テートギャラリーのアーティストのレコードを重複除去して選択

ソース、Field selectorプロセッサー、デスティネーションを伴うパイプライン。

始める前に

ソースデータを保管するデータセットが追加済みであること。

field_selector-artists.zipファイルをダウンロードして抽出します。ロンドンにあるテートギャラリーのアーティストのデータセット(名前、生年月日、日付、テートWebサイト内の紹介URLなど)が含まれていますが、中には重複している名前もあります。
接続および処理済みデータを保管する関連データセットも作成済みであること。

ここでは、テスト接続に保存されたファイルを使います。

手順

[Pipelines] (パイプライン)ページで[Add pipeline] (パイプラインを追加)をクリックします。新しいパイプラインが開きます。
パイプラインに意味のある名前を付けます。
例
Select deduplicated artists
[ADD SOURCE] (ソースを追加)をクリックし、開いたパネルでソースデータ(この場合は一部重複しているテートのアーティストのリスト)を選択します。
データセットを選択し、[Select] (選択)をクリックしてパイプラインに追加できるようにします。
必要であれば名前を変更します。
をクリックし、パイプラインにField selectorプロセッサーを追加します。設定パネルが開きます。
プロセッサーに意味のある名前を付けます。
例
select fields with distinct
重複が除去され、異なる値を持つフィールドのみが返されるよう、[Distinct] (個別)オプションを有効にします。
[Simple] (シンプル)モードで[Edit] (編集)アイコンをクリックし、[Select fields] (フィールドを選択)ウィンドウを表示します。
1. アーティスト名に関連するフィールドを選択して名前を変更する場合は、[Input] (入力)リストでnameを選択し、[Output] (出力)リストにfull_nameと入力します。
2. アーティストの誕生年に関するフィールドを選択して名前を変更する場合は、[Input] (入力)リストでyearOfBirthを選択し、[Output] (出力)リストにyear_of_birthと入力します。
3. アーティストの逝去年に関するフィールドを選択して名前を変更する場合は、[Input] (入力)リストでyearOfDeathを選択し、[Output] (出力)リストにyear_of_deathと入力します。
[Save] (保存)をクリックして設定を保存します。

プロセッサーのプレビューに注目し、選択と重複除去の操作前と操作後のデータを比較します。アーティスト名の重複が除去され、異なる値を持つフィールドのみが返されるようになります。
[ADD DESTINATION] (デスティネーションを追加)をクリックし、再編成済みのデータを保持するデータセットを選択します。
必要であれば名前を変更します。
Talend Cloud Pipeline Designerの上部ツールバーで[Run] (実行)ボタンをクリックするとパネルが開き、実行プロファイルを選択できるようになります。
リストで実行プロファイルを選択し(詳細は実行プロファイルをご覧ください)、[Run] (実行)をクリックしてパイプラインを実行します。