KETTLE基础培训

Kettle基础培训（一）目录一、Kettle介绍二、Kettle的要求环境（JDK版本）、安装、基本操作。三、Kettle的组件的类型基本说明（作业与转换）四、基于表对表的同步五、基于文件到表的同步六、基于表到文件的同步七、JAVASCRIPT的基本应用八、文件FTP下载、上传。九、作业调用作业、转换。十、启动脚本说明。十一、JAVA调用作业、转换十二、使用原则简介ETL•ETL(Extract-Transform-Load的缩写，即数据抽取、转换、装载的过程)作为BI/DW（BusinessIntelligence）的核心和灵魂，能够按照统一的规则集成并提高数据的价值，是负责完成数据从数据源向目标数据仓库转化的过程，是实施数据仓库的重要步骤。如果说数据仓库的模型设计是一座大厦的设计蓝图，数据是砖瓦的话，那么ETL就是建设大厦的过程。在整个项目中最难部分是用户需求分析和模型设计，而ETL规则设计和实施则是工作量最大的，约占整个项目的60%～80%，这是国内外从众多实践中得到的普遍共识。•ETL是数据抽取（Extract）、清洗（Cleaning）、转换（Transform）、装载（Load）的过程。是构建数据仓库的重要一环，用户从数据源抽取出所需的数据，经过数据清洗,最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去。简介Kettle•Kettle是一款国外开源的ETL工具，纯java编写，可以在Window、Linux、Unix上运行，绿色无需安装，数据抽取高效稳定。•Kettle中文名称叫水壶，该项目的主程序员MATT希望把各种数据放到一个壶里，然后以一种指定的格式流出。•Kettle这个ETL工具集，它允许你管理来自不同数据库的数据，通过提供一个图形化的用户环境来描述你想做什么，而不是你想怎么做。•Kettle中有两种脚本文件，transformation和job，transformation工作流的控制。完成针对数据的基础转换，job则完成整个KETTLE的要求环境（JDK版本）、安装、基本操作•KETTLE要求先安装JDK1.5版本或以上•无需安装下载后直接运行spoon.bat即可5KETTLE的组件的类型基本说明（作业与转换）•Kettle中有两种脚本文件，transformation（转换，后缀为.ktr）和job（作业,后缀为.kjb），transformation完成针对数据的基础转换，好比工厂里的生产流水线，每个组件相当于一个员工；job则完成整个工作流的控制，好比工厂里的管理。•如果用记事本打开文件可发现转换和作业都是xml类型文件。6KETTLE的组件的类型基本说明（作业与转换）7•作业：分串行执行和并行执行，串行执行是先执行完其中一条线再执行另一条线，并行是两条线同时执行，同一条线上的两个步聚会先执行前面的再执行后面的，每个步骤执行结果分两种：true(成功)/false(失败),根据返回结果可以控制流程走向。KETTLE的组件的类型基本说明（作业与转换）8•作业流程图说明KETTLE的组件的类型基本说明（作业与转换）9•转换：一传递分复制和分发两种模式。开始所有步骤同时运行，记录会从最前端的步骤向后传递，传递到相应步骤则该记录被该步骤作相应处理，处理完成再把记录往后传递，记录KETTLE的组件的类型基本说明（作业与转换）10•复制：把一份数据复制成多份，后面步骤各占一份。•分发：把一份数据平均分配给后面步骤。基于表对表的同步11•表对表同步是最基本的同步方式之一•实现步骤：一、建立源库连接和目标库连接二、使用表输入组件进行源表数据读取三、对记录进行适配整理四、使用表输出组件输出到目标表KETTLE的组件的类型基本说明（作业与转换）12•新建一个转换：文件－＞新建－＞转换基于表对表的同步13基于表对表的同步14基于表对表的同步15基于表对表的同步16基于文件到表的同步17•新建一个转换•流程：从文件读取记录插入到数据库中基于文件到表的同步18基于文件到表的同步19基于文件到表的同步20基于表到文件的同步21•新建一个转换•实现从表里读取记录生成文件基于表到文件的同步22基于表到文件的同步23基于表到文件的同步24JAVASCRIPT的基本应用25文件FTP下载、上传26•作业：FTP下载•从FTP上下载相应文件到指定目录下文件FTP下载、上传27文件FTP下载、上传28文件FTP下载、上传29•作业：FTP上传•上传本地文件到相应FTP指定目录上文件FTP下载、上传30作业调用作业、转换31•文件－＞新建－＞作业•作业可以调用作业，这样方便流程控制。作业调用作业、转换32作业调用作业、转换33•作业也可以调用转换作业调用作业、转换34启动脚本说明35•KETTLE程序启动分两种，一种是作业、一种是转换。•作业调用启动脚本：kitchen.sh（kitchen.bat）•转换调用启动脚本：pan.sh（pan.bat)启动脚本说明36•kitchen.sh（span.sh）说明启动脚本说明37•Kitchen.bat(span.bat)说明启动脚本说明38•WINDOWS系统下的作业启动脚本写法•/file作业入口路径•/level日志输出等级•/logfile日志输出文件启动脚本说明39•LINUX系统下的启动脚本写法启动脚本说明40•转换调动脚本写法•WINDOWS和LINUX系统的启动脚本的写法基本一样，就是pan.sh/pan.bat的区别Java调用•引用Kettlejar包Java调用JOB传入变量JOB文件设置变量：变量传递：Variablesubstitution选中Java调用JOB调用JOBJobMetajobMeta=newJobMeta(jobPath,null);JVM设置变量：System.getProperties().setProperty(key,value);Jobjob=newJob(null,jobMeta);job.start();job.waitUntilFinished();Java调用KTR•传入变量Java调用KTR•调用ktrTransMetalocalTransMeta=localTransMeta=newTransMeta(ktrPath);设置变量localTransMeta.setVariable(key,value)Transtran=newTrans(localTransMeta)tran.execute(null);tran.waitUntilFinished();使用原则•可以使用sql来做的一些操作尽量用sql；Group,merge,streamlookup,splitfield这些操作都是比较慢的，想办法避免它们.能用sql就用sql•尽量避免使用update,delete操作，尤其是update,如果可以把update变成先delete,后insert.•尽量不要用kettle的calculate计算步骤，能用数据库本身的sql就用sql,不能用sql就尽量想办法用procedure,实在不行才是calculate步骤.•能使用truncatetable的时候，就不要使用deleteallrow这种类似sql•尽量提高批处理的commitsize•如果删除操作是基于某一个分区的，就不要使用deleterow这种方式;直接truncate分区（ALTERTABLEtablenameTRUNCATEPARTITIONPART_1）