第三章：Transformation设计与开发

第三章：Transformation设计与开发

本章要回答的三个问题

• 转换内部数据是怎么从一步流到下一步的

• 有哪些输入、转换、输出步骤最常组合

• 为什么有些步骤要放在特定顺序

为什么单独设这一章

原理讲完，这一章正式动手画转换。它是全册使用频率最高的一章，因为日常 80% 的工作就是拼转换。我们把输入、转换、输出分三节讲，再加一节输出，便于按图索骥。

读完能解决什么

读完后你能独立搭出一个完整的抽取-清洗-加载转换，知道每个常用步骤该往哪放，也能解释为什么顺序错了会出问题。

各节分工

先决条件

需要第一章的组件认知和第二章的运行时概念。请打开 Spoon，准备跟着画一个读取订单表的小转换。

往下走到哪

转换解决「数据怎么洗」，第四章的作业解决「事情什么顺序做」，两者配合才是完整管道。

本章常见误区

误区一：把所有清洗都堆在转换里，导致单转换几十个步骤、图成一团线团。我们建议单转换步骤数控制在二十以内，超出就拆子转换由作业串联。

误区二：忽视「输入—转换—输出」三段职责，把控制权逻辑（如判断文件是否存在）混进转换。控制流属于作业，转换只应对数据。

误区三：不写步骤备注。复杂逻辑的「为什么」只存在于原作者脑子里，半年后无人能改。备注讲因果，是评审重点。

与邻章边界

第三章教你怎么画转换，但「为什么某步骤慢」要去第六章，「数据从哪连进来」在第五章，「转换被哪个作业调度」在第四章。第三章给的是构件，第四章给的是编排。

速查清单

• 结构：输入步骤 → 转换步骤 → 输出步骤，靠 hop 连成数据流
• 输入：表输入、文本文件输入、JSON/XML 输入、HTTP 输入等
• 转换：字段选择、值映射、过滤、排序、分组、JavaScript 等
• 输出：表输出、插入/更新、文本文件输出等
• 子转换：用映射步骤把一段逻辑封装复用

本章能产出的能力

读完你能独立画出一个完整的转换：从选定输入、安排转换步骤、到配置输出并验证行数一致。你还能判断某段逻辑该落在输入（下推 SQL）、转换（内存计算）还是输出（批量装载）哪一段，从而在源头控制复杂度。

为什么这一章不能跳过

跳过本章直接上项目，容易把转换画成一团线团：三十个步骤挤在一个图里，改一处牵动全身。我们坚持「输入—转换—输出」三段式，正是让复杂度可控。本章给的是构件，第四章给的是编排，没有构件编排就空谈。

本章最小上手练习

画一个「表输入→字段选择→值映射→表输出」的转换，每加一个步骤就预览一次，确认字段在变、状态在翻译。这个小练习把本章所有核心步骤串了一遍，也是全册最小可运行管道。

自测：你真的懂了吗

• 能否独立画出含输入、转换、输出三段的转换
• 能否判断某段逻辑该下推 SQL、留内存还是落批量输出
• 能否说清单转换步骤数超过多少就该拆

本章在你项目里的落点

落地第一件事：画一个「表输入→字段选择→值映射→表输出」的最小转换，每加一步就预览一次，亲手感受小步预览如何把排错前移。第二件事：当步骤数逼近二十时主动拆子转换，用映射步骤封装复用。这两步让复杂度始终可控，是后续所有清洗的地基。