一、实验概述

1.1 实验目的

1. 掌握助睿 ETL 软件基本操作：新建转换、添加组件、执行转换
2. 掌握核心组件使用：表输入、记录集连接、字段选择、过滤记录、表输出
3. 能够实现多表关联、数据过滤与分流处理

1.2 实验环境与平台

• 实验平台：助睿数智（Uniplore）数据集成平台
• 平台地址：https://lab.guilian.cn/
• 数据源：MySQL 数据库（business_analysis 库）
  • 源表 1：order_detail（订单详情表）
  • 源表 2：product（产品信息表）
• 输出形式：Excel 文件（盈利订单表、亏损订单表）
• 核心组件：表输入、记录集连接、字段选择、过滤记录、Excel 输出

1.3 实验流程

数据抽取→多表关联→字段清洗→数据分流→结果加载→数据验证

二、实验原理

2.1 ETL 核心概念

• 抽取（Extract）：从业务数据库、文件等源系统获取原始数据，支持全量 / 增量抽取。
• 转换（Transform）：对数据进行清洗、去重、格式标准化、关联计算、条件过滤，消除脏数据与异构问题。
• 加载（Load）：将规范后的数据写入目标库、文件或数据仓库，供分析与应用使用。
• 总的来说ETL 就是把散落在各处的 “原始数据”，加工成 “干净、统一、能用” 的数据，再放到目标地方的全过程。

2.2 关键技术点

1. 多表关联：通过主键 / 外键实现订单表与产品表的左连接，整合业务信息。
2. 数据清洗：剔除冗余字段、统一字段格式、处理空值与异常数据。
3. 数据分流：按业务规则（利润≥0/＜0）将数据拆分为不同输出。
4. 可视化流程：零代码拖拽组件，降低 ETL 开发门槛，提升可维护性。

三、实验步骤

3.1 平台登录与项目创建

1. 打开实验平台https://lab.guilian.cn/，完成账号登录。
2. 新建团队 / 项目，创建转换任务，进入可视化流程设计界面。
3. 第一次需创建，后续直接打开

3.2 数据抽取（Extract）

1. 拖拽表输入组件，配置 MySQL 连接，选择 business_analysis 库。
2. 分别读取 order_detail 与 product 表数据，预览确认数据无误。

3.3 数据转换（Transform）

1. 多表关联：添加记录集连接组件，以 product_id 为关联键，执行左连接，合并订单与产品信息。
2. 字段清洗：使用字段选择组件，保留订单编号、产品名称、销量、单价、成本、利润等关键字段，删除冗余 ID 与无用列。
3. 数据分流：添加过滤记录组件，设置分流规则：
   • 盈利订单：profit ≥ 0
   • 亏损订单：profit ＜ 0

3.4 数据加载（Load）

1. 拖拽Excel 输出组件，分别连接盈利、亏损分流端口。
2. 配置输出路径与文件名，执行转换任务，生成结果文件。

3.5总结

从订单明细表和产品信息表中抽取原始数据，通过记录集连接按产品 ID 进行多表关联合并，再通过字段选择移除重复字段、完成数据清洗；接着通过过滤记录组件按盈利条件将订单分流为两类，最后分别加载输出为盈利订单和亏损订单文件，实现了订单数据从抽取、整合、清洗、分流到落地的全流程自动化处理。

3.6 结果验证

1. 打开输出 Excel，检查字段完整性、数据准确性、分流正确性。
2. 核对记录总数，确保无丢失、重复、错分数据。

四、实验结果

1. 成功完成订单数据与产品数据的 ETL 全流程处理。
2. 输出两份标准 Excel 结果表：
   • 盈利订单表：包含所有利润≥0 的订单明细
   • 亏损订单表：包含所有利润＜0 的订单明细
3. 数据无缺失、无重复、无异常，字段格式统一，满足业务分析要求。

五、实验总结

本次实验完整复现了企业级 ETL 数据处理流程，从源数据抽取、多表关联、清洗转换到分流加载，覆盖数据工程核心环节。通过可视化工具实操，我深刻理解了 ETL 在数据仓库中的关键作用，掌握了零代码数据集成的基本方法，提升了数据质量管控与业务逻辑实现能力。

ETL 是数据仓库与数据分析的基石，规范的 ETL 流程可有效保障数据准确性、一致性与可用性，为后续报表开发、数据挖掘、经营决策提供可靠支撑。