem System erstellt, in dem die Quelldaten gespeichert sind.

    In diesem Beispiel eine Testverbindung.

  • Sie haben zuvor den Datensatz hinzugefügt, der die Quelldaten enthält.

    In diesem Beispiel ein Datensatz mit Daten zu schlechten Autofahrern, u. a. der Prozentsatz der aufgrund von Geschwindigkeit, Alkohol, Ablenkungen in tödliche Zusammenstöße verwickelte Fahrer, Informationen zu Autoversicherungen usw. (laden Sie die Datei sampling-drivers.csv über die Registerkarte Downloads im linken Bereich dieser Seite herunter).

  • Sie haben außerdem die Verbindung und den zugehörigen Datensatz erstellt, der die verarbeiteten Daten aufnehmen soll.

    In diesem Beispiel ein auf einem FTP-Servr gespeicherter Ausgabeordner.

Prozedur

  1. Klicken Sie auf der Seite Pipelines auf Add pipeline (Pipeline hinzufügen). Ihre neue Pipeline wird geöffnet.
  2. Legen Sie einen sinnvollen Namen für die Pipeline fest.

    Example

    Extract a subset of data about drivers (Teilgruppe der Daten zu Fahrern extrahieren)
  3. Klicken Sie auf ADD SOURCE (QUELLE HINZUFÜGEN), um ein Fenster zu öffnen, in dem Sie die Quelldaten, in diesem Fall Daten zu in tödliche Unfälle verwickelten Fahrern und Versicherungsdaten, auswählen können.

    Example

  4. Wählen Sie den Datensatz aus und klicken Sie auf Select (Auswählen), um ihn zur Pipeline hinzuzufügen.
    Benennen Sie den Datensatz um, falls erforderlich.
  5. Klicken Sie auf und fügen Sie einen Prozessor vom Typ Data sampling (Datensampling) zur Pipeline hinzu. Daraufhin wird das Konfigurationsfenster geöffnet.
  6. Geben Sie einen sinnvollen Namen für den Prozessor an.

    Example

    extract 5 records (5 Datenelemente extrahieren)
  7. Führen Sie im Bereich Configuration (Konfiguration) Folgendes durch:
    1. Geben Sie „5“ in das Feld Number of records (Anzahl Datenelemente) ein, da Sie eine Teilgruppe des Originaldatensatzes mit nur 5 nach dem Zufallsprinzip ausgewählte Datenelemente erstellen möchten.
  8. Klicken Sie auf Save (Speichern), um die Konfiguration zu speichern.

    Sehen Sie sich die Vorschau des Prozessors an, um die Daten vor dem Vorgang mit denjenigen nach dem Vorgang zu vergleichen.

    Wie Sie sehen, wurde eine Teilgruppe erstellt, die nur 5 willkürlich ausgewählte Datenelement in der Ausgabe erstellt.

  9. Klicken Sie auf ADD DESTINATION (ZIEL HINZUFÜGEN) und wählen Sie den FTP-Ordner aus, der die Datenteilgruppe aufnehmen soll.
    Benennen Sie ihn um, falls erforderlich.
  10. Klicken Sie in der oberen Symbolleiste von Talend Cloud Pipeline Designer auf die Schaltfläche Run (Ausführen), um das Fenster zur Auswahl des Ausführungsprofils zu öffnen.
  11. Wählen Sie in Ihr Ausführungsprofil in der Liste aus (weitere Informationen finden Sie unter Ausführungsprofile) und klicken Sie dann auf Run (Ausführen), um die Pipeline auszuführen.

Ergebnisse

Die Pipeline wird ausgeführt, die Datenteilgruppe auf der Grundlage der von Ihnen angegebenen Anzahl an Datensätzen erstellt und die Ausgabe an den von Ihnen angegebenen FTP-Ordner gesendet. Diese Datenteilgruppen können dann von Datenwissenschaftlern für Predictive Analytics verwendet werden.