Übung 05

Ziel: In diesem Lab wendest du alle drei fortgeschrittenen Transformations-Werkzeuge an. Du wirst eine komplexe Transformation mit einer Custom Function durchführen, die Ergebnisse mit einem Dataset aggregieren und das Endergebnis als saubere CSV-Datei mit einem Text Template formatieren.

Voraussetzungen:

• Eine funktionierende Xentral Connect Instanz.

---

Szenario

Du erhältst eine Liste von rohen Bestelldaten. Deine Aufgabe ist es, einen BI-Export (Business Intelligence) zu erstellen, der folgende Anforderungen erfüllt:

• Nur Bestellungen mit dem Status COMPLETED werden berücksichtigt.

• Für jede Bestellung wird eine line_item_summary erstellt, die die Namen aller bestellten Produkte als kommaseparierten String enthält.

• Anschließend soll der Gesamtumsatz pro Land berechnet werden.

• Das Endergebnis soll als CSV-Datei ausgegeben werden, sortiert nach dem Gesamtumsatz.

---

Teil 1: Die Rohdaten transformieren (Custom Function)

Ziel: Die rohen Bestelldaten mit einer Custom Function anreichern und für die Aggregation vorbereiten.

1

Workflow & Testdaten

• Erstelle einen neuen Workflow: M05-Lab-BI-Export.

• Füge einen Set-Knoten (source_orders) mit folgendem JSON-Array hinzu:

[
  {"order_id": 1, "status": "COMPLETED", "country": "DE", "total": 150.50, "items": [{"name": "Product A"}, {"name": "Product B"}]},
  {"order_id": 2, "status": "PENDING", "country": "DE", "total": 75.00, "items": [{"name": "Product C"}]},
  {"order_id": 3, "status": "COMPLETED", "country": "AT", "total": 200.00, "items": [{"name": "Product A"}, {"name": "Product D"}]},
  {"order_id": 4, "status": "COMPLETED", "country": "DE", "total": 120.00, "items": [{"name": "Product B"}]}
]

2

Daten im Data Store speichern

• Füge einen Data Store > put-Knoten hinzu.

• Speichere das Array unter dem Key raw_orders.

3

Custom Function erstellen

• Füge einen Function-Knoten hinzu. Dieser Knoten wird nicht direkt mit den Daten verbunden; wir rufen ihn später aus einem anderen Knoten auf. Nenne ihn TransformOrder.

• Gib folgenden Code ein. Diese Funktion nimmt ein einzelnes Bestellobjekt und fügt das Feld line_item_summary hinzu.

const order = $input.item.json;

// Erstelle einen String aus den Produktnamen
order.line_item_summary = order.items.map(item => item.name).join(', ');

return order;

4

Workflow zum Transformieren und Speichern

• Erstelle einen zweiten Workflow M05-Lab-Transform-Process.

• Lies die raw_orders aus dem Data Store (Data Store > get).

• Loope durch das Array (Loop over Items).

• Rufe in der Schleife den TransformOrder-Workflow als Sub-Workflow auf (Execute Workflow-Knoten) und übergib das aktuelle Bestellobjekt.

• Speichere das Ergebnis des Sub-Workflows in einer neuen Data Store Collection namens transformed_orders (Data Store > put, mit order_id als Key).

Erwartetes Ergebnis (Teil 1)

• Nach Ausführung des M05-Lab-Transform-Process-Workflows enthält der Data Store eine neue Collection transformed_orders.

• Jeder Eintrag ist eine Bestellung, die jetzt das zusätzliche Feld line_item_summary enthält. Beispiel für order_id 1:

  {
    "order_id": 1,
    "status": "COMPLETED",
    "country": "DE",
    "total": 150.5,
    "items": [{"name": "Product A"}, {"name": "Product B"}],
    "line_item_summary": "Product A, Product B"
  }

---

Teil 2: Umsatz pro Land aggregieren (Dataset)

Ziel: Die transformierten Bestelldaten verwenden, um den Gesamtumsatz pro Land zu berechnen.

1

Dataset-Knoten hinzufügen

• Füge im M05-Lab-BI-Export-Workflow nach dem Speichern der Rohdaten einen Dataset-Knoten hinzu.

• Collection: transformed_orders

2

Aggregation Pipeline definieren

• Füge die folgenden Stages als JSON-Array in den Dataset-Knoten ein:

[
  {
    "$match": { "status": "COMPLETED" }
  },
  {
    "$group": {
      "_id": "$country",
      "total_revenue": { "$sum": "$total" },
      "order_count": { "$sum": 1 }
    }
  },
  {
    "$sort": { "total_revenue": -1 }
  },
  {
    "$project": {
      "_id": 0,
      "country": "$_id",
      "revenue": "$total_revenue",
      "orders": "$order_count"
    }
  }
]

Erwartetes Ergebnis (Teil 2)

Der Output des Dataset-Knotens ist ein Array mit den aggregierten Ergebnissen:

[
  {
    "country": "DE",
    "revenue": 270.50,
    "orders": 2
  },
  {
    "country": "AT",
    "revenue": 200.00,
    "orders": 1
  }
]

---

Teil 3: Ergebnis als CSV formatieren (Text Template)

Ziel: Das aggregierte Ergebnis in eine saubere CSV-Datei umwandeln.

1

Text Template-Knoten hinzufügen

• Füge nach dem Dataset-Knoten einen Text Template-Knoten hinzu.

• Verbinde ihn mit dem Ergebnis des Datasets.

2

## Twig-Template erstellen

• Gib folgendes Template ein:

Land;Gesamtumsatz;Anzahl Bestellungen
{% for row in $input.item.json %}
{{ row.country }};{{ row.revenue }};{{ row.orders }}
{% endfor %}

Erwartetes Ergebnis (Teil 3)

Der Output des Text Template-Knotens ist ein String im CSV-Format:

Land;Gesamtumsatz;Anzahl Bestellungen
DE;270.5;2
AT;200;1

---

Glückwunsch! Du hast einen komplexen BI-Export-Prozess mit den drei mächtigsten Transformations-Werkzeugen in Xentral Connect implementiert.