KETTLE基础培训.ppt

1、Kettle 基础培训基础培训（一）第1页，共47页。目录一、一、Kettle 介绍介绍二、二、Kettle的要求环境（的要求环境（JDK版本）、安装、版本）、安装、基本操作。基本操作。三、三、Kettle的组件的类型基本说明（作业与转的组件的类型基本说明（作业与转换）换）四、基于表对表的同步四、基于表对表的同步五、基于文件到表的同步五、基于文件到表的同步六、基于表到文件的同步六、基于表到文件的同步七、七、JAVASCRIPT的基本应用的基本应用八、文件八、文件FTP下载、上传。下载、上传。九、作业调用作业、转换。九、作业调用作业、转换。十、启动脚本说明。十、启动脚本说明。十一、十一、JAVA

2、调用作业、转换调用作业、转换十二、使用原则十二、使用原则第2页，共47页。简介ETLETL(Extract-Transform-Load的缩写，即数据抽取、转换、装载的过程)作为BI/DW（Business Intelligence）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

3、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。第3页，共47页。简介KettleKettle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

4、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则完成整个第4页，共47页。KETTLE的要求环境（的要求环境（JDK版本）、安装、基本操作版本）、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5第5页，共47页。KETTLE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），transfo

5、rmation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。6第6页，共47页。KETTLE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。第7页，共47页。KETTLE的组件的类型基本说明（作业与转换）8 作业流程图说明第8页，共47页。KET

6、TLE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，记录第9页，共47页。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。第10页，共47页。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第11页，共47页。KETTLE的组件的类型基

7、本说明（作业与转换）12 新建一个转换：文件新建转换第12页，共47页。基于表对表的同步13第13页，共47页。基于表对表的同步14第14页，共47页。基于表对表的同步15第15页，共47页。基于表对表的同步16第16页，共47页。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第17页，共47页。基于文件到表的同步18第18页，共47页。基于文件到表的同步19第19页，共47页。基于文件到表的同步20第20页，共47页。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第21页，共47页。基于表到文件的同步22第22页，共47页。基于表到文件的同步23第

8、23页，共47页。基于表到文件的同步24第24页，共47页。JAVASCRIPT的基本应用25第25页，共47页。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第26页，共47页。文件FTP下载、上传27第27页，共47页。文件FTP下载、上传28第28页，共47页。文件FTP下载、上传29 作业：FTP上传 上传本地文件到相应FTP指定目录上第29页，共47页。文件FTP下载、上传30第30页，共47页。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。第31页，共47页。作业调用作业、转换32第32页，共47页。作业调用作业、转换33

9、 作业也可以调用转换第33页，共47页。作业调用作业、转换34第34页，共47页。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)第35页，共47页。启动脚本说明36 kitchen.sh（span.sh）说明第36页，共47页。启动脚本说明37 Kitchen.bat(span.bat)说明第37页，共47页。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 日志输出文件第38页，共47

10、页。启动脚本说明39 LINUX系统下的启动脚本写法第39页，共47页。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的区别第40页，共47页。Java调用 引用Kettle jar包第41页，共47页。Java调用JOB传入变量传入变量JOB文件设置变量：变量变量传递：传递：Variable substitution 选中第42页，共47页。Java调用JOB调用JOBJobMeta jobMeta=new JobMeta(jobPath,null);JVM设置变量：System.getProperties().s

11、etProperty(key,value);Job job=new Job(null,jobMeta);job.start();job.waitUntilFinished();第43页，共47页。Java调用KTR传入变量第44页，共47页。Java调用KTR调用ktrTransMeta localTransMeta=localTransMeta=new TransMeta(ktrPath);设置变量localTransMeta.setVariable(key,value)Trans tran=new Trans(localTransMeta)tran.execute(null);tran.w

12、aitUntilFinished();第45页，共47页。使用原则可以使用sql 来做的一些操作尽量用sql；Group,merge,stream lookup,split field 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truncate table 的时候，就不要使用delete all row 这种类似sql尽量提高批处理的commit size如果删除操作是基于某一个分区的，就不要使用delete row 这种方式;直接truncate 分区（ALTER TABLE tablename TRUNCATE PARTITION PART_1）第46页，共47页。演讲完毕，谢谢观看！第47页，共47页。