kettle7.1的基本使用总结

概念：

Kettle是一款国外开源的ETL工具，纯java编写，可以在Windows、Linux、Unix上运行，数据抽取高效稳定。

Kettle家族目前包括4个产品：Spoon、Pan、CHEF、Kitchen。

SPOON 允许你通过图形界面来设计ETL转换过程（Transformation）。

PAN 允许你批量运行由Spoon设计的ETL转换 (例如使用一个时间调度器)。Pan是一个后台执行的程序，没有图形界面。

CHEF 允许你创建任务（Job）。 任务通过允许每个转换，任务，脚本等等，更有利于自动化更新数据仓库的复杂工作。任务通过允许每个转换，任务，脚本等等。任务将会被检查，看看是否正确地运行了。

KITCHEN 允许你批量使用由Chef设计的任务 (例如使用一个时间调度器)。KITCHEN也是一个后台运行的程序。

我们主要讲解spoon。

一、配置仓库管理

    点击右上角配置数据存储位置

点击Repository Manager…

数据库存储则是将所创建的文件保存到数据库，这样可以保证数据的安全性。（长时间的传输可能出现数据库连接超时）。

文件存储则是将文件保存到本地磁盘，两种可视情况而定。

二、转换的使用

配置BD连接，必须先把数据库连接的jar包放在kettle安装目录下的lib包。如：mysql-connector-java-5.1.38.jar

如下：配置了一个oracle和一个mysql的数据库

新建一个转换： 文件 —> 新建 —> 转换

简单的数据转换最常用的就是CSV文件输入和表输入两种了，其他的可以在作业中用到。

输出有以上几种，下面我们示范一个从数据库读取数据，输出一个csv文件。

写完后点击预览查看是否正确

下面看文本文件输出

点击执行，生成csv文本

三、作业

比如说我们要同时同步五张表的数据则可以新建一个作业，多线程去同步五张表的数据

四、定时执行任务

我们将作业保存在数据库中，windows下一般用任务调度来执行，linux可以用crotable实现

新建一个bat文件

然后将这个bat文件添加到windows定时任务中就可以了

五、java代码

kettle也支持java代码及js脚本等

假设有表person,有字段id,name,code,若code为空，则取name,若不为空加上999，然后更新原表数据。

表输入如下：

Java代码如下：

更新如下：

执行成功后查看数据库数据：

六、性能优化

Oracle:

    defaultRowPrefetch = 20000 （可以根据内存情况定）

        预取条数默认值,oracle默认为10，可以增加该值来减少数据库请求以提高查询效率

Mysql:

defaultFetchSize：设置一次读取多少条数据，不设置读大表可能会出现OOM问题

rewriteBatchedStatements：批量插入，可以提高插入数据的性能

useServerPrepStmts：如果服务器支持，是否使用服务器端预处理语句？ 默认值为“真”（如果数据类型不一       致，可能会出现丢失精度问题）

useCursorFetch：使用FetchSize必须启用

useCompression：与服务器进行通信时采用zlib压缩（真／假）？ 默认值为“假”。

更多参数配置可以见：mysql配置

提交数量可以根据内存情况尽量给大，最大5W条。

根据电脑内存修改spoon.bat

         PENTAHO_DI_JAVA_OPTIONS="-Xms8192m""-Xmx8192m" "-XX:MaxPermSize=4096m"