Pentaho Spoon：将单表输入数据拆分导出至多个Excel文件

Hey Daniela, 我刚好处理过一模一样的需求，给你拆解下怎么用Pentaho Spoon实现按COLUMN1分组导出到独立Excel文件，尤其是你卡在的第二个转换步骤，一步步来：

一、先搭一个主Job来控制循环逻辑 #

首先我们需要先拿到COLUMN1的所有唯一值（a、b、c），然后逐个循环处理每个分组：

• 1. 创建一个小转换，命名为「获取唯一分组值」：
  • 拖入**「表输入」**（或你用来读取源数据集的组件），加载你的完整数据。
  • 接着拖入**「分组」**组件，分组字段选择COLUMN1，聚合类型选「无」（目的是去重得到唯一值）。
  • 最后拖入**「复制记录到结果」**组件，把去重后的分组值传递给Job。
• 2. 在主Job里：
  • 拖入**「转换」**组件，指向刚才的「获取唯一分组值」转换，执行后拿到所有分组key。
  • 拖入**「循环」**组件，设置循环来源为「从前一步的结果获取记录」，这样就会遍历每个唯一的COLUMN1值。
  • 拖入你说的「第二个转换」（用来处理单个分组导出），和循环组件连接起来，让每个分组都触发这个转换。

二、配置核心的分组导出转换（你卡壳的步骤） #

这个转换要接收Job传过来的当前分组值，过滤数据后导出到对应命名的Excel：

• 1. 拖入**「获取变量」**组件：
  • 循环时每个分组值会默认存在变量${FIELD_1}里（因为我们的唯一值列表只有COLUMN1这一个字段），你可以把它重命名为current_group，方便后续引用。
• 2. 拖入**「表输入」**组件：
  • 编写查询语句时加上过滤条件：SELECT COLUMN1, COLUMN2, COLUMN3, COLUMN4 FROM 你的表 WHERE COLUMN1 = ?
  • 在参数设置里，选择刚才的变量current_group，这样每次只读取当前分组的数据。
• 3. 拖入**「Microsoft Excel 输出」**组件：
  • 配置输出路径和文件名：比如/你的输出路径/${current_group}.xlsx，这样会生成a.xlsx、b.xlsx、c.xlsx三个文件。
  • 勾选「如果文件存在则覆盖」，避免重复执行时的文件冲突。
  • 映射好输出字段，确保和源数据的列一一对应。

小提示 #

• 如果你的数据集特别大，可以先对源数据按COLUMN1排序，再用**「排序后分组」**组件优化性能，不过你的示例数据量不大，上面的方法完全够用。
• 测试时可以先手动设置变量current_group为a，单独跑这个转换，确认输出正确后再执行完整的Job循环。

内容的提问来源于stack exchange，提问作者Daniela D