Configurer le composant tFuzzyJoin

Fuzzy matching

author
Talend Documentation Team
EnrichVersion
6.4
EnrichProdName
Talend Open Studio for ESB
Talend Data Fabric
Talend ESB
Talend Big Data Platform
Talend Big Data
Talend Open Studio for MDM
Talend Open Studio for Data Integration
Talend Real-Time Big Data Platform
Talend Data Integration
Talend MDM Platform
Talend Open Studio for Big Data
Talend Data Services Platform
Talend Data Management Platform
task
Gouvernance de données > Systèmes tiers > Composants Data Quality > Composants de rapprochement > Composants de rapprochement flou
Création et développement > Systèmes tiers > Composants Data Quality > Composants de rapprochement > Composants de rapprochement flou
Qualité et préparation de données > Systèmes tiers > Composants Data Quality > Composants de rapprochement > Composants de rapprochement flou
EnrichPlatform
Studio Talend
  1. Double-cliquez sur le tFuzzyJoin afin d'afficher sa vue Basic settings et définir des propriétés.
  2. Cliquez sur le bouton Edit schema pour ouvrir une boîte de dialogue qui affiche la structure des données des fichiers d'entrée, et définir les donnéese que vous voulez passer aux composants de sortie, deux colonnes dans ce scénario, IdClient et Email.
  3. Cliquez sur OK pour fermer la boîte de dialogue.
  4. Sous le tableau Key definition de la vue Basic settings du tFuzzyJoin, cliquez sur le bouton [+] afin d'ajouter deux colonnes à la liste, puis sélectionnez les colonnes d'entrée et de sortie sur lesquelles vous voulez appliquer la correspondance floue, depuis les listes Input key attribute et Lookup key attribute, respectivement IdClient and Email dans cet exemple.
  5. Cliquez sur la première cellule de la colonne Matching type, et sélectionnez dans la liste la méthode à utiliser afin de vérifier les données entrant, par rapport aux données de référence. Dans ce scénario, Levenshtein est le type de correspondance devant être utilisé.
  6. Paramétrez ensuite les distances minimale et maximale. Dans cette méthode, la distance est le nombre de modifications devant être apporté aux caractères (insertion, suppression ou substitution) afin de correspondre entièrement aux références. Dans cet exemple, l'objectif est de faire en sorte que la distance minimale soit égale à 0 et que la distance maximale soit égale à 2. Cela conduira à l'écriture des toutes les entrées dans IdClient qui correspondent exactement ou qui ont, au maximum, deux caractères modifiés.
    Remarque :

    Vous pouvez créer et stocker des variables de contexte pour les distances minimale et maximale, et faire en sorte que votre Job fasse une boucle sur ces valeurs, en commençant par la valeur maximale inférieure de correspondance et terminant par la valeur maximale supérieure afin de correspondre au plus grand nombre de lignes possible. Vous pouvez appuyer sur Ctrl+Espace pour accéder à la liste des variables et sélectionner les nouvelles variables de contexte. Pour plus d'informations à propos des variables de contexte, consultez le Guide utilisateur du Studio Talend

  7. Paramétrez le type de correspondance pour la seconde colonne qui sera vérifiée, Metaphone dans cet exemple. Il n'y a ni distance minimale, ni distance maximale à paramétrer, car cette méthode de correspondance est basée sur les divergences phonétiques entre les données d'entrée et de référence.
  8. Cochez la case Inner join (with reject output) pour définir l'une des sorties comme table des rejets de la jointure interne.