ETL参数化技巧:如何避免写一堆重复任务?

在配置ETL流程时,当我们遇到一些有增长规律的重复性任务,我们需要为每一张表配置一个组件,重复拉取配置相同的组件步骤使得任务变得繁杂,我们可以使用自增量组件+动态库表输入/输出组件结合的方式实现一个动态输入/输出组件就可以输入或输出多张表。

一、动态读取表

这里有一个场景,有多张相同表结构的表,他们的表名呈规律变化,比如是字符串+数字的形式,table1到table100,要把他们全部合并同步到一张大表里面,大表的表结构在源表的基础上增加一个字段,字段值记录该行数据的来源也就是从哪张源表同步到这张大表。

正常的情况是源表有多少张表就拉取多少个库表输入组件,指定源表是哪一张,并把它同步到目标表去。但这种方式就需要拉取100个库表输入,而这100个库表输入的配置也仅仅是表名不一样而已。这种情况我们就可以使用动态库表输入组件去简化配置:

设计一个这样的流程:

自增量组件配置:

变量组件配置:

动态库表输入组件配置:

数据源这里填写平台配置的数据源链接的数据源Id.

库表输出:

运行流程:

流程正常运行。

检查目标表:

数据正常整合过来。

二、动态输出表

数据库服务器压力大的情况下经常有分库分表的场景,有一张大表,需要根据某个维度比如年份去进行表拆分,通常的方式也是根据年份去拉取数据,然后拉取库表输出去输出一个子表,而这种情况下维度越大子表就越多,比如1990到2020要拆31个表,这种情况我们就可以使用动态库表输出去简化流程。

要将一张表按年份去拆分成多个表我们可以设置这样一个流程:

自增量组件配置:

接下来先配置库表输入:

变量组件配置:

运行流程:

自动建表成功:

检查每张目标表的数据没有问题

三、最后

本文介绍了两种ETL参数化技巧,核心在于利用自增量组件生成序列,通过变量组件动态拼接表名,最终由动态库表输入/输出组件执行批量操作:

动态读表:将多张规律命名的源表合并到一张目标表,避免为每张源表重复配置输入组件。

动态写表:将一张大表按维度拆分成多张子表,避免为每张目标表重复配置输出组件。

这种方法显著减少了ETL任务的组件数量,提升了配置效率与可维护性,特别适用于处理规律性强的批量化表操作。

相关推荐
高频因子挖掘机8 小时前
500只股票 × 多年日线:数据获取与本地存储如何分工?
后端·github·api
高频因子挖掘机9 小时前
别急着搭数据平台:量化策略开发如何用最小闭环验证想法
后端·github·api
张张123y9 小时前
# 后端第七课:FastAPI 实战入门(用刚学的 Python 写第一个 API 接口)
开发语言·python·mysql·api·fastapi
高频因子挖掘机16 小时前
实时行情与分钟 K 线如何协同?Python 量化系统的数据管道设计实践
后端·github·api
高频因子挖掘机17 小时前
跨市场回测为什么会出现隐蔽的数据错误?从标的映射到历史一致性
后端·github·api
FITA阿泽要努力1 天前
如何调用 LLM 接口
python·api·agent
DevOpenClub2 天前
营销物料如何批量生成又能回溯:二维码、截图和图片压缩任务设计
自动化·api·二维码
高频因子挖掘机2 天前
量化回测应该保存不复权数据吗?从数据口径到收益计算的工程实践
后端·github·api
高频因子挖掘机2 天前
实时行情为什么不应该逐只股票请求?批量查询与标的池管理实践
后端·github·api
余槐i2 天前
Ollama 长文档问答后半段全空:context 默认值与静默截断的代价
性能优化·大模型·api·rag·ollama