一、本次体验点
（一）对接的数据库及业务系统
对接业务系统：销售ERP系统、CCTD煤炭大数据、电子商务平台等
数据库类型：Oracle、SQL Server、API接口
目标数据库：数仓的Oracle数据库
（二）体验功能点
1、API数据源
■解决场景：需要获取公司电子商务平台的日交易数据，但存在以下困难：
（1）电子商务平台系统部署于云平台，数据库由于安全要求，仅允许内部微服务链接，外网无法直接链接。
（2）其次日交易数据需要进行多数据表关联计算，涉及多种异构类型数据库（关系型和非关系型），即使直接对接数据库，也无法直接拿到目标数据。
（3）目前电子商务平台提供数据接口的形式，可以获取日交易信息，需要通过API的对接方式。
■体验成果：
整体思路是通过API数据输入的算子，来抓取API的数据，通过JSON解析，形成结构形式的表，然后输出到数仓的Oracle数据库。
首先先创建了一个数据开发任务，其中有两个数据转换任务：
以其中一个数据转换任务为例：
通过“RestAPI输入”算子，可以快速设置接口的url地址、请求头和请求参数：
点击“数据预览”就可以看到相应的数据，可以快速判断API接口设置的对不对：
通过以上的设置就基本上可以拿到API接口的数据了，然后就是将获取到的JSON数据转换成标准的行列数据，这里有一个很方便的工具，即“JSON解析”算子，它不像Kettle一样需要你去计算复杂的JSON路径，它会将JSON节点直接通过树结构进行展开，然后勾选本次需要抓取的数据节点即可，勾选后会自动生成JSON路径：
然后就可以直接看JSON解析完的数据：
生成JSON路径后并预览数据后，又遇到一个问题，我们还需要过滤一下数据中一些不符合抓取要求的数据，此时不能将解析后的数据直接导入数仓，但是我们又不想用代码来编写处理逻辑，这时“Spark SQL”算子帮到了我，他可以不管倒进来的数据是什么数据源，均可以用通用SQL语法编写查询语句，于是我们就加了一些where条件来过滤：
然后再去进行数据预览，就拿到了我们需要的最终数据。
最后通过DB表输出直接导入到数仓：
这里可以选择写入方式，因为前面我们会清空当天数据后再导入，所以这里选择的是“直接写入”，它也支持清空表导入。
最后设置调度任务，设置界面比较简介明了，执行频率使用汉字描述简单易懂，总之很快就可以设置好需要的调度计划：
然后每天固定时间前往任务运维界面查看运行情况：
然后运行报错的任务点击“查看详情”可以看到具体报错内容：
通过上述操作，最终我们完成了从电子商务平台API接口中获取当日的成交情况。
■功能评价：
Rest API算子是一个非常快速获取API接口的插件，JSON解析是一个满足图形化选择和快速自动计算JSON路径的工具，对我们而言帮助很大，节省了JSON的分析时间和路径的手工计算。Spark SQL可以帮我们进行数据的进一步清洗和转换，无需代码，仅需要了解简单的SQL语法即可。最后，调度任务的设置和查看也十分便捷。
■意见和建议：
在这中间，我们人为也还有一些功能是有进步空间的。例如调度任务设置，针对复杂的调度任务，需要通过专业的cron表达式来设置，对一般操作人员的要求比较高，建议此处升级为口语化或图形化点选的方式来配置：
第二方面，调度任务的记录中，只能以浮窗的形式查看报错，如果内容过多查看会不方便，建议弹窗或者单独的页面：
最后，如果想看看任务近期的执行日志，只能前往“数据开发”节点下面看，而且只能看到最新的日志，不能看到以往的日志（场景是想分析每次抽取数量的情况和速度）：
最后还有一个数据资产管理的诉求，希望有一个类似FineBI数据准备的模块，可以获取目前已经抓取的数据清单，并且可以按照数据属性进行分类，形成数据仓库，作为公司的数据资产：
二、产品体验心得
整体效果满足官方宣传内容中涉及的内容，给我公司数据处理流程带来了比较明显的改进，基于目前我们公司的数据体量，已经满足我们目前的数据集成需求，非常高效便捷。
对于FineDataLink这款产品，个人感觉在帆软未来生态中扮演了很重要的角色，因为无论是数据可视化还是数字孪生，都离不开数据本身，而数据的抽取、清洗和转换是一项专业且复杂的工作，没有一个得心应手的工具是很难获得高质量的数据的。
FineDataLink提供了一个图形化、可视化的数据收集转换工具，对FineBI和FineReport的前置数据处理提供了入口，对比之前使用其他不同结构的工具来对接FineBI和FineReport，FineDataLink作为帆软生态家族的一员，形成了整套帆软生态，加上帆软优质的运维服务以及丰富的社区，必定会带来更好的使用体验。
| 
