数据源
Smartbi提供了四种数据源用于数据输入，分别是文本数据源、关系数据源、示例数据源、数据集，支持从这几个数据来源中导入数据。Smartbi支持从以下几个数据来源中导入数据：
名称
使用说明
数据集是指从Smartbi中读取数据集中的数据
节点 |
|---|
说明 | |
|---|---|
| 文本数据源 | 文本数据源是指将HDFS读取的csv等数据文件导入到Smartbi中。 |
| FTP数据源 | FTP数据源是指通过FTP方式读取数据。 |
| Kafka数据源 | Kafka数据源是指从kafka读取数据。 |
| 关系数据源 | 关系数据源是指从Smartbi关系数据源中读取的库表数据。 |
| 示例数据源 | 示例数据源是指从系统中读取内置的示例数据源。 |
| 数据查询 | 数据查询是指新建或编辑数据模型的私有查询，然后将新建的私有查询转换为表放到高速缓存库中作为数据源。 |
| 数据集 |
数据集是指从Smartbi中读取数据集中的数据。
| ||
| Excel文件/读取Excel sheet | Excel文件数据源是指将Excel文件中的数据导入到Smartbi中。 |
目标源
Smartbi提供了2种方式用于数据的输出，分别是关系目标源（追加）、关系目标源（覆盖）、关系目标源（插入或更新）、导出数据到HDFS。
数据预处理
自助ETL拥有强大的数据处理功能，对各种结构化数据，可进行排序、去重、映射、行列合并等处理，满足客户日常数据处理的需要。
使用数据预处理可以：
1、提高数据的质量。
2、让数据更好地适应特定的挖掘技术或工具。
| 名称 | 使用说明 |
|---|---|
| 过滤 | 根据用户需求，通过写SQL语句(片段)的方式，对数据集中指定字段进行条件筛选过滤。 |
| 列选择 | 列选择节点用于从输入数据集中选取指定的数据字段。 |
| 空值处理 | 空值处理节点是将空值替换为均值、最大频数或者用户自定义的值等，实现空值的填充或者过滤。 |
| 合并列/合并行 | 将表的数据按列或按行合并，组成新表。 |
| 元数据编辑 | 元数据编辑支持对数据集中的字段进行重新命名或者修改数据类型。 |
| JOIN | JOIN是基于连接字段和给定的连接方式，进行两个数据集字段的组合后得到新的数据表。 |
| 行选择 | 行选择是根据不同的筛选或者删除条件，选择不同数量的行。 |
| 去除重复值 | 去除重复值是用于删除数据集中的重复行（假如有两行相同，保留其中一行）。 |
| 排序 | 排序节点可实现对单个字段或多个字段组合的升序或降序排序。 |
| 增加序列号 | 增加序列号节点是在数据表第一列追加ID列。 |
| 聚合 | 聚合可根据用户的需求对数据进行各种聚合运算。 |
| 分列 | 将字符串字段的内容进行分割。 |
| 派生列 | 派生列节点是用于在数据集中生成可行的新特征字段。 |
| 行转列/列转行 | 将数据表中的行转换成列或将列转换成行。 |
自定义模块
自定义模块是通过手动输入SQL或Python语言对数据进行数据处理、分析或查询。
| 名称 | 使用说明 |
|---|---|
| SQL脚本 | SQL脚本支持手动输入SQL语言完成对数据进行处理和查询的任务。 |
| 源库SQL脚本 | 源库SQL脚本支持一次手动输入多条SQL语言对数据库进行操作。 |
| PYTHON脚本 | 支持用Python语言编程实现数据处理、数据分析等功能。 |
