陳亞東 鮮國建 趙瑞雪 劉現(xiàn)武 郭淑敏

摘要：蘋果是高附加值的果品，也是世界四大水果之一。蘋果產(chǎn)業(yè)在千余年的發(fā)展過程中，積累了豐富的數(shù)據(jù)資源，這些資源也是產(chǎn)業(yè)數(shù)據(jù)分析的基礎(chǔ)和關(guān)鍵。由于蘋果產(chǎn)業(yè)的數(shù)據(jù)來源豐富、結(jié)構(gòu)各異，因此，數(shù)據(jù)的集成和共享還存在一定的難度，對數(shù)據(jù)進(jìn)行整合十分必要。以國家科技圖書文獻(xiàn)中心篇名含“蘋果”的數(shù)據(jù)資源為材料，以基于ETL-KETTLE的數(shù)據(jù)轉(zhuǎn)換模式為研究方法，提出面向蘋果產(chǎn)業(yè)數(shù)據(jù)整合的思路。結(jié)果表明，基于ETL-KETTLE的數(shù)據(jù)整合法則，可以分析蘋果產(chǎn)業(yè)多源異構(gòu)數(shù)據(jù)的關(guān)鍵節(jié)點(diǎn)、過濾和清洗噪音數(shù)據(jù)、發(fā)現(xiàn)和解析多源數(shù)據(jù)的字段，最后通過表輸出完成題目、摘要、關(guān)鍵詞等字段的統(tǒng)一，從而實現(xiàn)蘋果產(chǎn)業(yè)數(shù)據(jù)的整合。將基于ETL-KETTLE模式的整合方法應(yīng)用于蘋果產(chǎn)業(yè)，可以為產(chǎn)業(yè)數(shù)據(jù)的重組與共享提供科學(xué)的工具，為數(shù)據(jù)的高效獲取和有效組織表達(dá)提供新的思路和方法，助力蘋果產(chǎn)業(yè)的科技創(chuàng)新，提升蘋果產(chǎn)業(yè)的國際競爭力。

關(guān)鍵詞：蘋果產(chǎn)業(yè);ETL;KETTLE;數(shù)據(jù);整合;應(yīng)用

中圖分類號： S126;TP311.13? 文獻(xiàn)標(biāo)志碼： A? 文章編號：1002-1302（2019）10-0230-05

蘋果是世界四大水果之一，也是果品市場上的重要消費(fèi)品，蘋果產(chǎn)業(yè)在我國農(nóng)業(yè)經(jīng)濟(jì)發(fā)展中長期占有重要的地位[1]。蘋果產(chǎn)業(yè)的數(shù)據(jù)資源較為豐富且類型多樣，用戶需要的數(shù)據(jù)通常以不同的格式分散存儲在不同的網(wǎng)頁或者數(shù)據(jù)庫中[2]，因此蘋果產(chǎn)業(yè)數(shù)據(jù)的集中訪問和集成共享還存在一定的難度，尚未形成一套科學(xué)系統(tǒng)的數(shù)據(jù)處理方式和方法，有待于從微觀層面進(jìn)一步解決數(shù)據(jù)的集成統(tǒng)一問題，以實現(xiàn)異質(zhì)數(shù)據(jù)的標(biāo)準(zhǔn)化輸出，為蘋果產(chǎn)業(yè)數(shù)據(jù)的共享復(fù)用奠定基礎(chǔ)。ETL即數(shù)據(jù)的抽取-轉(zhuǎn)換-裝載，是用于解決多源異構(gòu)數(shù)據(jù)集成的一系列過程，也是獲取高質(zhì)量數(shù)據(jù)的關(guān)鍵[3]。KETTLE是ETL的一種開源工具，能夠?qū)?shù)據(jù)進(jìn)行穩(wěn)定抽取，可以提供面向不同行業(yè)的數(shù)據(jù)集成解決方案[4]，郭丹等通過構(gòu)建KETTLE過程模型，對煙卷銷售數(shù)據(jù)進(jìn)行整合與挖掘，為煙草行業(yè)的決策提供數(shù)據(jù)基礎(chǔ)[5]。李云松利用KETTLE開源軟件，對小型和微型企業(yè)的數(shù)據(jù)進(jìn)行整合，可以在同一個平臺得到共享，滿足后臺用戶對數(shù)據(jù)的查詢和管理需求[6]。尹曉楠等基于KETTLE進(jìn)行研究，使整個企業(yè)的生產(chǎn)數(shù)據(jù)工具對北京市水務(wù)數(shù)據(jù)進(jìn)行提取與轉(zhuǎn)換，實現(xiàn)了北京水務(wù)普查數(shù)據(jù)的整合和無縫對接，提高了普查工作的精確度[7]?；谙嚓P(guān)的技術(shù)模型和前人的成功經(jīng)驗，本試驗以蘋果產(chǎn)業(yè)的數(shù)據(jù)整合為目標(biāo)，基于ETL的開源軟件KETLLE對蘋果產(chǎn)業(yè)數(shù)據(jù)的標(biāo)準(zhǔn)化整合及其應(yīng)用進(jìn)行研究，以期為我國蘋果產(chǎn)業(yè)數(shù)據(jù)共享和知識檢索提供數(shù)據(jù)基礎(chǔ)。

1 材料與方法

1.1 數(shù)據(jù)材料

（數(shù)據(jù)）材料來源于國家科技圖書文獻(xiàn)中心（NSTL，http：//www.nstl.gov.cn），以題目含有“蘋果”為檢索詞進(jìn)行檢索，檢索后所得到的數(shù)據(jù)為本研究的材料，這些數(shù)據(jù)資源涵蓋了蘋果產(chǎn)業(yè)數(shù)據(jù)的主要組成，具有代表性和可獲取性。

1.2 研究方法

1.2.1 ETL過程簡述 ETL是數(shù)據(jù)轉(zhuǎn)換的一個關(guān)鍵環(huán)節(jié)，是多元數(shù)據(jù)集成的有效方法，其含義是從多個數(shù)據(jù)源抽取數(shù)據(jù)，通過數(shù)據(jù)的抽取、轉(zhuǎn)換和加載等相關(guān)規(guī)則轉(zhuǎn)換成最后所需要的數(shù)據(jù)格式，最后裝載到對應(yīng)的數(shù)據(jù)庫中（圖1）。ETL技術(shù)的關(guān)鍵點(diǎn)主要有3個方面：第一是數(shù)據(jù)抽取，這是數(shù)據(jù)轉(zhuǎn)化的前提條件，其過程是將數(shù)據(jù)從各種原始的數(shù)據(jù)中首先讀取出來;第二是數(shù)據(jù)的轉(zhuǎn)換，按照相關(guān)的規(guī)則將多源異構(gòu)數(shù)據(jù)進(jìn)行格式和結(jié)構(gòu)統(tǒng)一;第三是數(shù)據(jù)的裝載，將轉(zhuǎn)換后形成統(tǒng)一格式的數(shù)據(jù)批量導(dǎo)入到數(shù)據(jù)倉庫中進(jìn)行存儲[8]。ETL技術(shù)與數(shù)據(jù)倉庫相比較，能夠有效地集成數(shù)據(jù)，避免了數(shù)據(jù)倉庫不能對數(shù)據(jù)進(jìn)行修改而只能進(jìn)行數(shù)據(jù)增加的弊端，可以靈活實現(xiàn)數(shù)據(jù)的刪除和修改，實用性更強(qiáng)[9]。

1.2.2 KETTLE過程簡述 KETTLE是構(gòu)建數(shù)據(jù)集成解決方案的ETL工具，也是ETL的一種開源工具，它的本意是將不同格式的數(shù)據(jù)注入到同一個數(shù)據(jù)庫中，經(jīng)過數(shù)據(jù)的處理與轉(zhuǎn)換之后，成為統(tǒng)一格式的數(shù)據(jù)進(jìn)行輸出。KETTLE提供了一個圖形化的工作界面及相應(yīng)的對象設(shè)置來描述用戶的任務(wù)需求，用戶在使用過程中對KETTLE內(nèi)部的數(shù)據(jù)處理過程可以一無所知[6]。作為數(shù)據(jù)整合的重要工具，KETTLE能夠?qū)Σ煌袷降臄?shù)據(jù)進(jìn)行接收和輸入，包括XML、ACCESS、Cube、Excel等，數(shù)據(jù)被接收以后，在相應(yīng)的法則下可以進(jìn)行源數(shù)據(jù)結(jié)構(gòu)分析、清洗以及解碼，最后實現(xiàn)數(shù)據(jù)的整合[10]。

2 基于ETL-KETTLE模式的數(shù)據(jù)轉(zhuǎn)換

2.1 數(shù)據(jù)的抽取與輸入

在國家科技圖書文獻(xiàn)中心（NSTL）系統(tǒng)中抽取篇名含有“蘋果”的數(shù)據(jù)，其XML樣本的片段截圖如圖2所示。數(shù)據(jù)抽取完成后，使用KETTLE工具對數(shù)據(jù)進(jìn)行接收，將所有被抽取的XML（也可支持CSV、Excel等更多格式）文件進(jìn)行結(jié)構(gòu)解析。數(shù)據(jù)抽取的過程包括數(shù)據(jù)剖析、增量數(shù)據(jù)捕獲以及數(shù)據(jù)抽取3個環(huán)節(jié)[11]。數(shù)據(jù)剖析過程主要是對源數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)以及數(shù)據(jù)的內(nèi)容進(jìn)行分析，如不同數(shù)據(jù)的字段規(guī)律等;增量數(shù)據(jù)的捕獲主要是實現(xiàn)增量的抽取，其關(guān)鍵點(diǎn)是如何準(zhǔn)確快速地捕獲變化的數(shù)據(jù);數(shù)據(jù)抽取則是對源數(shù)據(jù)的獲取，不同數(shù)據(jù)源的數(shù)據(jù)須要經(jīng)過合并后才能存入到數(shù)據(jù)倉庫中，在數(shù)據(jù)抽取完成后，這些數(shù)據(jù)都會被臨時存入數(shù)據(jù)的一個中轉(zhuǎn)區(qū)域。

2.2 數(shù)據(jù)的轉(zhuǎn)換

2.2.1 數(shù)據(jù)轉(zhuǎn)換原理 KETTLE在實際工作過程中是通過工作流的方式來完成數(shù)據(jù)轉(zhuǎn)換的，按照工具中預(yù)先設(shè)置好的工作步驟，逐步對數(shù)據(jù)流的操作進(jìn)行處理。數(shù)據(jù)轉(zhuǎn)換的過程主要包括對數(shù)據(jù)進(jìn)行節(jié)點(diǎn)分析、過濾清洗以及映射匹配3個步驟，KETTLE工具基于XML數(shù)據(jù)轉(zhuǎn)換的工作原理圖如圖3所示，將XML的原始文件輸入以后，KETTLE能夠解析XML文件的文檔結(jié)構(gòu)，并過濾清洗噪音數(shù)據(jù)，通過對各文件中關(guān)鍵詞等組合進(jìn)行自動分析，將各文檔的關(guān)鍵字段自動解析并進(jìn)行不同來源文件的映射匹配，最后將作者姓名、作者工作單位、摘要等信息解析出來，利用KETTLE的內(nèi)部轉(zhuǎn)換公式進(jìn)行統(tǒng)一格式的表輸出。

2.2.2 節(jié)點(diǎn)解析 數(shù)據(jù)的節(jié)點(diǎn)解析是指對數(shù)據(jù)的有效性以及節(jié)點(diǎn)結(jié)構(gòu)的分析，從而提高數(shù)據(jù)的有效性和可靠性。KETTLE能自動解析XML文件的結(jié)構(gòu)，主要是經(jīng)過以下3種驗證：XML驗證是檢驗文件是否為形式正確的XML文檔，主要是檢驗語法的正確性;DTD驗證是檢驗文件是否為有效形式的XML文檔，保證XML格式的正確和有效;XSD驗證為XML結(jié)構(gòu)定義，目的是檢查XML文檔是否符合其要求。驗證成功之后，KETTLE可以列出XML來源文件中的標(biāo)簽節(jié)點(diǎn)名稱和對應(yīng)的XPath路徑（圖4），利用KETTLE可以將所有含“蘋果”數(shù)據(jù)中的關(guān)鍵詞、作者、通信地址、標(biāo)題、DOI等信息節(jié)點(diǎn)通過路徑解析出來。

2.2.3 數(shù)據(jù)清洗 數(shù)據(jù)清洗的目的是發(fā)現(xiàn)并糾正數(shù)據(jù)文件中可識別的錯誤，把不合規(guī)則的數(shù)據(jù)進(jìn)行處理和過濾，包括檢查數(shù)據(jù)的一致性、處理無效值和缺省值等[12]。在數(shù)據(jù)的輸入與輸出之間，必須對數(shù)據(jù)進(jìn)行過濾、去質(zhì)量、替換內(nèi)容等數(shù)據(jù)清洗工作，這類數(shù)據(jù)包括同名的錯誤數(shù)據(jù)、噪聲數(shù)據(jù)，諸如唯一標(biāo)識符、標(biāo)題、作者等有些必備內(nèi)容為空的數(shù)據(jù)，這些數(shù)據(jù)必須進(jìn)行過濾和刪除;還有些數(shù)據(jù)并不是很完整，意義不大，這部分?jǐn)?shù)據(jù)則須要根據(jù)具體的情況來處理;對于內(nèi)容有誤的錯誤數(shù)據(jù)也要進(jìn)行及時的清洗和過濾，否則會影響數(shù)據(jù)資源的準(zhǔn)確性和科學(xué)性;還有一類數(shù)據(jù)叫作數(shù)據(jù)冗余即重復(fù)的數(shù)據(jù)，這類數(shù)據(jù)會占用一部分內(nèi)存，造成數(shù)據(jù)空間的浪費(fèi)，因此也要進(jìn)行清洗。

2.2.4 映射匹配 映射匹配主要是將原數(shù)據(jù)類型及其值的含義映射成為符合目標(biāo)數(shù)據(jù)的類型與含義的數(shù)據(jù)過程[13]。基于KETTLE工具對數(shù)據(jù)進(jìn)行解析和過濾之后，可以指定轉(zhuǎn)換后的目標(biāo)數(shù)據(jù)輸出，如指定統(tǒng)一存放的關(guān)系型數(shù)據(jù)庫對應(yīng)的表，同時可以指定XML文件中節(jié)點(diǎn)名稱與數(shù)據(jù)庫表結(jié)構(gòu)字段的對應(yīng)關(guān)系，從而將來源數(shù)據(jù)中的字段與目標(biāo)數(shù)據(jù)庫中的字段進(jìn)行映射匹配。通過映射匹配，轉(zhuǎn)換后的數(shù)據(jù)由異構(gòu)變成結(jié)構(gòu)化數(shù)據(jù)，不同來源的文件在摘要、DOI、標(biāo)題、起始頁碼等字段進(jìn)行映射匹配，實現(xiàn)多源異構(gòu)數(shù)據(jù)的結(jié)構(gòu)化匹配。

2.3 數(shù)據(jù)的輸出

經(jīng)過數(shù)據(jù)的抽取和轉(zhuǎn)換，不同來源與不同結(jié)構(gòu)的數(shù)據(jù)在基于ETL-KETTLE的轉(zhuǎn)換中實現(xiàn)了數(shù)據(jù)結(jié)構(gòu)與節(jié)點(diǎn)解析、噪聲清洗與字段匹配，異構(gòu)數(shù)據(jù)通過相同的節(jié)點(diǎn)與流字段進(jìn)行重組，從而實現(xiàn)了數(shù)據(jù)的共享和復(fù)用。數(shù)據(jù)輸出的結(jié)果如圖5所示，所有的XML數(shù)據(jù)經(jīng)過整合以后，原始的數(shù)據(jù)集群按照新的數(shù)據(jù)結(jié)構(gòu)重新輸出，字段類型包括文章的篇名、語言種類、摘要、頁碼等，數(shù)據(jù)輸出后可通過相關(guān)的工具直接裝載和導(dǎo)入到所需的數(shù)據(jù)庫中，為科研人員及不同需求的用戶提供快速與全面的產(chǎn)業(yè)數(shù)據(jù)服務(wù)。

3 基于數(shù)據(jù)整合的應(yīng)用

3.1 檢索服務(wù)與知識服務(wù)

基于ETL-KETTLE的整合方法，蘋果產(chǎn)業(yè)的數(shù)據(jù)可以同構(gòu)化在一個平臺實現(xiàn)共享，提供基于產(chǎn)業(yè)數(shù)據(jù)的檢索服務(wù)和知識服務(wù)。如輸入專家的名字“劉鳳之”進(jìn)行檢索，可以檢索到其發(fā)表的科技文獻(xiàn)、項目報告、成果專利等，滿足用戶對于知識獲取的需要，減少用戶通過不同來源獲取不同類型數(shù)據(jù)的時間成本。同時，以檢索詞為中心的數(shù)據(jù)間的關(guān)系能夠進(jìn)一步被發(fā)現(xiàn)，形成知識立方，幫助用戶發(fā)掘潛在的需求。如專家劉鳳之的研究方向、工作機(jī)構(gòu)、研究的品種與相關(guān)的栽培技術(shù)等可以形成知識網(wǎng)格，為檢索用戶提供更深層次的知識服務(wù)（圖6）。

3.2 生產(chǎn)指導(dǎo)

通過產(chǎn)業(yè)數(shù)據(jù)進(jìn)行整合，可以將栽培生產(chǎn)的知識都載入到數(shù)據(jù)庫中，在用戶提問的過程中首先激活數(shù)據(jù)庫中的知識，通過過程性的推理來滿足生產(chǎn)者的作業(yè)需求。數(shù)據(jù)整合在生產(chǎn)指導(dǎo)上的應(yīng)用，可以從很大程度上提高蘋果生產(chǎn)的品質(zhì)和產(chǎn)量，輔助農(nóng)戶解決生產(chǎn)問題。例如，果農(nóng)在蘋果的生產(chǎn)中遇到一種病害，但并不知道病害的名字，只了解病害發(fā)病的癥狀，想快速獲取病害防治的方法，可以根據(jù)系統(tǒng)的提示輸入發(fā)病的部位和選擇相關(guān)的癥狀，系統(tǒng)根據(jù)輸入的內(nèi)容與數(shù)據(jù)庫中的信息進(jìn)行匹配返回給用戶進(jìn)行選擇，直到最后實現(xiàn)系統(tǒng)的反饋條件與所輸入的條件完全匹配，即可獲得相關(guān)的解決方案（圖7），讓農(nóng)民足不出戶就能得到指導(dǎo)，提高生產(chǎn)效益。

3.3 統(tǒng)計分析

基于ETL-KETTLE數(shù)據(jù)整合的方法，還能夠?qū)崿F(xiàn)蘋果產(chǎn)業(yè)各類數(shù)據(jù)的統(tǒng)計分析。以2010—2014年的病害和蟲害數(shù)據(jù)為基礎(chǔ)，數(shù)據(jù)來源于全國蘋果病蟲害防控協(xié)作網(wǎng)、國家蘋果產(chǎn)業(yè)技術(shù)體系、中國蘋果網(wǎng)、科技文獻(xiàn)，將整合結(jié)果去質(zhì)量后可以得出我國蘋果四大產(chǎn)區(qū)主要發(fā)生的病蟲害。對四大產(chǎn)區(qū)的病蟲害發(fā)生情況（表1）進(jìn)行分析，可以為我國蘋果產(chǎn)業(yè)的栽培生產(chǎn)與病蟲害防治提供支持，也可為生產(chǎn)預(yù)警和災(zāi)害預(yù)測提供依據(jù)。對于各個產(chǎn)區(qū)病蟲害發(fā)生的分析，可以對于我國病蟲害的防治、各個地區(qū)天敵引入以及產(chǎn)區(qū)之間的協(xié)調(diào)發(fā)展與栽培品種調(diào)整起到很好的指導(dǎo)作用。

4 結(jié)論與討論

隨著“互聯(lián)網(wǎng)+農(nóng)業(yè)”時代的到來，信息化已逐漸融入到農(nóng)業(yè)領(lǐng)域的各個產(chǎn)業(yè)，不斷滿足用戶對于信息和知識的需要[14]。在大數(shù)據(jù)時代下，圍繞蘋果產(chǎn)業(yè)發(fā)展的突出問題和薄弱環(huán)節(jié)，充分運(yùn)用數(shù)據(jù)理念、創(chuàng)新的思路和方法，可以快速、全面和準(zhǔn)確地獲取產(chǎn)業(yè)數(shù)據(jù)，推動產(chǎn)業(yè)的科技創(chuàng)新和轉(zhuǎn)型升級。數(shù)據(jù)整合作為我國蘋果產(chǎn)業(yè)在信息化建設(shè)中的基礎(chǔ)環(huán)節(jié)和重點(diǎn)環(huán)節(jié)，其整合程度會影響到蘋果產(chǎn)業(yè)數(shù)據(jù)的捕獲能力以及決策支持的精準(zhǔn)度。本研究將ETL-KETTLE技術(shù)應(yīng)用到蘋果產(chǎn)業(yè)，以ETL技術(shù)為核心，利用KETTLE工具，驗證和實現(xiàn)蘋果產(chǎn)業(yè)多源異構(gòu)數(shù)據(jù)的轉(zhuǎn)換與重組，推動產(chǎn)業(yè)數(shù)據(jù)的共享和利用，有效避免了用戶反復(fù)查找數(shù)據(jù)帶來的時間與成本的浪費(fèi)，提升了蘋果產(chǎn)業(yè)數(shù)據(jù)應(yīng)用與服務(wù)的信息化能力。經(jīng)過ETL-KETTLE整合后的數(shù)據(jù)可以存儲在數(shù)據(jù)庫和不同的服務(wù)器中，在相應(yīng)的功能模塊實現(xiàn)蘋果產(chǎn)業(yè)的科技文獻(xiàn)、專利、科研報告等多類型的數(shù)據(jù)錄入與查詢，基于整個產(chǎn)業(yè)鏈條來完成數(shù)據(jù)的共享與利用，為政府部門決策支持和市場主體生產(chǎn)經(jīng)營的決策提供普惠式的服務(wù)。

本試驗也存在一定的不足之處：首先，在操作中所涉及的數(shù)據(jù)語言類型只有1種，沒有針對中英文等多語言的數(shù)據(jù)集成整合進(jìn)行進(jìn)一步的深入研究，期望其在以后會有更多的學(xué)者來探討和研究。其次，在此只是選取了部分?jǐn)?shù)據(jù)作為材料，驗證該方法在蘋果產(chǎn)業(yè)數(shù)據(jù)整合的可行性，基于此方法，可應(yīng)用于更多來源數(shù)據(jù)的整合研究。基于數(shù)據(jù)整合后的應(yīng)用，這里的知識闡述了3個方面并作了案例分析，在實踐的過程中還可以在其他方面來進(jìn)一步拓展。未來的數(shù)據(jù)整合會朝著優(yōu)化ETL-KETTLE流程的方向發(fā)展，完善數(shù)據(jù)清洗和轉(zhuǎn)換的過程，從而提高數(shù)據(jù)整合的質(zhì)量。同時，基于本研究對蘋果產(chǎn)業(yè)數(shù)據(jù)整合的思路與工具，也可應(yīng)用于小麥、玉米、番茄等其他類別的農(nóng)業(yè)領(lǐng)域，期望后續(xù)有更多的學(xué)者關(guān)注和加強(qiáng)農(nóng)業(yè)領(lǐng)域產(chǎn)業(yè)數(shù)據(jù)的整合研究，為產(chǎn)業(yè)的健康可持續(xù)發(fā)展提供基礎(chǔ)數(shù)據(jù)資源保障。

參考文獻(xiàn)：

[1]韓明玉，馮寶榮. 國內(nèi)外蘋果產(chǎn)業(yè)技術(shù)發(fā)展報告[M]. 楊凌：西北農(nóng)林科技大學(xué)出版社，2011.

[2]陳亞東，孟憲學(xué)，趙瑞雪，等. 我國蘋果產(chǎn)業(yè)科學(xué)數(shù)據(jù)建設(shè)初探[J]. 果樹學(xué)報，2016，33（6）：719-726.

[3]張 瑞. ETL數(shù)據(jù)抽取研究綜述[J]. 軟件導(dǎo)刊，2010，9（10）：164-165.

[4]張欣宇. 基于Kettle的數(shù)據(jù)傳輸平臺的設(shè)計與實現(xiàn)[D]. 大連：大連理工大學(xué)，2016.

[5]郭 丹，樊 紅. 基于ETL-KETTLE的貴州卷煙營銷大數(shù)據(jù)分析及可視化[J]. 計算機(jī)系統(tǒng)應(yīng)用，2017，26（1）：74-80.

[6]李云松. 小微企業(yè)數(shù)據(jù)整合中ETL工具Kettle的應(yīng)用[J]. 菏澤學(xué)院學(xué)報，2014，36（2）：19-22.

[7]尹曉楠，鄒曉濤，張 冬. 基于kettle的北京市水務(wù)普查數(shù)據(jù)的提取與轉(zhuǎn)換[J]. 中國水利，2013（21）：57-59，42.

[8]王克龍，王 玲，王平立，等. 數(shù)據(jù)倉庫中ETL技術(shù)的探討與實踐[J]. 計算機(jī)應(yīng)用與軟件，2005，22（11）：30-31，78.

[9]廉 博. 數(shù)據(jù)倉庫中ETL技術(shù)的研究與實現(xiàn)[D]. 沈陽：沈陽工業(yè)大學(xué)，2006.

[10]崔友洋，崔有文. 基于ETL-Kettle的中藥飲片企業(yè)商業(yè)智能研究[J]. 產(chǎn)業(yè)與科技論壇，2014，13（22）：47-50.

[11]崔有文，周金海. 基于KETTLE的數(shù)據(jù)集成研究[J]. 計算機(jī)技術(shù)與發(fā)展，2015，25（4）：153-157.

[12]王曰芬，章成志，張蓓蓓，等. 數(shù)據(jù)清洗研究綜述[J]. 現(xiàn)代圖書情報技術(shù)，2007（12）：50-56.

[13]鄧盼盼，常 春. 基于精確匹配的概念映射關(guān)系規(guī)則研究[J]. 圖書情報工作，2013，57（16）：25-29.

[14]許世衛(wèi)，王東杰，李哲敏. 大數(shù)據(jù)推動農(nóng)業(yè)現(xiàn)代化應(yīng)用研究[J]. 中國農(nóng)業(yè)科學(xué)，2015，48（17）：3429-3438.