ETL 实验复盘：从 CSV 到学生画像标签表的完整转换流
项目创建与数据准备
新建项目“学生用户画像标签构建”。
文件库中新建目录“数智教育数据集”，将公共空间中的
3_kaoqin.csv、4_kaoqintype.csv、2_student_info.csv导出至该目录。元数据中新建 MySQL 数据源，连接名“团队私有数据库”，填写助教提供的主机地址、端口、数据库名、用户名密码，驱动选
MySQL 8+，测试通过后添加。
原始数据表创建与导入
分别执行以下建表 SQL（通过“执行一个SQL脚本”组件，选择“团队私有数据库”）：
raw_attendance（原始考勤记录表）raw_attendance_type（原始考勤类型表）raw_student_info（原始学生信息表）
导入数据：
考勤记录：
CSV文件输入→表输出。文件选3_kaoqin.csv，UTF-8，逗号分隔，输出至raw_attendance。考勤类型：
CSV文件输入→表输出。文件选4_kaoqintype.csv，列分隔符为制表符（TAB），编码 GB2312，输出至raw_attendance_type。学生信息：
CSV文件输入→字段选择→表输出。CSV 文件选2_student_info.csv，获取字段后将bf_leaveSchool类型改为String；在字段选择组件中将bf_zhusu、bf_qinshihao的元数据类型设置为Integer，输出至raw_student_info。
目标标签表创建
新建转换流，执行 SQL 创建
student_attendance_stats表（包含学生基本信息、迟到/早退/请假/未穿校服次数等字段）。
核心标签计算转换流（新建转换流“学生考勤主题标签”）
数据接入：三个表输入组件，分别读取
raw_attendance、raw_attendance_type、raw_student_info全部字段。考勤记录与类型关联：
考勤记录后接“排序记录”，按
attendance_type_id、attendance_task_order_id排序。排序结果与“考勤类型”表输入通过“记录集连接”（LEFT OUTER）关联，连接字段同为上述两个字段。
异常行为标记：添加 JavaScript 组件，编写脚本判断迟到、早退、请假、未穿校服，输出
isLate、isEarly、isLeave、isNoUniform（0/1）。按学生聚合：添加“分组”组件，分组字段
stu_id, stu_name, cla_id, cla_name；聚合函数 SUM 分别计算迟到次数、早退次数、请假次数、未穿校服次数。关联学生信息：
学生信息表输入后接“排序记录”（按
stu_id）。上一步聚合结果后接“排序记录”（按
stu_id）。二者通过“记录集连接”（LEFT OUTER）关联，连接字段
stu_id。
字段筛选：用“字段选择”组件移除冗余字段，保留：
stu_id, stu_name, cla_id, cla_name, late_count, early_count, leave_count, no_uniform_count, stu_sex, born_date, policy, live_on_campus。空值处理：用“替换NULL值”组件将
stu_sex, born_date, policy, live_on_campus的空值替换为“未知”。属性标准化：
值映射组件：将
live_on_campus的0映射为“否”，1映射为“是”，默认值“否”。JavaScript 组件“从班级提取年级”：根据
cla_name判断高一/高二/高三，输出字段gra_name。JavaScript 组件“校区类型判定”：班级名以“白-”或“东-”开头则为“新校区”，其他非空为“老校区”，输出字段
class_campus_type。
结果入库：连接“表输出”组件，选择“团队私有数据库”，目标表
student_attendance_stats，勾选“裁剪表”和“指定数据库字段”，建立字段映射。
执行与验证
运行主转换流，观察日志直至成功。
在元数据中刷新“团队私有数据库”，查询
student_attendance_stats表，确认数据符合预期。