KETTLE使用说明(中文版).ppt

KETTLE1.1 什么是kettleØ Kettle 是”kettle E.T.T.L Envirnonment” 首字母缩写，这意味着设计实现ETL需要 ：抽取，转换，装入和加载数据 Ø Spoon 是一个图形用户界面，它允 许运行转换或者任务，其中转换是用pan工具来运行，任务是用Kitchen来运行Pan 是一个数据转换引擎，它可以执行很多功能例如从不同的数据源读取、操作和写入数据Kitchen 是一个可以运行利用xml或数据资源库描述的任务，通常任务是在规定的时间间隔内用批处理的模式自动运行Ø1.2 安装kettle要运行Kettle ,必须按安装java 环境1.4或以上版本，kettle下载可以到: http://kettle.pentaho.org 取得最新版本pdi-ce-4.0.1-stable.zip) Ø1.3 运行spoon 下面是不同平台上运行spoon 所支持的脚本 ： spoon.bat windows 平台运行Spoon. Spoon.sh linux 平台运行Spoon.Ø 1.4 资源库 一个Kettle 资源库可以包含那些转换信息，这意味着为了从数据资源中加载一个转换，你必须连接相应的资源库。

Ø1. 5 资源库自动登录 可以设置以下环境变量，来让 Spoon 自动登录资源库环境变量:KETTLE_REPOSITORY,KETTLE_USER, KETTLE_PASSWORD Ø1.6 定义1.6.1 转换 l 1. Value : Values 是行的一部分，且包含以下类型的数据是行的一部分，且包含以下类型的数据: Strings, floating point Numbers 、、 unlimited precision BigNumbers、、Integers、、 Dates 或者或者 Boolean.l 2. Row : 一行包含一行包含0个或者个个或者个Valuesl 3.Output Stream ：： 一个一个Output Stream 是离开一个步骤时的行的堆栈是离开一个步骤时的行的堆栈l 4 .Input Stream : 一个一个Input Stream 是进入一个步骤时的行的堆栈是进入一个步骤时的行的堆栈l 5. Hop: 一个一个Hop 代表两个步骤之间的一个或者多个数据流一个代表两个步骤之间的一个或者多个数据流一个Hop总是代总是代 表着一个步骤的输出流和一个步骤的输入流。

表着一个步骤的输出流和一个步骤的输入流l 6. Note: 一个一个Note 是一个转换附加的文本注释信息是一个转换附加的文本注释信息1.6.2 任务 l 1. Job Entry : 一个一个Job Entry 是一个任务的一部分，它执行某些内容是一个任务的一部分，它执行某些内容l 2. Hop: 一个一个Hop 代表两个步骤之间的一个或者多个数据流一个代表两个步骤之间的一个或者多个数据流一个Hop总是代总是代 表着两个表着两个Job Entry 之间的连接，并且能够被原始的之间的连接，并且能够被原始的Job Entry设置，无设置，无条件的执行下一个条件的执行下一个JobEntry,直到执行成功或者失败直到执行成功或者失败l 3. Note: 一个一个Note 是一个任务附加的文本注释信息是一个任务附加的文本注释信息Ø1.7选项你可以改变很多选项来增强图形用户界面的个性化例如设置窗体的字体和颜色此选项在 Tools/选项 中设置Ø1.8搜索元数据v 通过 编辑/搜索元数据(ctr+f) 来使用这个特性。

v这个选项将在可用的字段、连接器、注释以及所有加载的任务和转换中搜索，并展示搜索的结果Ø2 新建一个转换或任务v可以通过工具栏上的文件/新建/ 来建立一个转换或任务，也可以直接在主对象页签栏双击转换，新建一个转换选择好需要创建的文件类型后，将会根据你的选择，创建一个图形界面v转换 作业Ø3 数据库连接v一个连接描述了kettle连接数据库的方法，左边的菜单展示了所有可用的连接Ø 3.1 选项l 1. Connection name :定义转换或任务访问的连接的唯一名称，可自行设置，但不能为空 2. Connection Type:连接的数据类型 3. Access: 可以是Native(JDBC),odbc, oci,jndi.一般选择JDBC 4. HostName: 指定数据库部署的主机或者服务器的名称，也可以指定IP地址 5. DataBase Name :指定连接的数据库的名称,如果是ODBC方式就指定DSN名称 6. port Number : 设定数据库监听的TCP/IP端口号 7. user Name / password : 指定连接数据库的用户名和密码Ø 3.2 SQL 编辑器(SQL Editor)l1. 描述 Spoon 提供简单SQL 编辑器 ，可以实现创建表，删除索引或者修改字段。

大多数的DDL，例如： create / alter table ,create index , create sequence 命令都可以通过SQL编辑器窗口运行新建转换，输出是表输出时，可打开SQL 编辑器）l2. 局限性 这只是一个简单的SQL 编辑器，它不可能完全知道超过20种它所支持的数据库的方言这意味着创建存储过程，触发器或者其他的数据库对象可能带来很多问题在这种情况下，应考虑使用数据库自带的工具Ø 4.数据库浏览器l1. 描述 数据库浏览器只显示可用的表,视图或者目录Ø 5.新建一个转换 v选择表输入, excel 输出，建立节点连接右击连接线，可编辑连线属性5.1常用输入：v表输入vExcel 输入v文本文件输入vXML 文件输入vCUBE 输入(多维数据集)v获取系统信息5.2输入：表输入v选择表输入，点击鼠标右键，选择编辑步骤v步骤名称可以更改，一般更改为和输入表相关的名称v数据库连接 ： 选择一个已建好的数据库连接，也可以新建一个v点击”获取SQL查询语句”,可弹出数据库浏览器，选择自己需要的表或视图v选择好表或视图后，SQL 区域会显示相应的SQL，如选择在SQL里包含字段名，你所选择的表的所有字段均会显示.v在SQL区域用户可手动修改SQL语句。

5.3 输出：Excel 输出vExcel 输出编辑步骤选项，有三个选项卡， 文件/内容/字段v文件选项卡： 文件名选择输出文件保存的路径v扩展名： 系统默认为xls.v内容选项卡： 一般不需做修改v字段选项卡：点击获取字段，输入流中的字段全部会获取到，不需要的字段，可选中不需要的行，右键删除5.4 输出：插入/更新v 插入/更新:若流里的数据在目标表中不存在，执行插入，否则执行更新，数据量不大的情况下，一般采用插入/更新操作5.5 输出：更新v这个步骤类似于插入/更新步骤，除了对数据不作插入操作之外它仅仅执行更新操作5.6 输出：删除v这个步骤类似于更新步骤，除了不更新操作之外，其他的行均被删除5.7 输出：表输出v这个步骤可以存取信息到数据库中5.8 输出：XML输出v这个步骤允许你从源中写入行到一个或多个xml文件6.0 转换：去除重复记录v这个步骤从输入流中移除重复的记录v步骤名称 ： 在单一步骤中必须唯一vRedirect duplicate: 如果想知道多少重复行被去掉，就勾选此项v字段名 ： 用来比较的字段的字段名称6.1 转换：排序记录v这个步骤利用你指定的字段排序行，无论他们是按照升序还是降序。

v当行数超过5000行的时候，Kettle 使用临时文件来排序行v排序目录：临时文件存储的目录，如果缺省则为标准的系统临时文件夹v临时文件前缀：选择一个容易记的前缀，以便在临时目录中查找v压缩临时文件： 当需要完成排序的时候，这个选项将压缩临时文件6.2 转换：增加序列v这个步骤在流里增加一个序列，一个序列是在某个起始值 和增量的基础上，经常改变的整数值可以使用数据库的序列，也可以使用kettle决定的序列vKettle 序列在同一个转换中是唯一使用的，每一次转换运行的时候，序列的值又会重新循环一次,从开始值开始v使用数据库获取序列: v 连接名称 ： 选择数据库序列存在的 连接名称v 序列名称： 数据库序列的名称v使用计数器来计算序列： 如果想使用kettle生成的序列，使用此项v计数器名称（可选）：如果一个转换中多个步骤生成同样的值名称，这个选项允许你指定计数器的名称，避免按照先后顺序通过多个步骤v起始值： 序列的起始值v增量 ： 序列的增量v最大值 ： 序列的最大值，如果超过，将重新开始6.3 转换 ： 拆分字段v这个步骤允许根据分隔符来拆分之盾v步骤名称：在单一转换中必须唯一v需要拆分的字段： 想要拆分的字段的名称。

v分隔符： 决定字段结束的分隔符v字段 ： 拆分形成的字段列表v例如： 某字段包含 ： (123,456,789) , 使用逗号(,)分割符，可将字段分成三个段7.0 Flow ： 空操作(什么也不做)v这个操作说明都不做，它的主要作用是，在你想做测试的时候，充当一个占位符7.1 Flow ： 过滤记录v这个步骤根据条件和比较符来过滤记录v发送true数据给步骤： 指定条件返回true的数据将发送到此步骤v发送false数据给步骤： 指定条件返回false 的数据将发送到此步骤vTrue 和false 步骤必须指定7.2 Flow ： Abort(中止)v这个步骤允许你在观察输入的时候中止步骤，它的主要用途是错误处理，在一定数量的行流过错误的连接时中止转换v失败阀值： 中止转换的开始行数如果设置为0，在第一行的时候，步骤将被中止v失败信息：中止的时候放入日志文件的消息，如果没有输入就使用缺省消息v总是记录行数： 中止步骤总是记录处理的行数7.3 Flow ：Blocking Step（被冻结的步骤）v这是一个非常简单的步骤，它冻结所有的输出，直到从上一个步骤来的最后一行数据到达，最后 一行数据将发送到下一步。

你可以使用这个步骤触发常用插件、存储过程和js等等8.0 连接 ：Merge Join(合并排序)v这个步骤将来自两个不同的步骤输入的数据执行一个高效的合并合并选项包括INNER ，LEFT OUTER , RIGHT OUTER, FULL OUTER.v这个步骤将输入的行按照指定的字段存储v被合并的两个步骤，必须按照相同的段进行排序8.1 连接 ：合并记录v这个步骤允许你比较两个行流如果想在两个不同的时间比较数据，这是非常有用的它常被用于数据仓库源系统没有包含最后更新日期的情况v两个行流被合并，一个是引用流(旧数据)，一个是比较流（新数据），每次都是行里的最后版本通过进入下一步骤，行有以下标记：v“Identical” : 关键字在两个流中都存在，并且值相同v“changed” : 关键字在两个流中都存在，但一个或更多的值不同v“new” : 引用流中没有找到关键字v“deleted”: 比较流中没有找到关键字v比较流中的数据进入下一步骤，除非在”删除”的情况9.0 作业 核心对象v1. 通用v(1). START : start是任务执行的入口，首先必须是任务可以执行。

只有无条件的任务条目可以从start 入口连接v(2) job ： 另外一个Job.v(3) Success v(4) Transformation ： 选择一个已经存在的 .ktr文件v(5) dummy :v(6) set variables9.1 作业 核心对象v右击start，选择编辑作业入口，可设置定时如下图所示v在job中使用Dummy 条目将什么也不做，这可以使一个任务更清晰的展示，或者在执行循环中使用。