数据集组合

本文将为您介绍数据流的数据集组合的功能说明与具体操作。

1. 行拼接

同类型的业务数据，可能来自不同的下属公司、门店，即便在同一组织，也存在不同数据源的数据集。例如超市有多种支付方式：现金、银联、移动支付等，导致决策者、IT部门在末端获取的数据集来源众多。行拼接则可以把同业务不同来源的数据拼接在一起。

在实际应用中，首先通过列编辑中的“选择列”操作符，对一批数据进行规范化处理，并以此作为规范化的数据集为保留版。其他同业务数据通过“行拼接”操作符，整合成更加规范全面的数据集。

举例：

如上图所示为两个来源不同的数据集，但是字段完全相同。

如图在进行行拼接时，可以选择保留列的情况，如保留所有列、仅保留公共列或者保存任意数据集的所有列。

得到拼接结果后，可以在左上区域内，点击某一数据集下的数字查看对应数据集保留了哪些字段。

在数据流的创建中，提供针对数据流的“行拼接”的节点数量配置功能。规范数据流的创建，能够避免因操作不当引起的系统运行异常问题。

具体操作：管理员设置-运维管理-参数配置，数据流参数配置-最大支持“行拼接”节点数。（可配置范围：1-50。新客：默认10，已使用客户：默认无限制）。当创建时如果超出限制，则会进行提示。

功能说明：“关联数据”可以通俗理解为“列拼接”，不同的是，关联数据需要找到双方数据集中相同的关联列进行拼接；并且拼接的形式也比较多样，最终呈现的数据集也可以自定义列，具体如下：

举例：

如图两个数据集分别为项目信息“去重”后的数据集和项目月进度，对于项目信息而言项目编号为唯一主键。

我们想要对项目信息中的项目按照项目月进度中的信息进行补全，因此选择以“项目编号”为关联字段进行内连接。