kettle 4.4源代码分析Transformation
1.1. 相关的类和接口
1.1.1. JobEntryTrans
实现了JobEntryInterface的execute()方法,被job运行。由JobEntryTrans实例化Trans,并运行。
1.1.2. TransGraph
当点击trans面板的run时。由TransGraph实例化Trans。并运行。
Trans主要成员有:
private TransMeta transMeta;
private Repository repository;
private Job parentJob;
private Trans parentTrans;
private List<RowSet> rowsets;
private List<StepMetaDataCombi> steps
当中最重要的是rowsets、steps。
rowsets保存了全部hop相应的行元数据和数据信息。
List<StepMetaDataCombi> steps封装了一个step的主要内容。
1.1.3. TransMeta
描写叙述了整个Trans的元数据信息。 基本的属性成员有:
private List<StepMeta> steps;
private List<TransHopMeta> hops;
private String name;
private Result previousResult;上一个jobentry的运行结果。
private List<RowMetaAndData> resultRows;这次trans运行后的数据结果。
private List<ResultFile> resultFiles;
resultRows成员将作为result比部分返回多行的元数据和数据(假设有的话)须要返回数据结果时。
把resultRows增加Result结果的rows列表,并返回。
1.1.4. StepMetaDataCombi
提取了一个step所需的主要信息。
public class StepMetaDataCombi
{
public StepMeta stepMeta;
public String stepname;
public int copy;
public StepInterface step;
public StepMetaInterface meta;
public StepDataInterface data;
}
1.1.5. TransHopMeta
描写叙述hop信息。
1.1.6. StepMeta
描写叙述step的公有基本信息(stepid,stepname),对于每个详细的step。由成员变量StepMetaInterface step来描写叙述。
1.1.7. StepInterface
主要成员函数:
processRow()对一行的数据处理。
putRow()把处理后的数据放入下一个step的inputrowsets中。
1.1.8. StepBase
实现了StepInterface是各step详细实现类的基类。完毕了公用的处理函数。如putRow()。可是对于更详细的processRow()在StepBase的子类中。StepBase的主要成员有
public ArrayList<RowSet> inputRowSets。outputRowSets;
StepBase的子类每次从inputRowSets中取出一行数据,向outputRowSets中写入一行数据。
1.1.9. StepDataInterface
与step相关的数据信息。比方行的元数据信息。StepMetaInterface的实现类是与详细step相关的元数据信息,与StepMeta配合使用。共同描写叙述详细step的元数据信息。
1.1.10. RowSet
RowSet类中包括源step。目标step和由源向目标发送的一个rowMeta和一组data。当中data数据是以行为单位的队列(queArray)。一个RowSet作为此源step的outputrowsets的一部分。
同一时候作为目标step的inputRowsets一部分。源Step每次向队列中写一行数据。目标step每次从队列中读取一行数据。
1.1.11. RowMetaAndData
public class RowMetaAndData implements Cloneable{
private RowMetaInterface rowMeta;//行的元数据,描写叙述了每行的数据名字,数据类型。
private Object[] data;//数据
}
1.2. 运行过程概述
Trans的运行机制是搭建一个结构,使得每个step可以从自己的inputRowsets读。处理一行,将结果输出到自己的outputRowsets中。
注意:一个rowset对象既属于前一个step成员outputRowsets的一部分,也属于后一个对象的inputRowsets的一部分。全部的rowset信息都在Trans对象中以List形式维护。
1.3. Trans运行过程时序图
因为trans能够有TransGraph实例化。也能够由JobEntryTrans实例化。
但基本过程是一样的,先实例化TransMeta,再实例化Trans,终于调用trans的start方法。
由TransGraph实例化例如以下图所看到的:
由JobEntryTrans实例化,例如以下图所看到的:
1.4. Trans代码解释
1.4.1. JobEntryTrans类execute( )
首先获取元数据。然后以此作为參数实例化trans
TransMeta transMeta = getTransMeta(rep);
……
Trans trans = new Trans(transMeta);
……
trans.execute(args);
1.4.2. Trans类execute( )
详细运行前须要进行准备工作
public void execute(String[] arguments) throws KettleException{
prepareExecution(arguments);
startThreads();
}
1.4.3. Trans的prepareExecution()
搭建下面结构结构。
(1)、对每个step依据hop信息进行找到下一个step或多个step。
(2)、对于每个this step和nex tstep生成一个RowSet对象,作为缓存供this step写,同一时候供next step读取数据。
(3)、把此RowSet对象增加到Trans的List<RowSet>成员中保存。
List<StepMeta> hopsteps=transMeta.getTransHopSteps(false);
得到step列表
……
对每个step进行例如以下设置
for (int i=0;i<hopsteps.size();i++)
{
StepMeta thisStep=hopsteps.get(i);
……
//找到下一个step的列表
List<StepMeta> nextSteps = transMeta.findNextSteps(thisStep);
int nrTargets = nextSteps.size();
for (int n=0;n<nrTargets;n++)
{
StepMeta nextStep = nextSteps.get(n);
…… 对于每个hop信息生成RowSet,并设置RowSet。把
int thisCopies = thisStep.getCopies(); 处理源step的次数
int nextCopies = nextStep.getCopies(); 处理目标step的次数
for (int c=0;c<nrCopies;c++) nrCopies 依据 上面的thiscopies和nextcopies得到
{
RowSet rowSet; //定义rowset 用来存放元数据 对于每个hop信息生成RowSet,并设置RowSet
switch(transMeta.getTransformationType()) {
case Normal:
// This is a temporary patch until the batching rowset has proven to be working in all situations.
// Currently there are stalling problems when dealing with small amounts of rows.
//
Boolean batchingRowSet = ValueMeta.convertStringToBoolean(System.getProperty(Const.KETTLE_BATCHING_ROWSET));
if (batchingRowSet!=null && batchingRowSet.booleanValue()) {
rowSet = new BlockingBatchingRowSet(transMeta.getSizeRowset());
} else {
rowSet = new BlockingRowSet(transMeta.getSizeRowset());
}
break;
case SerialSingleThreaded:
rowSet = new SingleRowRowSet();
break;
case SingleThreaded:
rowSet = new QueueRowSet();
break;
.................
rowsets.add(rowSet);
最后的得到rowset
}
}
……
(4)、依据TransMeta的step信息生成对应的StepMetaDataCombi(即steps)信息,加到steps列表中。
StepMetaDataCombi combi = new StepMetaDataCombi();
combi.stepname = stepMeta.getName();
combi.copy = c;
combi.stepMeta = stepMeta;
combi.meta = stepMeta.getStepMetaInterface();
StepDataInterface data = combi.meta.getStepData();
combi.data = data;
……
StepInterface step=combi.meta.getStep(stepMeta, data, c, transMeta, this);
在step初始化时,会把Trans中的List<RowSet>的对应的rowset增加到step的inputRowSets,和outputRowSets中。
combi.step = step;
steps.add(combi);
1.4.4. Trans类startThreads( )
打开了全部的step线程,核心代码例如以下:
for (int i=0;i<steps.size();i++){
steps.get(i).step.start();
}
1.5. Step运行
实现StepInterface的不同的step各个功能个不一样。可是它们之间也有一定的规律性。下图仅仅列举了两个step,(TextInput)文本输入和Uniquerow(去重)。
1.5.1. 启动
每个详细的step启动线程时。自己主动调用run函数,它们统一调用基类的静态方法
public void run(){
BaseStep.runStepThread(this, meta, data);
}
1.5.2. 处理
基类BaseStep採取了统一的处理方式。调用子类processRow以行为单位处理,核心代码例如以下。
while (stepInterface.processRow(meta, data) && !stepInterface.isStopped());
processRow( )通用过程是:调用基类BaseStep 的getRow( )得到数据,对一行数据处理,处理之后调用基类putRow( )方法数据保存至outputRowSets(即next step的inputRowSets)
1.5.3. 元数据与数据关系。
Trans中的ETL过程(每一个step)以行为单位处理,当中行的元数据信息RowMeta和数据信息统一保存在RowSet对象中。
在RowSet中RowMeta的成员的调试结果例如以下。可见rowMeta储存了每列数据的名称和类型。第一列列名flag,数据是长度为1的String;第二列列名id…
RowSet的数据信息在queArray队列中,调试结果例如以下:能够看出第一个数据元素是一个Object包括了3列,数据内容为(N。1,a…)
版权声明:本文博主原创文章。博客,未经同意不得转载。
kettle 4.4源代码分析Transformation的更多相关文章
- Spark SQL Catalyst源代码分析之TreeNode Library
/** Spark SQL源代码分析系列文章*/ 前几篇文章介绍了Spark SQL的Catalyst的核心执行流程.SqlParser,和Analyzer,本来打算直接写Optimizer的,可是发 ...
- android-plugmgr源代码分析
android-plugmgr是一个Android插件加载框架,它最大的特点就是对插件不需要进行任何约束.关于这个类库的介绍见作者博客,市面上也有一些插件加载框架,但是感觉没有这个好.在这篇文章中,我 ...
- Twitter Storm源代码分析之ZooKeeper中的目录结构
徐明明博客:Twitter Storm源代码分析之ZooKeeper中的目录结构 我们知道Twitter Storm的所有的状态信息都是保存在Zookeeper里面,nimbus通过在zookeepe ...
- 转:SDL2源代码分析
1:初始化(SDL_Init()) SDL简介 有关SDL的简介在<最简单的视音频播放示例7:SDL2播放RGB/YUV>以及<最简单的视音频播放示例9:SDL2播放PCM>中 ...
- 转:RTMPDump源代码分析
0: 主要函数调用分析 rtmpdump 是一个用来处理 RTMP 流媒体的开源工具包,支持 rtmp://, rtmpt://, rtmpe://, rtmpte://, and rtmps://. ...
- 转:ffdshow 源代码分析
ffdshow神奇的功能:视频播放时显示运动矢量和QP FFDShow可以称得上是全能的解码.编码器.最初FFDShow只是mpeg视频解码器,不过现在他能做到的远不止于此.它能够解码的视频格式已经远 ...
- UiAutomator源代码分析之UiAutomatorBridge框架
上一篇文章<UIAutomator源代码分析之启动和执行>我们描写叙述了uitautomator从命令行执行到载入測试用例执行測试的整个流程.过程中我们也描写叙述了UiAutomatorB ...
- MyBatis架构设计及源代码分析系列(一):MyBatis架构
如果不太熟悉MyBatis使用的请先参见MyBatis官方文档,这对理解其架构设计和源码分析有很大好处. 一.概述 MyBatis并不是一个完整的ORM框架,其官方首页是这么介绍自己 The MyBa ...
- hostapd源代码分析(三):管理帧的收发和处理
hostapd源代码分析(三):管理帧的收发和处理 原文链接:http://blog.csdn.net/qq_21949217/article/details/46004379 这篇文章我来讲解一下h ...
随机推荐
- vmware无法链接U盘:vm-->removeable devices.
vmware无法链接U盘:vm-->removeable devices.
- Sesson禁止使用Cookie
于WebRoot文件夹MEAT-INF新建文件夹context.xml 增加<context path="XXX" cookies='false"> 更改To ...
- js实时监听input中值的变化
$(function(){ $('#inputid').bind('input propertychange', function() { // input 中的值 var params = $(th ...
- hdu1520 (树形dp)
hdu1520 http://acm.hdu.edu.cn/showproblem.php?pid=1520 题意是给定一棵树,每个结点有一个价值,要我们选择任意个结点使得总价值最大,规则是如果父亲结 ...
- Gitclient使用
1 首次安装gitclient msysgit watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvY3h4NTA0NjU5OTg3/font/5a6L5L2T/ ...
- coco2d-x 基于视口的地图设计
<pre name="code" class="plain"> 基于视口的地图设计 DionysosLai 2014-06-14 第三人称游戏,玩家 ...
- android 读,写图片sd网卡资源
<pre name="code" class="html"><!--<span style="font-family: Ari ...
- DevExpress控件使用之RichEditControl的使用
原文:DevExpress控件使用之RichEditControl的使用 做Winform的,我们一般都知道,传统.NET界面有一个RichTextBox控件,这个是一个富文本控件,可以存储图片文字等 ...
- android删除文件出错
当删除一个文件,再又一次下载这个同名文件,保存到sdcard时出现error,部分手机出现 Caused by: libcore.io.ErrnoException: open failed: EBU ...
- 一个简单的java僵局演示示例
在实际编程,为了避免死锁情况,但是,让你写一个有用的程序死锁似几乎不要太简单(种面试题),下面是一个简单的死锁样例. 线程的同步化可能会造成死锁,死锁发生在两个线程相互持有对方正在等待的东西(实际是两 ...