Kettle 工具的简单使用

概述

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，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。

---

使用示例

• 环境说明：windows 10 x64、jdk1.7.0_79、Kettle版本6.1。
• 以数据同步功能作为范例。

创建转换

• 左上方工具栏->文件->新建->转换 (或者使用CTRL+N快捷键)

  
  创建转换文件.png

• 左上方选择->主对象树-> DB连接右键->新建

  
  新建数据源.png

• 配置来源数据库和目标数据库数据源

目标数据源"target"配置同下，配置完后可点击下方的测试按钮进行数据库连接可用性检查。

来源数据源配置 来源和目标数据源连接

全量同步

先删除后插入，清除目标表所有旧数据，再重新插入最新的数据，适合数据量较少的数据。

• 左上方核心对象-> 脚本->执行SQL脚本，拖动到右边空白处，鼠标悬浮出现编辑按钮：

  
  编辑脚本任务

清空目标表旧数据

• 左上方核心对象-> 输入->表输入，同样拖动至右边点击编辑按钮：

  
  来源数据定义

• 左上方核心对象-> 输出->表输出，同样拖动至右边点击编辑按钮：

  
  数据目标定义

• 将 "执行SQL脚本->表输入->表输出" 用步骤线连接起来

  
  定义执行顺序

• 执行转换

  
  启动转换任务
  执行成功结果

按时间戳同步

需要分表创建以下两个转换：
1、根据记录的删除日志表，删除废弃数据。
2、选定时间戳字段（比如最后修改时间），比较时间戳，判断进行操作：插入新增数据、更新修改数据。

1、删除废弃数据

• 定义获取已删除过的最大流水号表输入

获取已删除的最大流水号

• 定义获取待删除数据标识表输入

获取待删除数据标识

• 定义删除步骤

  
  删除步骤定义

• 连接表输入和删除步骤

  
  删除旧数据

2、根据时间戳同步数据

• 获取同步的时间戳

  
  获取同步的时间戳

• 定义待同步数据的表输入

  
  待同步数据

• 定义插入/更新步骤

  
  插入/更新

• 连接步骤

  
  根据时间戳同步数据

数据同步

根据比较来源和目标数据字段（来源和目标表结构及字段名一致），判断进行操作：删除不存在的旧数据、插入新增数据、更新修改数据，用于数据量不大的情况。
注意：用于合并的两个数据输入流，必须按照相同的主键按照相同的方向进行排序，否则合并出来的数据标志字段的取值是错误的。

• 定义来源数据输入

  
  来源数据

• 定义目标数据输入

  
  目标数据

• 定义数据合并步骤

  
  数据合并

• 定义数据同步步骤

数据同步-1 数据同步-2

• 连接步骤

  
  数据同步