【技术分享】本文将针对FineReport报表开发过程中的困难，介绍FDL的完整解决方案，并讲解FDL如何
高效开发FineReport完成销售数据落库的实战案例！
快来关注好数连，获取更多关于跨库关联、列转行处理、复杂SQL处理的实用技巧！
|
FDL专题
|
FineReport报表开发的痛点 |
|
FineDataLink的解决方案
|
|
实战案例-销售系统数据处理和落库
|
跨库关联处理
|
|
数据列转行
|
|
复杂SQL处理
|
如果你还想学习更多FineDataLink应用技巧，一起成为技术达人！可以点击：FineDataLink学习路径 (qq.com)
学完就可以通过帆软FCA认证考试哦！（产品最新版本：最新功能DEMO快速体验）
FineReport报表开发的痛点
在工作中，很多业务人员会使用FineReport进行数据可视化和报表开发。通常情况下，业务人员会用报表工具直接连接业务系统数据库，在报表内的sql数据集进行数据清洗和加工，或者在报表单元格内写过滤条件实现跨库数据关联。遇到从API接口读取数据的情况，就用FineReport的程序数据集进行代码开发。数据处理完毕之后，再把报表样式设计好，测试通过就可以上线使用了。
这样做非常方便快捷，给业务人员节省了很多时间，但是这种模式存在不少问题：
问题一
长期使用报表工具直连业务库的形式，很容易造成性能问题，由于报表工具直连数据库，数据的读取请求完全依赖于业务库，当数据量增大、计算逻辑变得复杂时，业务系统和报表前端都会面临很大性能压力。遇到数据录入的高发期，系统的高负荷运转会造成严重的卡顿，甚至出现宕机的风险，大大影响工作效率。
问题二
FineReport不支持跨数据库取数，因此在面对跨库取数的场景时，业务人员需要编写复杂的程序代码来实现，开发成本高、取数速度慢。尤其是当企业内数据开发者逐渐增加，通过sql语法来还原业务加工过程，会产生大量难理解、难运维的sql语句；如果注释再不详细，新员工面对成山的代码真的毫无头绪，数据运维非常麻烦。
问题三
报表数据集无法被引用和关联，无法进行数据集的复用，大大降低了报表开发的效率。并且当某个业务指标需要更改时，业务人员需要修改指标涉及的所有报表内的数据集，徒增很多重复的工作量。
FineDataLink的解决方案
针对上述问题，FineDataLink提供了完整的解决方案：
- 切断报表和业务数据库的直接依赖，将报表里面的数据处理工作转交给FineDataLink来做，通过FineDataLink进行数据的提取、清洗和转换的步骤，将预处理好的数据落入中间库，前端从中间库直接获取结果表，实现业务系统读写分离，很大程度上缓解了性能压力，避免业务系统和报表互相影响，提高报表开发效率。
- 对于数据逻辑处理，FineDataLink提供了简易的画布开发模式和丰富的可视化算子，业务人员无需再花费大量时间去编写复杂的代码，使用可视化的操作就可以完成大部分的数据处理任务；对于一些复杂的数据处理场景，FineDataLink中的Spark SQL、Python算子以及SQL、Shell、Bat脚本也为业务人员提供了灵活的使用选择。
面对接口取数的情况时，FineDataLink中的JSON解析、XML解析算子仅需使用鼠标点击的方式就可以完成数据解析。另外，如果之前的数据任务都是使用Kettle来做的，业务人员可以使用FineDataLink提供的Kettle调用功能，将历史Kettle任务集成到FineDataLink统一进行管理。
-
关于运维的问题，FineDataLink清晰的开发流程让新人也能很快理解数据任务逻辑，非常容易上手。同时FineDataLink提供了智能的系统和任务运维机制，包括调度计划、失败重试、结果通知、负载管理、宕机处理等，大大减少了人工运维的成本，省力又省心。
FineDataLink & FineReport 组合应用流程
实战案例-销售系统数据处理和落库
下面我们用一个案例来说明FineDataLink与FineReport的组合应用。
销售系统数据库中存放着订单、销售明细和年度资产分类等信息。现在我们要对这些数据进行处理，并用处理好的数据进行报表展示。
一、跨库关联处理
销售系统数据库中存放着订单表，应用库中存放着订单明细表，现在要将这两张表，通过「订单ID」主键关联后落库到应用库中。
1）新建任务，使用数据转换，拖入DB表输入算子将两个表的数据分别取出。
2）新增一个「数据关联」算子，将两个数据表输入连接至「数据关联」算子，点击连接方式和连接字段进行选择，即可进行跨库关联制作新的数据表，不需要编写任何代码。
3）对关联好的数据表进行字段设置，例如去掉重复字段。
4）使用DB表输出算子，将制作好的数据表并输出到应用库中即可。
二、数据列转行
销售明细表中包含了每个产品在不同省份的销售金额数据，我们希望对数据进行列转行，计算每个省份的销售总额后落入应用库中。
1）新建 ETL 任务，使用数据转换，拖入DB表输入将销售系统库中的「销售明细」取出。
2）使用「列转行」算子对「销售明细」数据进行转换，开发人员无需编写SQL，仅需输入字段名称，点击选择转换字段，即可将二维表地区销售数据转为一维表。
3）此时希望对已经列转行的数据继续进行处理，计算每个城市的总销售金额，可以使用「Spark SQL」算子，编写 SQL 语句进行操作。
4）数据处理完成后，使用DB表输出将数据输出到应用库中即可。
三、复杂SQL处理
使用数据同步将销售系统中的「年度资产分类表」进行复杂 SQL 处理后，输出到应用库中。
1）新建 ETL 任务，添加「数据同步」，在数据来源中编写SQL 语句进行取数。
2）在数据去向与映射中，将查询好的数据输出至应用库中即可。
使用数据同步可以大大提高取数速度，缓解数据加载缓慢问题。
四、任务调度管理
数据处理的任务设置好后，我们希望能够定时进行数据更新，可以在FineDataLink中设计调度周期，对任务进行管理。
2）新增「消息通知」，设置若三个任务执行失败，则通知某个任务执行失败。
3）使用连线将三个任务与失败执行的消息通知相连，设置在任务执行失败时，执行「消息通知-失败执行」。
| 
