排序记录帮助文档

排序记录步骤是根据指定的字段对数据升序或者降序进行排列后，输出到流中，步骤配置信息如图1所示。

            

 

                                                                图1 步骤配置信息

 

下文详细解释各控件的含义：

1、转换步骤名称：步骤的名称，在单一转换中，名称必须唯一。

2、排序目录：临时文件的存储路径 。海量数据排序时（输入行集容量超过第4个控件设置），不可能把所有数据都加载到内存来执行。这种情况下，Kettle会将数据分段缓冲，局部排序，并存入临时文件中。第2个控件正是设置缓冲区持久化存储的路径。可以用变量来获取，插件默认的变量是“%%java.io.tmpdir%%”，这个变量是获取操作系统缓存的临时目录，不同操作系统的缓存临时目录不一样，在Windows的缓存目录为：C:\Users\登录用户~1\AppData\Local\Temp\；Linux：/tmp。

3.临时文件前缀：设置一个可识别的前缀，以便文件在临时文件目录中时对其进行标识。

4.排序缓存大小（内存里存放的记录数）：设置缓存到内存中的行数。当读取的数据行数小于设置的数值时，则直接缓存在内存中，不会使用临时文件。当读取的数据行数大于设置的数值时，则会将数据存储在临时文件，此时如果没有设置临时文件则该步骤会报错。注：当输入的行数非常多，需要用临时文件来存储时，会根据此处设置的值来存储相应行数数据到单个临时文件。因此设置的值越大，创建并打开的临时文件就越少，该步骤就越快。

5.未使用内存缓存值（%）：未使用内存占JAVA虚拟机的百分比上限，默认值为25%。如果缓冲区行数达到第4个控件的设置或者剩余内存百分百小于此限制，都将执行局部排序操作。

6.是否压缩临时文件：勾选此项，对临时文件进行压缩。

7.是否传递非重复的记录（仅校验关键字）：勾选此项，可避免重复的记录被写到临时文件和结果里面，注：此项只校验指定关键字的唯一性。 

8.字段：

（1）字段名称：选择流中的字段，并根据该字段对数据进行排序。

（2）升序：指定排序的规则。

（3）大小写敏感：若排序字段的值存在大小写，此项选择：是，则将大写字母和小写字母默认为不同的字段值，并按照ASCII码进行排序；此项选择：否，则将大写字母和小写字母默认为相同的字段值，再与其余字段值进行排序。

（4）是否使用排序器基于当前的语言环境进行排序：根据不同的语言环境对字段值进行排序。例如：B在德语中的另一写法为：β，若当前语言环境为德语，排序的字段值为：A、β、C，此项选择为：“是”后，才可将β当做B，对数据排序为：A、β、C。

（5）排序器排序强度：排序强度分为0、1、2、3四个强度，对应的是PRIMARY，SECONDARY，TERTIARY和IDENTICAL这四个值，IDENTICAL强度表示能够被进行相同的处理的字符必须是一致的。TERTIARY通常用于忽略大小写差异。SECONDARY用于忽略变音符，如n和ñ。 PRIMARY与IDENTICAL相似也是基于字母之间差异，但是当处理控制字符和发音时还是有所不同。

（6）是否预先分组：此项是对排序字段先分组，再进行排序。若选择是，则默认输入流中的数据已分组，在此步骤不再分组；若选择否，默认输入流中的数据未分组，在此步骤就先分组再进行排序，如图2所示。

              

                                                                            图2