DATASTAGE----DATASTAGE经验积累

DATASTAGE——一DATASTAGE经验积累一、JOB的分类与作用1、ServerJOB:最为常用的Job类型，Job可以组合使用，ServerJob是Job的最小单位。原文档：IfyouhavetheWebServicespackinstalledanadditionalcheckbox,WebServiceEnabled,appears.Selectittoindicatethejobcanbemadeavailableasawebservice.2、ParallelJOB:3、MainframeJOB:运行于大型机的JOB。4、JOBSequences:JobSequence主要用于Job间的协作工作控制，如各Job的实行流程，出错处理，文件监控等。二、jobstatus的用法jobstatus-jobstatuswaitsforthejobtocomplete,thenreturnsanexitcodederivedfromthejobstatus.命令格式为：dsjob–run[–mode[NORMAL|RESET|VALIDATE]][–paramname=value][–warnn][–rowsn][–wait][–stop][–jobstatus][–userstatus][-local]projectjob三、判断NULL值实例STAGE：JOINSTAGE设置：LEFTJOIN左输入语句：SELECT*FROMPMP_Insured_Amount右输入语句：SELECTCOL_ID,TAB_NAME,WORK_DATE,REF_COLUMN1ASUNIQUE_ID_IN_SRC_SYS,REF_COLUMN2,ROW_ID,HASHCODEASB_HASHCODE,ANCHOR_ID,PARTITION_KEY,IS_DUPLICATED,'A'ASMARK--用以判断结果集右边是否为空FROMETL_FOR_INC_TMP2SQL语句：SELECTA.*,B.*FROMPMP_Insured_AmountALEFTJOINETL_FRO_INC_TMP2BONA.UNIQUE_ID_IN_SRC_SYS=B.UNIQUE_ID_IN_SRC_SYS功能：判断来自A表的所有记录，哪些能够B表关联，哪些不能与B表关联。说明：由于在构造右输入语句时增加了一个B表中没有的常量字段MARK，所以如果A表能够与B表关联的记录，该常量字段就不为空值（此处设了该常量值为A）；如果A表与B表关联不上的记录，该常量字段就为空值（NULL）。如此只需用一条判断语句判断常量字段是否为空，从而分出两种记录来。记录分离所使用的STAGE是Transformstage。一开始时，使用Condition设置了字段MARK='A'与字段MARK'A'来分离记录，运行后发现只有MARK='A'的一支有数据通过，而MARK'A'的一支没有数据通过，后来把MARK'A'的一支的条件（condition）改为ISNULL(MARK)后，数据正常输出。总结：从理论上说，任何与NULL值作比较运算（=、、、）结果都为NULL，而MARK'A'属于比较运算，当MARK为NULL时，结果就为NULL，所以就会没有数据输出。实际上，在MSSQLSERVER2000中，如果使用WHEREMARK'A'作筛选条件，是可以把为NULL值的字段输出的。这是DATASTAGE与MSSQLSERVER在处理NULL值运算的不同，MSSQLSERVER是允许一定违反规范规则的情况存在。四、关于对多表进行关联操作的STAGE对不同表的同名字段的处理。手工起别名这些STAGE有：JOIN、LOOKUP、MERGE等。DATASTAGE的处理原则：保留前者，抛弃后者。例子：源表：A（a,b,c,d），关联表：B（b,c,e,f）。取值规则：第一次关联条件A.b=B.b，取B.e；第二次关联条件A.c=B.c，取B.e。说明：关联的有前后之分的。第一次关联时，在结果集中已经存在的名字为e的字段，第二次关联是在第一次关联的结果集的基础上进行的，第二次所取的字段名与第一次所取的相同。在此就出现种问题，从数据库常识来说，同一张表是不允许有同名字段出现的，如何能够正确取值呢？在T-SQL里面，可以使用JOIN语句对表进行关联，两张表的同名字段e因为被加了表名作前缀，所以即使字段名相同，也可以正确输出。以下则为使用T-SQL完成上述取值规则的语句：SELECTA.a,A.b,A.c,A.d,B.eFROMALEFTJOIN(SELECTA.a,A.b,A.c,A.d,B.e,AB.eFROMALEFTJOINBONA.b=B.b)ASABONA.c=AB.c很容易就能看出，最终的结果将会（假设结果表名为C）：C（A.a,A.b,A.c,A.d,B.e,AB.e），结果正确，所以在T-SQL里，在做多表关联时，可以不必关心不同表的同名字段的取值问题。但在DATASTAGE里就不能不关心了。由于DATASTAGE里的所有STAGE的输出，默认下是对该STAGE的输入进行复制，即表结构的复制。输入的是什么名字的字段，输出的也是这个名字的字段。那么多表关联时，如果不同的表有相同名字的字段，那么输出时也会出现有同名字段了，而数据表是不允许有同名字段的，所以就会发生同名冲突。DATASTAGE对于这中其矿，处理方式是把最先输入的字段保留下来，之后如果有同字段再添加进来时，就会把要添加进来的字段抛弃掉。这种情况，即使在JOB运行时也不会报错的，因为语法是没有错误的，不过会出现一个WARNING，告知用户这个STAGE将会出现字段知丢失。所以碰到上面上述情况，解决的方法是在第二次关联时，在输出时把这个同名字段的名字手工更改一下。如上，把字段名e改为字段名e_2，赋值也是赋e过去，这样既保留了e的值，有不会给抛弃，只是更改了一下字段的名字，到最后输出时再统一把结果表名定制一下就行。五、对数据进行HASH分区的STAGE的设置细节。例子：在用JOINSTAGE对两张表进行关联，关联的条件是UID，再设置的该STAGE对数据按照UID进行HASH分区，所有的STAGE都设置正确无误后，运行JOB，老是在JOINSTAGE里有一个WARNING。原因:这种情况是由于设置HASH分区后产生的（数据分区的概念将另述）解决方法：打开产生WARNING的STAGE的前一个（是前一个！）也进行了HASH分区的STAGE的设置面板，在StagePage——AdvanceTab里，选择Preservepartitioning下拉选项中的“Clear”值。默认是“Propagate”值，其意义是下一个STAGE在做HASH分区时，会继承上一个（即该STAGE）对HASH分区的设置参数。按照HASH分区的机制，这样继承会出现数据丢失的可能，所以DS就会产生WARNING。而选择“Clear”的意义就时让下一个要做HASH分区的STAGE不要继承上一个STAGE的HASH分区设置，而重新按照用户的设置来进行HASH分去。六、把结果输出到平面文件时的注意事项。例子：在原来调试过正确无误的JOB，把最后的数据文件由原来的DATASET改为SEQUENCE文件时，JOB运行正常，且可以重运行，就上没有实际的数据输入到结果文件里，文件所对应的输入LINK显示有数据输入，结果文件也创建了，但打开的是一个空白文件，VIEW也VIEW不到有数据，提示说没有结果返回。原因：平面文件的默认格式设置引起。默认下，平面文件的输入格式是，每个字段都要有值输入。如果输入到平面文件的数据中有空值，而平面文件又用默认设置的话，输入就会给REJECT掉。解决方法：设置平面文件的数据格式。在StagePage——Format里，设置空值的处理方式，比如设为NULL，则遇到空值时，DS就会在平面文件的该字段里填充NULL。七、DATASTAGE中INTEGER型数值上限为2000000000（20亿）。八、对于那些关联不上而又为非空的字段，DS会自动赋默认值，数字型默认值为0，字符型默认值为''。例子：表A通过JOINSTAGE与表B进行左关联，取B表的流水ID，B表的ID字段可空性为NO，把B表的ID传递给A表，然后通过TRANSFORMSTAGE设置条件取出关联不上的记录来，TRANSFORMSTAGE的过滤条件是：IsNull(ID)，由于关联不上的记录的ID字段会是NULL，这样设置按理应该是可以把关联不上的记录输出的，而实际上是输出不到的。原因：B表ID字段是非空的，那么传递给A表的ID的也将是非空。对于那些关联不上的记录，理论上ID字段应该为NULL，但由于ID是非空的，所以DS会把一个默认值插入到ID中去。经过如此处理，使用IsNull(ID)就当然不能数据正确记录了，因为ID根本就不是NULL。解决方法：方法一：在传递ID字段给A表时，用NullToZero或者NullToEmpty函数对ID封装起来。如果ID是数字型的，用NullToZero，如果ID是字符型的，用NullToEmpty。相应的，TRANSFORMSTAGE的过滤条件就应该改为ID=0或ID=''，即可把关联不上的记录正常输出来。方法二：直接修改TRANSFORMSTAGE的过滤条件，修改为：NullToZero(ID)=0或者NullToEmpty(ID)=''。注意：经过DS赋予默认值后，ID其实已经不为NULL了，所以理论上使用NullToZero或NullToEmpty是不适合的。但实际开发中，上述方法确实能够解决问题。九、可空字段拼接字符串特别需要注意的问题：在拼接字段串时，要注意所以拼接的字段当中有没有空字段，如果有，一定要用NullToZero或者NullToEmpty函数对该字段进行封装。如果不是经过函数封装处理，如果碰到某条记录，它用来拼接的字段是NULL，那么这条记录就会给过滤掉，从而影响了结果。由于拼接字符串一般都是几个到十几二十个字段，有时候容易令人忽略这个问题，常常发现本来应该可以从TRANSFORMSTAGE输出的数据却给REJECT掉，就要注意是否存在可空字段拼接字符串，而且数据当中的确存在一些记录，里面用于拼接的字段是NULL的情况了。十、使用TRANSFORMSTAGE进行条件判断过滤数据，一般用于判断的字段是Nullable；使用FILTERSTAGE来过滤数据，一般用于判断的字段是No-Nullable。DataStage官方文档学习笔记1.通过右键添加link鼠标右键点击起始stage，按住右键移动鼠标到目标stage。还有一种方法就是把鼠标放在起始stage的边缘等到变为一个小圆圈里面有一个叉的时候拖动鼠标到目标stage。2.DataStage中默认和隐式类型转换时注意的问题当从源向目标映射数据时，如果类型不一致，对于有些类型我们需要在modify或transfomerstage中通过函数进行转换，对于有些系统会自动完成类型转换，在类型转换过程中，注意以下几点：1在变长到固定长度字符串的默认转换中，paralleljobs用null（ASCII0）字符来填充剩余长度。联系到前面做的一个paralleljob，当目标是变长时（当时源也是变长，但是好像源的精度要小些），但是字符串实际的长度没有指定的变长那么长的话，系统会自动用空格（ASCII20）来填充（具体在哪个stage填充的不知），而且环境变量APT_STRING_PADCHAR的默认值也是空格（ASCII20）。2通过环境变量APT_STRING_PADCHAR可以改变默认的填充字符null（ASCII0）。注：联系上面两点，感觉文档讲的与实际不符，难道我们项目的administrator改变了该环境变量的默认值？3有个PadString函数可以用来用指定的字符来填充一个变长的字符串到指定的长度。这个函数的参数不能使固定长度字符串，