ETL开源工具kettle学习笔记

一 Kettle配置与部署

参考1：http://www.cnblogs.com/limengqiang/archive/2013/01/16/KettleApply1.html

1.下载kettle安装包

Kettle可以在http://kettle.pentaho.org/网站下载。

下载kettle压缩包，解压缩到任意本地路径。

2.安装和配置jdk

3.运行kettle

在windows中执行spoon.bat,在类unix系统中执行spoon.sh。

二 kettle文档教程

官方教程

https://help.pentaho.com/Documentation/7.0/0J0/0C0（最新版）

https://help.pentaho.com/Documentation/6.0/0J0/0C0（第6版）

csdn博客（翻译）

参考2：http://blog.csdn.net/column/details/easykettle.html

三 kettle的HelloWorld示例

http://blog.csdn.net/neweastsun/article/details/38729887

环境准备

开始设计一个转换之前，我们先创建一个文件夹Tutorial，我们将保存所有的文件到该文件夹中，然后创建一个csv文件，内容就是前面人员信息，你可以复制到文本文件中，然后命名为list.csv。

设计转换

有三个子任务组成：

ü  创建一个转换

ü  设计转换中的步骤和连接

ü  配置步骤和连接

创建转换

1)     点击文件菜单中新建，或者通过快捷键Ctrl+N，选择转换.

2)     在“主对象树”视图中点右击转换1，然后点击设置，或者在设计界面中右击，然后点击转换设置，或者使用Ctrl+T快捷方式。

3)    在设置窗口中可以设置转换的相关属性；我们这里写名称和描述，然后保存。

4)     保存该转换到Tutorial文件夹中，命名为hello，最终创建了hello.ktr文件。

步骤和连接

pan命令

pan是在终端执行转换的工具。在window是pan.bat，其他平台是pan.sh,在安装目录可以找到。如果你直接运行pan，不加任何选项，可以看到pan打印所有的选项。

简单命令如下：

pan /file <Job_path>/Hello.ktl/norep

/norep 选项是让spoon不要去连接资源库；

/file是转换文件的名称；

<job_path>是我们教程文件夹，如：c：/tutorial 或/home/tutorial

其他选项在运行时是缺省值；

你输入命令并确定后，转换同样被执行。这时，日志被打印到终端界面中，也可以设置日志打印到文件中。日志的格式有点变化，但内容和图形界面一致。

四 转换的主对象树Main Tree介绍

Main Tree菜单列出的是一个transformation中基本的属性，可以通过各个节点来查看。

DB连接：显示当前transformation中的数据库连接，每一个transformation的数据库连接都需要单独配置。

Steps：一个transformation中应用到的环节列表

Hops：一个transformation中应用到的节点连接列表

五 转换的核心对象树Core Objects介绍

Core Objects菜单列出的是transformation中可以调用的环节列表，可以通过鼠标拖动的方式对环节进行添加。

Input：输入环节

Output：输出环节

Lookup：查询环节

Transform：转化环节

Joins：连接环节

Scripting：脚本环节

六 转换常用环节

类别	环节名称	功能说明
Input	文本文件输入	从本地文本文件输入数据
	表输入	从数据库表中输入数据
	获取系统信息	读取系统信息输入数据
Output	文本文件输出	将处理结果输出到文本文件
	表输出	将处理结果输出到数据库表
	插入/更新	根据处理结果对数据库表机型插入更新，如果数据库中不存在相关记录则插入，否则为更新。会根据查询条件中字段进行判断
	更新	根据处理结果对数据库进行更新，若需要更新的数据在数据库表中无记录，则会报错停止
	删除	根据处理结果对数据库记录进行删除，若需要删除的数据在数据库表中无记录，则会报错停止
Lookup	数据库查询	根据设定的查询条件，对目标表进行查询，返回需要的结果字段
	流查询	将目标表读取到内存，通过查询条件对内存中数据集进行查询
	调用DB存储过程	调用数据库存储过程
Transform	字段选择	选择需要的字段，过滤掉不要的字段，也可做数据库字段对应
	过滤记录	根据条件对记录进行分类
	排序记录	将数据根据某以条件，进行排序
	空操作	无操作
	增加常量	增加需要的常量字段
Scripting	Modified Java Script Value	扩展功能，编写JavaScript脚本，对数据进行相应处理
Mapping	映射（子转换）	数据映射
Job	Sat Variables	设置环境变量
	Get Variables	获取环境变量

七 作业主对象树Main Tree介绍

Main Tree菜单列出的是一个Job中基本的属性，可以通过各个节点来查看。

DB连接：显示当前Job中的数据库连接，每一个Job的数据库连接都需要单独配置。

Job entries：一个Job中引用的环节列表

八 作业核心对象树Core Objects介绍

Job entries菜单列出的是Job中可以调用的环节列表，可以通过鼠标拖动的方式对环节进行添加。

每一个环节可以通过鼠标拖动来将环节添加到主窗口中。

并可通过shift+鼠标拖动，实现环节之间的连接。

九 作业常用环节

类别	环节名称	功能说明
Job entries	START	开始
	DUMMY	结束
	Transformation	引用Transformation流程
	Job	引用Job流程
	Shell	调用Shell脚本
	SQL	执行sql语句
	FTP	通过FTP下载
	Table exists	检查目标表是否存在，返回布尔值
	File exists	检查文件是否存在，返回布尔值
	Javascript	执行JavaScript脚本
	Create file	创建文件
	Delete file	删除文件
	Wait for file	等待文件，文件出现后继续下一个环节
	File Compare	文件比较，返回布尔值
	Wait for	等待时间，设定一段时间，kettle流程处于等待状态
	Zip file	压缩文件为ZIP包