informatical lookup的使用详解

Lookup在ETL中是一种常见的操作，比如产品键到代理键的转换，ID到name的转换等，都可以通过lookup来实现。Informatica中的lookup transformation组件除了能实现这种普通的转换，还可以用来更新缓慢变化维等，功能可谓强大。本文根据Informatcia8.1的联机文档，简单介绍一下informatica的lookup transformation。
中英文名词对应：
•transformation:转换
•connected:连接的
•unconnected:未连接的
•cache:缓存

一、lookup的功能
•获得相关值：例如根据ID查找name
•执行计算：例如得到计算公式得到一个结果
•更新缓慢变化维：根据lookup的条件决定是插入还是更新记录等

二、rational lookups vs flat file lookups
lookup的源可以是关系数据库中的表，也可以是平文件。对于关系表，可以从source或者target中选择，也可以和平文件一样，通过import向导完成。

三、connected lookups vs unconnected lookups
informatica的转换可以分为连接的和非连接的两种。
所谓连接的转换，就是该转换是处于整个ETL的数据流中的，其输入ort是直接从另外一个转换，而非连接的，则独立于主数据流之外，通过其他转换中的表达式得到输入数据。
连接的lookup转换将处理数据流中的每一条数据，对于不符合lookup条件的，则输出预先指定的默认值,并且可以更新动态缓存。输出值是所有的output/lookup port。可以使用静态或者动态的缓存。
未连接的lookup转换只处理符合lookup条件的数据，并且只返回一个值。对于不符合条件的，输出NULL。未连接的lookup转换可以被多次调用。输出值在唯一的return port。只能使用静态缓存。

四、cache
informatica对于lookup使用了cache机制。服务器对于cache的处理流程大致如下：
开始处理第一条数据的时候，服务器会在内存中建立缓存，缓存的大小有lookup转换的一些属性决定。对于lookup条件，建立一个index cache，而对于输出值，则放在data cache中。
如果内存缓存大小不够，则会将溢出的缓存放到文件中。会话结束后，缓存会被清除，除非lookup缓存被设置为永久性的。
对于静态的cache，是不允许lookup转换对其进行更新的。而动态的cache，在lookup中如果发现不符合条件的值，可以对cache进行插入或者更新处理。
当然也可以选择不使用任何cache。

五、lookup transmation组件
lookup共有5个组件，也就是在lookup转换上点右键，选编辑后看到的5个标签页。实际上，基本上informatica所有的transformation都差不多是5个组件。
其中第一个transformation页签，第二个ports页签和第五个metadata extensions页签基本都差不多。只是lookup的port除了通常的I(input),O(output)外，还有L(lookup),R(return)。其中return port只能有一个，并且不能和其他转换直接连接，只能通过LKP:表达式获得。
第四个condition页签指定lookup的条件，实际上就是设置两个表的关联条件。
第三个properties是最重要的，可以在这里重写SQL来自定义lookup，设置符合条件返回多条记录时的处理方式，设置是否使用动态cache，以及cache的大小等等。

六、lookup tips
•在lookup条件列上创建index
•尽量使用=条件。如果有多个条件，尽量将=条件放到最前面
•对于小表，尽量使用cache，并且设置cache大小，使得整个table可以cache到内存中
•如果lookup的表和源表在同一个数据库中，并且cache不够大，那么尽量使用join而不是lookup
•对于静态的lookup，尽量使用永久cache(persistent cache),这样多个session可以重用。