Este procedimiento describe la forma de utilizar una etapa Intraflow Match para identificar grupos de registros dentro de un origen de datos único (como por ejemplo un archivo o tabla de base de datos) que se relacionan entre sí con base en los criterios de cruce especificados por usted. El flujo de datos agrupa los registros en colecciones y escribe las colecciones en un archivo de salida.
-
Arrastre hacia el lienzo una etapa Match Key Generator y conéctela a la etapa de origen.
Por ejemplo, si está utilizando una etapa de origen Read from File, su flujo de datos tendrá ahora el siguiente aspecto:
Match Key Generator crea una clave no exclusiva para cada registro, que posteriormente se puede usar en las etapas de comparación a fin de identificar grupos de registros potencialmente duplicados. Las claves de cruce facilitan el proceso de comparación al permitir la agrupación de registros por clave de cruce y posteriormente solo comparando los registros al interior de estos grupos.
-
Arrastre hacia el lienzo una etapa Interflow Match y conéctela a la etapa Match Key Generator.
Por ejemplo, si está utilizando una etapa de origen Read from File, su flujo de datos tendrá ahora el siguiente aspecto:
-
Arrastre hacia el lienzo la etapa receptora y conéctela a la etapa Generate Match Key.
Por ejemplo, si estuviese utilizando la etapa receptora Write to File, su flujo de datos tendría el siguiente aspecto:
Ahora tiene un flujo de datos que cruzará registros de un origen único.
Ejemplo de Cruce de registros en un origen único de datos
En su calidad de administrador de datos de una empresa de tarjetas de crédito, usted desea analizar su base de datos de clientes y averiguar cuáles direcciones figuran varias veces y con qué nombres, a fin de poder reducir a un mínimo la cantidad de ofertas repetidas de tarjetas de crédito que se envían al mismo hogar.
Este ejemplo demuestra la forma de identificar a los miembros de un mismo hogar por medio de la comparación de información al interior de un único archivo de entrada y la generación de un archivo de salida que contenga solamente un registro por hogar.
La etapa Read from File lee datos que contienen tanto registros únicos por cada hogar como registros que posiblemente correspondan al mismo hogar. El archivo de entrada contiene nombres y direcciones.
Match Key Generator genera una clave de cruce, la cual se trata de una clave no exclusiva compartida por registros afines que identifica registros como posibles duplicados.
La etapa Intraflow Match compara registros que tienen la misma clave de cruce y marca cada registro ya sea como registro único o como uno de varios registros correspondientes al mismo hogar.
Conditional Router envía registros que son colecciones de registros de cada hogar a la etapa Filter, que filtra cada uno de los archivos correspondientes a cada hogar, salvo uno, el cual envía a a la etapa Stream Combiner. La etapa Conditional Router envía además registros únicos a Stream Combiner en forma directa.
Por último, la etapa Write to File genera un archivo de salida que contiene un registro por cada hogar.