Kettle開(kāi)發(fā)使用基礎(chǔ)手冊(cè)

Kettle開(kāi)發(fā)使用手冊(cè)4月版本歷史說(shuō)明版本作者日期備注1.0彭偉峰.04.11

Kettle介紹什么是KettleKettle是純Java編寫(xiě)、無(wú)償開(kāi)源ETL工具，關(guān)鍵用于抽取(Extraction)、轉(zhuǎn)換(Transformation)、和裝載（Loading）數(shù)據(jù)。Kettle漢字名稱(chēng)叫水壺，該項(xiàng)目標(biāo)主程序員MATT期望把多種數(shù)據(jù)放到一個(gè)壺里，然后以一個(gè)指定格式流出。在這種思想設(shè)計(jì)下，Kettle廣泛用于不一樣數(shù)據(jù)庫(kù)之間數(shù)據(jù)抽取，比如Mysql數(shù)據(jù)庫(kù)數(shù)據(jù)傳到Oracle，Oracle數(shù)據(jù)庫(kù)數(shù)據(jù)傳到Greenplum數(shù)據(jù)庫(kù)。Kettle安裝Kettle工具是不需要安裝，直接網(wǎng)上下載解壓就能夠運(yùn)行了。不過(guò)它依靠于Java，需要當(dāng)?shù)赜蠮DK環(huán)境，假如是安裝4.2或5.4版本，JDK需要1.5以上版本，推薦1.6或1.7JDK。運(yùn)行Kettle直接雙擊里面批處理文件spoon.bat就行了，圖1.1所表示：圖1.1Kettle腳本開(kāi)發(fā)建立資源庫(kù)（repository倉(cāng)庫(kù)）Repository倉(cāng)庫(kù)是用來(lái)存放全部kettle文件文件系統(tǒng)，因?yàn)閿?shù)據(jù)交換平臺(tái)服務(wù)器管理kettle文件也是用Repository倉(cāng)庫(kù)，所以我們這邊當(dāng)?shù)豮ettle開(kāi)發(fā)環(huán)境也是要用到該資源庫(kù)。建立資源庫(kù)方法是工具-->資源庫(kù)-->連接資源庫(kù)，這時(shí)候彈出一個(gè)窗口，我們點(diǎn)擊右上角“+”號(hào)，跟著點(diǎn)擊下面kettlefilerepository選項(xiàng)，按確定，圖2.1所表示：圖2.1跟著在右上角選擇一個(gè)目錄，提議在kettle路徑下新建repository文件夾，再選擇這個(gè)文件夾作為根目錄，名稱(chēng)和描述能夠任意寫(xiě)，圖2.2所表示：圖2.2建完后會(huì)kettle工具會(huì)自動(dòng)連接到repository資源庫(kù)，每次打開(kāi)kettle也會(huì)彈出一個(gè)窗口讓你先連接到資源庫(kù)。在連接到資源庫(kù)情況下打開(kāi)文件就是資源庫(kù)所在目錄了，圖2.3所表示。注意你在資源庫(kù)建目錄結(jié)構(gòu)要跟數(shù)據(jù)交換平臺(tái)目錄結(jié)構(gòu)一致，這么寫(xiě)好kettle腳本，保留后放路徑能跟交換平臺(tái)目錄結(jié)構(gòu)一致了。圖2.3在目標(biāo)數(shù)據(jù)庫(kù)里新建表在做數(shù)據(jù)遷移時(shí)候我們需要先在目標(biāo)數(shù)據(jù)庫(kù)建立和源數(shù)據(jù)庫(kù)類(lèi)似表結(jié)構(gòu)，才能在這兩張表之間做數(shù)據(jù)遷移，以oracle數(shù)據(jù)庫(kù)到gp數(shù)據(jù)庫(kù)，T_SF_DWJFDJXX_TEST表做數(shù)據(jù)遷移為例，我們先建類(lèi)似表結(jié)構(gòu)，首先先把表結(jié)構(gòu)代碼拷出來(lái)：createtableT_SF_DWJFDJXX_TEST(NSRNBMNUMBER(10)notnull,DWSBHVARCHAR2(18)notnull,JFDWNBMNUMBER(10)notnull,HYFL_DMCHAR(1)notnull,JFDWLX_DMCHAR(3)notnull,SBJC_DMCHAR(2)notnull,SBGLJG_DMVARCHAR2(11)notnull,SWGLJG_DMVARCHAR2(11)notnull,SBDJ_ZTCHAR(2)notnull,DJSLRY_DMVARCHAR2(11),DJSL_RQDATE,LRRY_DMVARCHAR2(11),XGRY_DMVARCHAR2(11),DJ_RQDATE,DJJG_DMVARCHAR2(11),LR_SJTIMESTAMP(6),XG_SJTIMESTAMP(6),ZDFY_BJCHAR(1),XMMCVARCHAR2(100),KNQYBZ_DMCHAR(1),ZDYCKJN_BJCHAR(1),SJJHPT_SJTIMESTAMP(6),SJJHPT_DZNUMBER(14));跟著在這個(gè)表結(jié)構(gòu)基礎(chǔ)上，在目標(biāo)數(shù)據(jù)庫(kù)創(chuàng)建新表。需要注意是，gp數(shù)據(jù)庫(kù)數(shù)據(jù)類(lèi)型有些跟oracle一樣，有些不一樣。相同就不用改了，不一樣就改下。以上面數(shù)據(jù)類(lèi)型為例，相同有char、date、timestamp，不一樣是varchar2和number，所以，varchar2(n)要改成varchar(n)，number(n)要改成integer（注意不帶數(shù)字長(zhǎng)度n）。建完以后，我們就能夠在這不一樣數(shù)據(jù)庫(kù)兩張表之間進(jìn)行數(shù)據(jù)遷移或數(shù)據(jù)定時(shí)傳輸。源數(shù)據(jù)庫(kù)和目標(biāo)數(shù)據(jù)庫(kù)jndi設(shè)置Jndi是kettle連接數(shù)據(jù)庫(kù)配置文件，相當(dāng)于oracletns。Jndi設(shè)置目錄是在kettle目錄下simple-jndi文件夾里，打開(kāi)后編輯perties來(lái)設(shè)置jndi，下面附上企業(yè)揭陽(yáng)涉稅項(xiàng)目oracle到gp數(shù)據(jù)庫(kù)jndi設(shè)置，分別是源端oracle數(shù)據(jù)庫(kù)和目標(biāo)端gp數(shù)據(jù)庫(kù)。配置信息斜杠左邊是jndi名，這里jndi命名規(guī)則是數(shù)據(jù)庫(kù)名_用戶(hù)名，注意當(dāng)?shù)豭ndi名要跟交換平臺(tái)jndi名一致。配置信息斜杠右邊分別是數(shù)據(jù)庫(kù)類(lèi)型、驅(qū)動(dòng)、數(shù)據(jù)庫(kù)地址、用戶(hù)名和密碼。注意，相同數(shù)據(jù)庫(kù)配置寫(xiě)法相同，不一樣數(shù)據(jù)庫(kù)配置寫(xiě)法略有不一樣，像下面oracle和gp數(shù)據(jù)庫(kù)driver和url地址寫(xiě)法就不一樣。oracle_db_mhpt/type=javax.sql.DataSourceoracle_db_mhpt/driver=oracle.jdbc.driver.OracleDriveroracle_db_mhpt/url=jdbc:oracle:thin:@1:1521:zrmhdboracle_db_mhpt/user=db_mhptoracle_db_mhpt/password=DB_MHPTgp_public/type=javax.sql.DataSourcegp_public/driver=org.postgresql.Drivergp_public/url=jdbc:postgresql://65:5432/postgresgp_public/database=8gp_public/user=gpadmingp_public/password=gpadmin寫(xiě)kettle腳本Kettle腳本有兩種，ktr腳本跟kjb腳本，其中ktr負(fù)責(zé)實(shí)施，具體要做什么由ktr來(lái)負(fù)責(zé)；kjb負(fù)責(zé)調(diào)度，調(diào)用一個(gè)或多個(gè)ktr。Ktr和kjb關(guān)系類(lèi)似于像職員和領(lǐng)導(dǎo)之間，職員負(fù)責(zé)具體事務(wù)操作，領(lǐng)導(dǎo)負(fù)責(zé)計(jì)劃安排工作。新建ktr腳本能夠點(diǎn)擊左上角文件-->新建-->轉(zhuǎn)換，新建kjb腳本就文件-->新建-->作業(yè)。我們這里傳輸數(shù)據(jù)只要用到kjb腳本，一張表數(shù)據(jù)傳輸要有1個(gè)腳本。首先先新建一個(gè)ktr文件，圖2.4所表示，跟著我們根據(jù)主界面提醒拖動(dòng)主鍵來(lái)操作。拖動(dòng)組件在關(guān)鍵對(duì)象組件庫(kù)里。圖2.4跟著我們需要4個(gè)組件，分別是獲取變量、表輸入、字符串操作、插入/更新，先從組件庫(kù)里找到這些組件然后拖動(dòng)到右邊面板上，查找組件能夠用組件名稱(chēng)來(lái)在組建搜索框里搜索。拖動(dòng)后圖2.5所表示。圖2.5然后給她們組件之間建立連接，用拉箭頭來(lái)連接即可，圖2.6所表示：圖2.6組件之間連接完以后，跟著雙擊組件一個(gè)個(gè)編輯。第一步是獲取變量，在獲取變量前首先要設(shè)置入?yún)⒂脕?lái)獲取變量，設(shè)置變量先雙擊主對(duì)象樹(shù)ktr名（轉(zhuǎn)換1是未保留文件到當(dāng)?shù)啬J(rèn)名），跟著設(shè)置命名參數(shù)。圖2.7跟2.8所表示。其中start_timestamp和end_timestamp這兩個(gè)是數(shù)據(jù)交換平臺(tái)服務(wù)器上默認(rèn)用于增量抽取數(shù)據(jù)兩個(gè)入?yún)?，分別表示數(shù)據(jù)開(kāi)始時(shí)間跟數(shù)據(jù)結(jié)束時(shí)間。這里填上了默認(rèn)值方便測(cè)試。圖2.7圖2.8設(shè)置入?yún)⒑笤倬庉嫬@取變量組件，這里名稱(chēng)跟入?yún)⒁粯樱琸ettle變量名寫(xiě)法是${Variables}，類(lèi)型我們選擇string，因?yàn)榉?wù)器上交換平臺(tái)傳進(jìn)來(lái)start_timestamp和end_timestamp參數(shù)也是string類(lèi)型，我們這里跟它一致。也圖2.9所表示：圖2.9第二步是表輸入，首先要先連接數(shù)據(jù)庫(kù)，之前我們?cè)诋?dāng)?shù)匚募吓渲昧薺ndi，這里jndi就用得上。新建或編輯數(shù)據(jù)庫(kù)連接，選擇好連接數(shù)據(jù)庫(kù)，還有jndi連接方法，再填上jndi名稱(chēng)和連接名稱(chēng)，設(shè)置完了就點(diǎn)擊左下角測(cè)試來(lái)測(cè)試當(dāng)?shù)啬懿荒苓B上數(shù)據(jù)庫(kù)。連上了我們才做其它步驟。圖2.10連通好后，寫(xiě)好sql語(yǔ)句。這里sql語(yǔ)句用到變量，kettle變量寫(xiě)法是${variables}，而使用變量要在左右兩端再加上單引號(hào)，變成’${variables}’。注意數(shù)據(jù)庫(kù)后臺(tái)日期類(lèi)型是date，而變量是字符串類(lèi)型，所以需要做個(gè)變量類(lèi)型轉(zhuǎn)換。因?yàn)橛惺褂米兞浚孕枰瓷稀疤鎿Qsql語(yǔ)句里變量”單選框。設(shè)置好后能夠預(yù)覽下數(shù)據(jù)看下。圖2.11第三步是字段去除左右空格，編輯“字符串操作”，點(diǎn)getfields獲取從上個(gè)步驟表表輸入獲取字段名，然后把trimtype全部選擇both，意思是去除字段左右兩端空格。假如getfields得到字段有start_timestamp和end_timestamp這兩個(gè)，這兩個(gè)多出，就刪去。以下圖所表示：圖2.12第四步是插入數(shù)據(jù)到目標(biāo)端新表，首先是要先連通目標(biāo)端數(shù)據(jù)庫(kù)。設(shè)置好后再點(diǎn)擊“測(cè)試”連通到目標(biāo)端數(shù)據(jù)庫(kù)。圖2.13跟著是設(shè)置目標(biāo)表（目標(biāo)模式能夠不填），點(diǎn)擊瀏覽選擇模式/用戶(hù)下數(shù)據(jù)庫(kù)表。然后設(shè)置每插入多少條數(shù)據(jù)提交提交統(tǒng)計(jì)數(shù)量，用來(lái)查詢(xún)關(guān)鍵字選擇主鍵字段，而更新字段是全部，點(diǎn)擊獲取字段即可。她這里操作原理是：假如目標(biāo)表有符合該查詢(xún)條件統(tǒng)計(jì)時(shí)，那么更新此條數(shù)據(jù)；不符合時(shí)，那么將源表此條數(shù)據(jù)插入到目標(biāo)表。圖2.14這四個(gè)步驟編輯完成后最終就是實(shí)施這四個(gè)步驟了，點(diǎn)擊左上角運(yùn)行圖標(biāo)，設(shè)置時(shí)間參數(shù)或時(shí)間參數(shù)根據(jù)默認(rèn)值，運(yùn)行后，假如全部組件全部有綠色勾勾標(biāo)志話(huà)說(shuō)明全部運(yùn)行成功，以下圖所表示。假如某一個(gè)步驟失敗話(huà)就是紅色勾勾標(biāo)志，這時(shí)候就要看日志或步驟度量來(lái)分析了。從下面步驟度量看表輸入有1條數(shù)據(jù)輸入進(jìn)來(lái)，插入/更新步驟有1條數(shù)據(jù)寫(xiě)進(jìn)去了。圖2.15