一、实验背景

1 实验说明

1.1 实验目的

基于“数智教育”大赛数据集，设计并实现学生多维度考勤统计助睿ETL转换流，掌握ETL数据处理全流程（数据接入、关联、衍生、聚合、落地），解决校园考勤人工统计效率低、口径不统一的问题；同时结合实验实际数据情况，优化空值处理逻辑，确保转换流可正常运行，输出精准的多维度考勤统计结果，为校园考勤管理提供数据支撑。

1.2 实验环境

• 工具：助睿数智（Uniplore）的数据集成平台（ETL）、MySQL数据库

• 数据源：“数智教育”大赛数据集（共包含7张核心业务表）

• 实验设备：计算机（支持助睿ETL平台运行，具备数据库连接权限）

1.3 实验范围

本次实验覆盖助睿ETL转换流全流程配置，包括多表数据接入、多表关联、考勤行为标签衍生、多维度聚合统计及结果落地入库；重点验证数据关联的精准性及统计指标的准确性，结合实验数据实际情况优化配置，确保实验顺利完成。

2 转换流整体设计

2.1 功能用途与业务价值

本转换流替代人工Excel统计，实现考勤数据从原始打卡到标准化结果的闭环处理，批量输出多维度指标；同时固化口径、提升效率、沉淀台账，提供数据支撑，且可灵活扩展新考勤类型，无需修改转换流，适配校园考勤管理的核心需求。

2.2 核心处理逻辑

转换流核心逻辑：接入三大数据源→多表关联→标记考勤行为→计算核心指标→基础属性关联→落地统计结果，实现全流程自动化，通过助睿ETL平台可视化界面完成配置。

3 数据与标签梳理

根据转换流的逻辑，需要对数据与标签进行梳理，确定数据源、标签维度、标签计算口径。

3.1 源数据说明

本次转换流处理的数据来源于“数智教育”大赛数据集，原始数据集共包含7张表：

• 1_teacher.csv：教师信息

• 2_student_info.csv：学生信息

• 3_kaoqin.csv：考勤主表

• 4_kaoqintype.csv：考勤类型码表

• 5_chengji.csv：成绩信息

• 6_exam_type.csv：考试类型

• 7_consumption.csv：消费信息

本次实验聚焦“考勤主题”，分析以上7张数据表，可以发现与考勤行为直接相关且能支撑多维度分析的表为以下3张表：

• 3_kaoqin.csv：考勤主表，核心事实表，记录每次考勤行为

• 4_kaoqintype.csv：考勤类型码表，提供考勤行为的标准化名称，是行为标签生成的关键

• 2_student_info.csv：学生信息表，提供学生基础属性（住校、性别等），支撑维度拆分

这三张表形成了“事实表 + 维度表 + 属性表”的完整星型模型结构，各表核心作用及关键字段如下

3.2 标签字段说明

学生考勤主题标签可分为三类：学生基础属性标签、学生画像维度标签和考勤行为指标标签。

3.2.1 学生基础属性标签

选表依据：这些字段是学生的基础身份信息，主要从学生信息表（2_student_info）获取。考勤主表中也包含部分学生信息，可作为交叉验证。这些基础属性是后续分维度统计的核心依据。

示例用途：可按性别分析男生与女生的迟到考勤差异，可按政治面貌分析不同群体的考勤行为特点。

3.2.2 学生画像维度标签

选表依据：这三个标签字段属于衍生维度，原始数据中没有直接提供，需要根据班级名称和住校字段进行二次加工。年级维度有助于学校按年级进行考勤管理和对比分析；住校维度用于区分住校生与走读生，两者的考勤行为模式存在差异；校区类型维度源于数据说明中提到的2017-2018年新校区启用，管理规则可能不同。

示例用途：可按住校状态分析走读生是否更容易迟到，可按校区类型对比新旧校区的校服穿戴规范执行情况。

3.2.3 考勤行为统计标签

选表依据：这四类异常考勤行为是学校日常学生管理的核心关注点。迟到和早退反映学生的时间管理能力和纪律意识，请假次数可用于区分正常缺勤与异常缺勤，校服穿戴是学校行为规范的重要考核项。根据数据说明中的描述，“校服[移动考勤]”特指未穿校服的情况。

示例用途：可分析学生不同异常考勤次数，判断考勤风险等级。

3.3 标签处理口径

所有标签口径统一固化，确保统计结果准确可比，具体如下：

3.3.1 基础属性字段处理口径

3.3.2 衍生维度字段处理口径

3.3.3 考勤行为指标统计口径

统计口径设计理由：

• 排除请假记录：请假属于正常缺勤，不应计入迟到或早退的违规统计，避免重复计数和误判。

• 请假全覆盖：只要考勤事件名称中包含“请假”关键词，无论事假、病假或其他类型，均计入请假次数。

• 校服违规唯一识别：根据数据说明中的描述，考勤类型中的“校服[移动考勤]”明确指未穿校服，因此包含“校服”关键词的记录即为违规。

二、实验步骤

1.创建实验项目

点击 “新建项目”，输入项目名称 “学生用户画像标签构建”

点击 “确定”，创建成功后即可在数据集成页面看到新创建的项目。

2.数据资源获取

为方便后续的数据使用，我们可以将原始数据导入我们的团队私有数据库。

项目创建成功后点击该项目右上角“…”，点击“打开项目”。

在项目页面，可以看到左侧有3个菜单：资源库、文件库、元数据

• 资源库用于对工作流的管理，包括新建、删除、修改、查看工作流的信息；导出导入工作空间；调度管理等操作

• 文件库用于保存工作流中需要用到的文件和工作流产生的文件

• 元数据管理是助睿ETL的重要基石，可以为工作流定义“运行配置”、“数据库”、“flink集群”等配置

2.1 获取实验数据集

首先获取本次的实验数据集：点击“文件库”，右键根目录，点击“新建目录”

输入目录名称为“数智教育数据集”，点击“确定”

接下来我们将公共空间的数据资源导入到这个目录下

点击公共空间，点击“数据资源”，点击3_kaoqin.csv卡片右上角的“更多”，并点击“导出”

在弹出的窗口中选择导出到刚刚新创建的目录下，点击“确定”

可以看到在数智教育数据集的目录下，新增了3_kaoqin.csv

接下来重复以上导出操作，将本次实验用到的数据表4_kaoqintype.csv和2_student_info.csv都导出到“数智教育数据集”

2.2 建立数据源连接

在元数据tab页，关系数据库右键打开菜单，选择“新建数据源”。

弹出新建数据库连接窗口，连接类型选择MySQL，用户名和密码使用助教提供的账号和密码。服务器主机名使用助教提供的数据库连接地址rm-2vc3qok06bag39a5n.mysql.c-chengdu.rds.aliyuncs.com，端口号为3306，数据库名为助教提供的数据库名称，驱动类型选择MySQL 8+，连接名称为“团队私有数据库”。

完整参数参考如下：

填写完毕后，点击“测试”按钮验证填写信息是否正确，如果填写无误，会返回“数据库连接成功”。

最后，点击“添加”增加了一个数据库连接。添加成功后，关系数据库节点会增加一个子节点。

2.3 数据导入团队私有数据库

2.3.1 原始考勤记录表数据导入

（1）创建原始_学生考勤表

新建转换工作流，并命名为“创建原始_学生考勤表”，在该工作流中拖拽“执行一个SQL脚本”组件，通过执行SQL脚本来创建一个标签表。

配置说明：在组件中填写SQL脚本，选择目标数据库连接“团队私有数据库”，确保脚本执行权限。

SQL脚本如下：

其他参数使用默认选项，完成后组件配置如下：

完成后运行转换流，运行过程会定时刷新组件状态，并在画布下面显示执行日志。

（2）导入原始考勤数据

新建转换工作流，并命名为“导入原始考勤数据表”，在该工作流中拖拽一个“CSV文件输入”组件到画布。

• 双击CSV文件输入组件，在步骤名称中输入“考勤记录”。

• 点击文件名后的“浏览文件”按钮，在弹出的窗口中选择3_kaoqin.csv，点击“确定”。

• 列分隔符和封闭符使用默认参数，编码选择UTF-8。

• 下滑在字段表格中空白处右键点击“获取字段”。

• 字段获取成功后点击 “确认”

接下来拖拽一个 “表输出” 组件到画布，并创建 “考勤记录” CSV 文件输入组件到 “表输出” 组件的连线，连线类型选择 “主输出步骤”

双击 “表输出” 组件，基本配置中，数据库连接选择 “团队私有数据库”，目标表输入我们使用 SQL 组件创建的 “raw_attendance”

具体配置如下：

点击 “数据库字段”，在空白处右键 “获取字段”

将表字段修改为建表语句中对应的字段，点击 “确认”

完成后运行转换流，运行过程会定时刷新组件状态，并画布下面显示执行日志。

2.3.2 原始考勤类型表数据导入

参照“4.2.3.1 原始考勤记录表数据导入”小节的实验操作，完成原始考勤类型表4_kaoqintype.csv数据导入到团队私有数据库。

其中的建表SQL为：

特别说明：使用CSV文件输入组件时，考勤类型原始表的列分隔符和考勤表的不一样，在配置中，列分隔符为“插入制表符（TAB）”、编码为“GB2312”

表输出组件的配置与“4.2.3.1 原始考勤记录表数据导入”小节的一样：

配置完成后执行转换流，运行过程会定时刷新组件状态，并画布下面显示执行日志。

2.3.3 原始学生基本信息表数据导入

参照“4.2.3.1 原始考勤记录表数据导入”小节的实验操作，完成原始学生基本信息表2_student_info.csv数据导入到团队私有数据库。

其中的建表SQL为：

CREATE TABLE IF NOT EXISTS `raw_student_info` (

`id` bigint NOT NULL AUTO_INCREMENT COMMENT '自增ID',

`stu_id` varchar(64) NOT NULL COMMENT '学生ID',

`stu_name` varchar(100) DEFAULT NULL COMMENT '学生姓名',

`stu_sex` varchar(10) DEFAULT NULL COMMENT '性别',

`stu_nation` varchar(50) DEFAULT NULL COMMENT '民族',

`born_date` varchar(10) DEFAULT NULL COMMENT '出生日期（年）',

`cla_name` varchar(100) DEFAULT NULL COMMENT '班级名',

`native_place` varchar(200) DEFAULT NULL COMMENT '家庭住址',

`residence_type` varchar(50) DEFAULT NULL COMMENT '家庭类型',

`policy` varchar(50) DEFAULT NULL COMMENT '政治面貌',

`cla_id` varchar(64) DEFAULT NULL COMMENT '班级ID',

`cla_term` varchar(30) DEFAULT NULL COMMENT '班级学期',

`live_on_campus` varchar(10) DEFAULT NULL COMMENT '是否住校',

`leave_school` varchar(10) DEFAULT NULL COMMENT '是否退学',

`dormitory_no` varchar(50) DEFAULT NULL COMMENT '宿舍号',

`create_time` datetime DEFAULT CURRENT_TIMESTAMP COMMENT '入库时间',

PRIMARY KEY (`id`),

UNIQUE KEY `uk_student_id` (`stu_id`),

KEY `idx_cla_id` (`cla_id`)

) COMMENT='原始_学生信息表';

执行创建原始_学生信息表转换流：

使用“CSV文件输入”组件输入2_student_info.csv数据

获取字段时，需要将”bfleaveSchool"的字段类型修改为"String"

特别说明：bf_zhusu、bf_qinshihao这2个字段是Integer，为避免出现小数，需要使用“字段选择”组件来固化并规范。

拖拽“字段选择”组件到画布中，创建“CSV文件输入”组件到“字段选择”组件的连线，连接线类型选择“主输出步骤”。

双击“字段选择”组件，在配置窗口中，点击“元数据”，并在空白处插入2行，将bf_zhusu、bf_qinshihao字段的元数据设置如下：

使用“表输出”组件将2_student_info.csv数据输出到团队私有数据库的raw_student_info中：

执行转换流:

2.3.4 创建学生考勤主题标签表

新建转换工作流，并命名为“创建学生考勤主题标签表”，在该工作流中拖拽“执行一个SQL脚本”组件，通过执行SQL脚本来创建一个标签表。

配置说明：在组件中填写SQL脚本，选择目标数据库连接“团队私有数据库”，确保脚本执行权限；

SQL脚本如下：

其他参数使用默认选项，完成后组件配置如下：

完成后运行转换流，运行过程会定时刷新组件状态，并画布下面显示执行日志。

3.学生考勤主题标签构建

3.1 数据转换逻辑说明

转换流遵循“数据接入—清洗整合—维度拆解—标签标记—指标计算—结果落地”的核心逻辑：

• 数据接入：接入考勤原始打卡表、考勤类型码表、学生信息基础表

• 数据整合：多表关联，给原始打卡记录绑定学生班级、住校属性、考勤事件名称

• 标签标记：通过考勤事件名称自动识别迟到、早退、请假、未穿校服等行为

• 指标计算：按日核算在校时长，按多维度聚合统计各类异常次数

• 结果落地：统一写入考勤统计结果表，供报表、查询、分析直接使用

整体逻辑流程：

各组件作用：

3.2 数据接入：获取考勤记录、考勤类型数据、学生信息数据

首先，我们需要获取考勤记录、考勤类型数据、学生信息数据。考勤记录表记录了每位学生每天的考勤行为，考勤类型表定义了每种考勤行为对应的类型名称（如正常考勤、没穿校服等），学生信息表提供了学生是否住校的核心属性。只有将这三份数据分别接入并后续关联起来，才能完整判断学生的每次考勤是正常还是违纪，同时支撑住校相关维度的统计。

1. 切换到资源库，同样右键根目录，点击“新建转换流”

2. 输入转换流名字“学生考勤主题标签”，点击“确定”

3. 创建成功后进入转换流设计页面

4. 转换流设计页面每次打开都是锁定状态，需要解锁后才可编辑转换流，点击🔓图标进行解锁

   

5. 点击“组件库”，搜索“表输入”，拖拽3个表输入组件至画布中

   

6. 双击第一个表输入组件，在配置窗口中，步骤名称修改为“考勤记录”，数据库连接选择“团队私有数据库”，并点击“获取SQL查询语句”。

7. 在数据库中选择raw_attendance原始_学生考勤表，系统提示弹窗中点击“确认”，获取raw_attendance考勤记录表的所有字段。

8. 获取SQL查询语句后，点击“确认”。

同样的，参考以上步骤，将“表输入1”和“表输入2”组件分别命名为“考勤类型”和“学生信息”，分别获取raw_attendance_type考勤原始_考勤类型表和raw_student_info原始_学生信息表所有字段数据。

3.3 数据关联：关联考勤记录+考勤类型

使用表输入组件读取考勤记录、考勤类型数据后，需通过记录集连接组件完成数据关联，补充关键业务信息，为后续指标计算奠定基础。

使用记录集连接组件，将考勤主表与考勤类型码表关联——因为考勤记录表只有考勤类型ID (attendance_type_id) 和考勤任务顺序ID (control_task_order_id)，缺少具体的考勤行为名称，而通过记录集连接组件进行连接，即可为每条考勤记录补充“正常考勤”“没穿校服”“迟到”“请假”等具体行为信息，确保后续能准确识别各类考勤行为。

具体操作如下：

1.在组件库搜索“记录集连接”组件，并将组件拖拽至画布中。

2.创建“考勤记录”表输入组件到记录集连接组件的连接线。

3.在建立连接线时，会出现“排序需要”的提示。这是由于记录集连接组件是按接收数据的顺序进行记录关联的，如果接收的数据是无序的，可能会造成记录连接结果出错。

4.为避免因为排序问题造成连接结果出错，添加一个排序记录组件到转换流的“考勤记录”与“记录集连接”之间。

5.双击“排序记录”组件，通过“获取字段”功能获取字段列表，然后删除多余字段，只保留attendance_type_id、attendance_task_order_id字段。设置步骤名称为“按照考勤类型和考勤任务类型排序”。

创建“考勤类型”表输入组件到记录集连接组件的连接线。由于“考勤类型”组件的记录默认是按attendance_type_id、attendance_task_order_id这两个字段升序记录的，所以无需再次排序。

1. 双击记录集连接组件，在下拉列表中选择需要连接的数据来源，第一个Transform选择“按照考勤类型和考勤任务类型排序”，第二个Transform选择“考勤类型”，连接类型选择LEFT OUTER。

2. 点击第一个Transform的连接字段中的“获得连接字段”按钮，获取考勤记录的字段。

3. 获取第二个Transform的连接字段。

4. 两个Transform字段中仅保留attendance_type_id、attendance_task_order_id字段，表示使用这两个字段进行记录连接。

5. 删除完多余字段后，点击“确认”。

3.4 行为标签衍生：统计学生异常考勤次数

通过JavaScript脚本生成考勤行为二进制标记，为后续聚合统计提供支撑，确保标签判断精准。具体操作如下：

添加“JavaScript代码”组件，对接“记录集连接”组件的输出，通过关键词匹配，生成二进制判断标签（1=是，0=否），用于后续指标聚合。

双击“JavaScript代码”组件，命名为“提取异常考勤记录”，在Script1中输入JavaScript脚本：

点击“测试脚本”按钮，确认标记字段（isLate、isEarly、isLeave、isNoUniform等）仅存在1和0两个值，标签判断准确（如迟到记录对应isLate=1，正常出勤对应0），无异常。

预览数据：可以看到新增的isLate、isEarly、isLeave、isNoUniform字段，符合预期。

3.5 多维度分组聚合统计

按两大统计维度聚合数据，将明细数据转化为统计指标，满足多层级考勤管理需求。具体操作如下：

聚合规则：

• SUM(迟到标记) → 迟到次数（late_count）

• SUM(早退标记) → 早退次数（early_count）

• SUM(请假标记) → 请假次数（leave_count）

• SUM(没穿校服标记) → 没穿校服次数（no_uniform_count）

操作步骤：

添加“分组”组件，并建立连接线，连线选择“主输出步骤”。

双击“分组”组件，设置分组字段为stu_id、stu_name、cla_id、cla_name。

设置聚合字段为"late_early_count”、"leave_count”、"no_uniform_count”、"compliant_count”、

"total_attendance"

3.6 关联学生信息

基于上述结果，使用记录集连接组件，关联学生信息表——因为考勤记录表仅包含学生ID和班级ID，缺少学生是否住校的核心属性，通过按学生ID关联学生信息表，可补全该属性，支撑住校相关维度的统计。

操作步骤：

1.为“学生信息”数据排序：添加“排序记录”组件，并建立“学生信息”表输入组件到“排序记录”组件的连接线。

2.双击“排序记录”组件，只保留stu_id字段，设置按stu_id升序排序，步骤名称设为“按照学生编号进行排序”。

3.拖拽“记录集连接”组件至画布中，创建“分组”组件到“记录集连接1”组件的连接线。

4.由于考勤记录数据不是按“学号”升序记录的，所以在进行记录关联前，也需要对数据进行排序。再次添加“排序记录”，并建立“记录集连接”组件到“排序记录”组件的连接线。

5.双击“排序记录”组件，步骤名称设置为“考勤数据按学号排序”，排序字段为stu_id。

6.创建“考勤数据按学号排序”记录排序组件到记录集连接1组件的连线，关联学生信息和考勤记录信息。

7.记录集连接1组件的第一个Transform选择“考勤数据按学号排序”，第二个Transform选择“按照学生编号进行排序”，连接类型选择LEFT OUTER。

8.点击第一个Transform的连接字段中的“获得连接字段”按钮，获取考勤记录和考勤类型关联后的字段。同样获取第二个Transform的连接字段。两个Transform的连接字段都只保留stu_id，表示使用stu_id进行左外连接。

9.点击“确认”，若删除错误，可重新获取连接字段再进行删除。

4 .字段选择：移除冗余字段

经过多表关联和前期接入，数据中会包含大量与考勤统计无关的字段（如学生信息表中的非必要属性），需要对关联后的数据进行冗余字段移除，因为这些冗余字段不仅会增加数据处理的负担，还可能导致后续聚合、计算出现干扰，只有移除冗余字段，保留核心有用字段，才能提升处理效率，确保统计逻辑清晰。

具体操作如下：

1.搜索“字段选择”，拖拽至画布中，创建“记录集连接1”组件到字段选择组件的连接线。

2.双击字段选择组件，在配置弹窗中，步骤名称输入“移除冗余字段”，点击“移除”Tab标签，右键空白处并点击“获取字段”。

3.在获取的字段中，删除以下核心字段外，其他字段保留（删除非核心字段，保留核心字段），为后续时间维度拆解和行为标签衍生奠定基础：

• 学生ID（stu_id）

• 学生姓名（stu_name）

• 班级ID（cla_id）

• 班级名称（cla_name）

• 迟到次数（late_count）

• 早退次数（early_count）

• 请假次数（leave_count）

• 没穿校服次数（no_uniform_count）

• 性别（stu_sex）

• 出生日期（born_date）

• 政治面貌（policy）

• 是否住校（live_on_campus）

4.在字段选择组件鼠标右键弹出菜单，点击“显示输出字段”，查看输出字段是否正确。

5 空值处理

3个数据表关联后，字段stu_sex、born_date、policy、live_on_campus存在空值，需要对这些空值进行处理。

拖拽“替换NULL值”组件至画布，创建“移除冗余字段”字段选择组件到“替换NULL值”组件的连线，连线类型选择“主输出步骤”。

双击“替换NULL值”组件，勾选“选择字段”。在字段空白表格中右键，点击“插入”。双击插入的行，字段名称选择stu_sex，继续插入行，将born_date、policy、live_on_campus、cla_id的空值均替换为“未知”。

6 学生基础属性标准化处理

经过多表关联与字段筛选后，原始数据中住校状态为编码值，且缺少年级、校区类型等画像分析必需字段，无法直接用于学生考勤标签输出与后续用户画像分析。因此需要对学生基础属性进行标准化映射、缺失字段衍生，统一数据格式、补齐分析维度，保证标签表规范可用。

6.1 住校状态映射

原始住校状态以数字形式存储，可读性差且存在空值，通过映射转换为规范文本并处理空值，使标签表更直观，同时满足住校/走读考勤对比分析的需求。

添加“值映射”组件到画布中，并创建替换NULL值组件到值映射组件的连线，并选择“主输出步骤”。

双击“值映射”组件，步骤名称改为“住校状态映射”，使用的字段名为live_on_campus，不匹配时的默认值为“否”。

在下方字段值表格空白处右键，点击“插入”，双击插入的行，在源值中输入0，目标值输入“否”，代表将原数据中的0统一映射为“否”；再插入一行，在源值中输入1，目标值输入“是”，并点击“确认”。

6.2 从班级名提取年级

原始数据无独立年级字段，无法按年级做考勤统计与画像分群，通过从班级名称中提取年级信息，补齐年级维度，支撑年级层面的考勤分析。

拖拽“JavaScript代码”组件至画布中，创建住校状态映射组件到JavaScript代码组件的连线。

双击“JavaScript代码”组件，步骤名称改为“从班级提取年级”，并输入以下代码：

接下来需要设置gra_name字段类型，在配置窗口的下方空白表格处右键，点击“插入”。字段名称输入gra_name，类型为String，替换“字段名”或“重命名”值选择“否”，设置完成后点击“确认”。

6.3 校区类型判定

原始数据无校区类型字段，不同校区管理口径与考勤规则存在差异，通过班级名称规则判定老校区/新校区，增加校区分析维度，使考勤标签更贴合校园实际管理场景。

参考“从班级名提取年级”步骤，添加“JavaScript代码”组件，命名为“校区类型判定”，输入的代码如下：

字段名称class_campus_type，类型为String，替换“字段名”或“重命名”值选择“否”。

7 结果入库

实验核心：将统计结果写入目标表，形成标准化台账，便于后续查询、分析和追溯。具体操作如下：

添加表输出组件，并创建“校区类型判定”JavaScript代码组件到表输出组件的连线。

双击表输出组件，选择“团队私有数据库”连接，目标表选择student_attendance_stats。

勾选“裁剪表”，这样表输出组件在插入数据前会清空原始表数据，避免重复插入。

勾选“指定数据库字段”，建立工作流字段与数据库表字段的映射关系。在“数据库字段”Tab页，右键选择“获取字段”，然后将流字段与目标表字段一一对应。

三、实验结果

1.执行转换流，点击工具栏中的“执行”按钮。

2.在弹出执行配置窗口中，选择默认配置，然后点击“启动”按钮，启动工作流。

3.查看日志，工作流执行后会打开日志页面，定期刷新工作流日志数据。

4.查看数据库结果：

• 打开“元数据”tab页，在“团队私有数据库”连接上右键选择“加载元数据”。

• 进入数据探查页面，展开“团队私有数据库”。

• 双击目标表student_attendance_stats，在右侧页面选择“查询”tab标签，查看数据库表数据是否符合预期。

四、问题与解决

问题1：CSV文件输入组件读取数据乱码

• 问题现象：导入4_kaoqintype.csv与2_student_info.csv时，中文显示为乱码，字段识别异常。

• 问题原因：文件编码不是UTF-8，而组件默认使用UTF-8读取，导致编码不匹配。

• 解决方法：在CSV文件输入配置里，将编码改为GB2312，列分隔符保持插入制表符（TAB），重新获取字段即可正常显示。

问题2：字段类型不匹配导致导入失败

• 问题现象：导入学生信息表时，bf_zhusu、bf_qinshihao出现小数，bf_leaveSchool字段报错。

• 问题原因：系统自动识别为数值型，实际应为整型或字符串，类型不兼容导致异常。

• 解决方法：

  1. 将bf_leaveSchool手动改为String类型；

  2. 使用字段选择组件，把bf_zhusu、bf_qinshihao指定为Integer，关闭宽松数字转换，固化类型。

问题3：记录集连接提示“排序需要”，关联结果错误

• 问题现象：连接考勤表与考勤类型表时，平台提示需排序，连接后数据缺失或重复。

• 问题原因：记录集连接要求两路输入数据按关联字段有序，无序会导致匹配失败。

• 解决方法：在连接前加入排序记录组件，按attendance_type_id、attendance_task_order_id排序后再连接。

问题4：JavaScript脚本字段未输出，统计为空

• 问题现象：脚本运行无报错，但isLate、isLeave等标记字段未出现在输出流。

• 问题原因：只写了脚本逻辑，未在组件下方添加输出字段，系统未注册变量。

• 解决方法：在脚本配置界面下方右键插入，添加gra_name、class_campus_type、isLate等字段，指定类型为String/Number。

问题5：空值导致后续统计与展示异常

• 问题现象：stu_sex、born_date、live_on_campus为空，标签表显示NULL。

• 问题原因：源数据存在缺失值，未做处理直接进入下游组件。

• 解决方法：使用替换NULL值组件，将这些字段的空值统一替换为“未知”。

问题6：表输出提示字段不匹配，入库失败

• 问题现象：运行到表输出时报错，目标表字段与流字段不一致。

• 问题原因：未勾选“指定数据库字段”，字段名或顺序不对应。

• 解决方法：勾选指定数据库字段，右键“获取字段”，手动核对并映射字段名。

五、实验总结

1.收获

1. 掌握ETL全流程：完成数据导入→多表关联→标签衍生→分组统计→结果入库。

2. 学会使用助睿平台核心组件：表输入、CSV文件输入、记录集连接、JavaScript脚本、分组、字段选择、替换NULL值、值映射、表输出。

3. 掌握考勤标签口径：迟到/早退/请假/未穿校服的识别逻辑与SUM统计。

4. 提升数据处理能力：能独立解决乱码、类型错误、空值、连接失败、字段不匹配等常见问题。

2.平台评价

本次实验使用助睿平台完成学生考勤主题标签构建，全程可视化拖拽，操作直观、日志清晰。在配置过程中发现，组件提示与报错定位准确，便于快速排错。遇到的编码、类型、排序等问题可以通过组件配置与预处理解决，平台稳定性好、适合教学与实战使用。