Capítulo 1 Poblar el Datamart

Transcripción

1 Capítulo 1 Poblar el Datamart Temas Poblar el Datamart. Herramientas de ETL- Integration Services Crear Proyectos SSIS- BIDS Creación de Paquetes Creación de Datasources Elementos Integration services SSIS está constituido por varios elementos que permiten construir aplicaciones de ETL complejas y flexibles. A continuación se presentan los elementos básicos de SSIS: Data Sources: Definen conexiones hacia los orígenes de datos. SSIS es capaz de conectarse con cualquier origen de datos accesible a través de proveedores.net y OLE DB. Data Source Views: Son documentos que definen la estructura de determinados objetos en el origen de datos. Los data source views permiten crear vistas parciales de la totalidad de los objetos en un origen de datos. Tasks: Una tarea (task) define una unidad de transformación o procesamiento de datos. Un tipo especial de tarea es el Data Flow Task (tarea de flujo de datos), que efectúa transferencias de registros entre varios tipos de orígenes de datos, que es el más utilizado para cargas de Inteligencia de Negocio Control flow: Permiten definir secuencias lógicas de transferencia de información. Por ejemplo, a través de los flujos de control, se pueden definir bucles que repitan varias veces una transferencia de datos. Containers: Las tareas de transformación se pueden agrupar en contenedores (containers).

2 Package: Todas las tareas y contenedores están contenidos dentro de un package (paquete) de SSIS. Un proyecto SSIS puede contener varios paquetes. La tarea Data Flow Task (Tarea de Flujo de datos) permite efectuar transferencias y transformaciones de datos. SSIS implementa diversos tipos de transformaciones: conversiones de tipos de datos, uso de tablas de lookup ( busquedas), agregaciones, etc. Ejercicio 1. En el siguiente ejercicio, se creará un proyecto SSIS que transferirá datos de un Excel hacia un SQL Server, hacia una tabla llamada Paciente, las fuentes en Excel estarán en C:\BI Para esto, se utilizará la transformación Data Flow Task. 1. En el menú Inicio, seleccione All Programs > Microsoft SQL Server 2008 > SQL Server Business Intelligence Development Studio. Se abrirá el entorno de desarrollo de.net. 2. En el menú File, seleccione New y luego seleccione Project. Aparecerán los distintos tipos de proyecto que se pueden crear. Seleccione la plantilla Integration Services Project. En la casilla Location, seleccione la ruta donde desea crear el proyecto. En la casilla Name, escriba Laboratorio 1. La ventana debe quedar como se muestra en la figura anterior. Presione el botón OK para crear el proyecto.

3 3. Aparecerá el entorno de desarrollo de proyectos de Integration Services. En la ventana del Solution Explorer, observe los elementos constituyentes del proyecto: Data Sources, Data Source Views, SSIS Packages y Miscellaneous. 4. El primer paso es la definición de un Data Source. En el Solution Explorer, seleccione el nodo Data Sources, dé un clic derecho y seleccione New Data Source: 5. Aparecerá la pantalla de bienvenida del asistente para la definición de orígenes de datos (Data Source Wizard). Presione el botón Next. Aparecerá la ventana de definición de conexiones con datos. 6. Para definir una nueva conexión con datos, presione el botón New. Aparecerá la ventana del Connection Manager. Seleccione el conector Native OLE DB\SQL Server Native Client 10.0, el servidor local y la base de datos Laboratorio(*), como se muestra en la siguiente figura: (*) Previamente se tiene que haber creado la base de datos Laboratorio en el servidor disponible

4 7. Presione el botón OK. A continuación, presione el botón Next. Aparecerá la ventana final del asistente. 8. A continuación se creará el primer paquete SSIS. Para esto, seleccione el nodo SSIS Packages en el Solution Explorer, haga un clic derecho y seleccione la opción New SSIS Package: 9. Obsérvese que se ha creado un nuevo paquete llamado Package1.dtsx. Para renombrarlo, haga un clic derecho sobre el paquete en el Solution Explorer y seleccione la opción Rename:CargarPaciente 10. El siguiente paso es definir las tareas de transformación. En Integration Services, estas tareas están representadas en los Tasks, cada uno de los cuales puede efectuar una labor específica

5 de procesamiento o transformación de datos. Estas tareas pueden visualizarse a través de la caja de herramientas (Toolbox) del entorno de desarrollo. Para visualizar el Toolbox, expanda el menú View, y seleccione la opción Toolbox: 11. En el toolbox, seleccione la tarea Data Flow Task y arrástrela hacia la ventana de diseño del paquete (en la parte central del entorno de desarrollo). Se creará una tarea llamada Data Flow Task. 12. A continuación, se renombrará la tarea de transformación. Para esto, seleccione la tarea Data Flow Task en el diseñador del paquete, y cambie su propiedad Name a Copiar Paciente en la ventana de propiedades (para abrir la ventana de propiedades, expanda el menú View y seleccione la opción Properties Window. La ventana de propiedades se abrirá en la parte inferior derecha, debajo del Solution Explorer).

6 13. Cada tarea de flujo de datos consiste en varias transferencias de información entre orígenes de datos. A continuación, se definirán los flujos de información al interior de la tarea Copiar Paciente. Para esto, haga un doble clic sobre la tarea Copiar Paciente. Se abrirá en el entorno de desarrollo la pestaña Data Flow. 14. En el Toolbox, expanda la pestaña Data Flow Sources, seleccione el ítem Flat File Source y arrástrelo sobre la ventana de diseño. Se creará un nuevo origen de registros llamado Data Reader Source.

7 15. Doble clik sobre el Flat File Connection Manager Editor, y luego hacer click en New 16. Haga doble clic sobre Flat File conection. Se abrirá la ventana Flat File Source Editor. Seleccione New y en Conection manager name escriba Origen Paciente. La pantalla debe quedar de la siguiente manera:

8 17. Haga doble clic sobre el browser. Se abrirá la ventana Abrir. Seleccione Paciente 18. Seleccione Column name in the firts data row. La pantalla debe quedar de la siguiente manera:

9 19. Seleccione Column. La pantalla debe quedar de la siguiente manera: 20. Seleccione Vista Previa. La pantalla debe quedar de la siguiente manera:

10 21. Seleccione Flat File Source. Clik derecho y seleccione rename escriba Origen Paciente. La pantalla debe quedar de la siguiente manera: 22. En el Toolbox, expanda la pestaña Data Flow Destinations. Seleccione el ítem OLE DB Destination y arrástrelo sobre la ventana de diseño. A continuación, conecte Origen Paciente con OLE DB Destination. La ventana del editor debe quedar como sigue: 23. Haga doble click sobre el destino OLE DB Destination para abrir su ventana de propiedades. Seleccione la opción Connection Manager del lado izquierdo de la pantalla, y establezca los siguientes valores para las propiedades:

11 Opción OLE DB Connection Manager Valor Seleccione Laboratorio 24. Haga doble Clik sobre Origen Paciente y seleccionar Error Ouput, seleccionar Truncamiento y seleccione todos los campos y seleccione Ignore Failure

12 25. Pulse el botón OK para aceptar los cambios y finalizar la configuración del destino de registros. 26. Para depurar el paquete, pulse el botón en la barra de herramientas del entorno de desarrollo, o seleccione la opción Start Debugging en el menú Debug. Al finalizar la ejecución, el entorno de desarrollo mostrará la transferencia de datos en la siguiente forma:

13 27. Luego verifique los datos cargados en el SQL Server Management Studio, realice un select a la tabla Carga Paciente 28. Para depurar nuevamente el paquete, pulse el botón en la barra de herramientas del entorno de desarrollo, o seleccione la opción Start Debugging en el menú Debug. Al finalizar el el resultado es 54 se está duplicando los registros. Entonces, hay que realizar una previa limpieza antes de realizar la carga.

14 29. Regresas a la pestaña del Control Flow y en la barra de Toolbox seleccione un Secuence Contener. Renombra el contenedor, colocar el Control Flow CargarPaciente dentro del contenedor. 30. En el Toolbox, seleccione el ítem Execute SQL Task, y arrástrelo sobre la ventana de diseño. La pantalla debe quedar de la siguiente manera: 31. Renombrar el Execute SQL Task como Limpiar Paciente, En la ventana de diseño, seleccione la tarea Limpiar Paciente. Seleccione la flecha verde que sale de esta tarea, y arrástrela sobre la tarea Copiar Paciente. Esto define una precedencia en el flujo de control del paquete, que establece que la tarea Limpiar Paciente debe ejecutarse antes de la tarea Copiar Paciente :

15 32. Para depurar nuevamente el paquete, pulse el botón en la barra de herramientas del entorno de desarrollo, o seleccione la opción Start Debugging en el menú Debug.