开源ETL工具Kettle简介

阅读更多

 

 开源ETL工具Kettle简介

1.1.  什么是 kettle

Kettle 也叫 PDI，在2006年 Kettle 加入了开源的 BI 组织 Pentaho, 正式命名为PDI，英文全称为Pentaho Data Integeration。Kettle 是“Kettle E.T.T.L. Envirnonment”只取首字母的缩写，这意味着它被设计用来帮助你实现你的ETTL需要：抽取、转换、装入和加载数据；翻译成中文名称应该叫水壶，名字的起源正如该项目的主程序员 MATT 在一个论坛里说的哪样：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。

Spoon是一个图形用户界面，它允许你运行转换或者任务，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。

 

1.2.  Kettle的安装

要运行kettle工具必须安装Sun公司的JAVA运行环境，kettle 4.2.0需要运行java 1.6或者更高版本，Kettle的下载可以到http://kettle.pentaho.org/取得最新版本。kettle不需要安装，安装好java环境后，在操作系统环境变量path中配置jre路径，把kettle工具压缩包解压后可直接使用。

 

1.3.  运行Spoon

下面是在不同的平台上运行 Spoon所支持的脚本：

Spoon.bat：在windows 平台运行Spoon。

Spoon.sh： 在 Linux、Apple OSX、Solaris 平台运行 Spoon。

1.4.  资源库

资源库是用来保存转换任务的，用户通过图形界面创建的转换任务可以保存在资源库中。资源库可以使多用户共享转换任务，转换任务在资源库中是以文件夹形式分组管理的，用户可以自定义文件夹名称。资源库有两种形式：

一、Kettle database repository，即保存在各种常见的数据库资源库类型，用户通过用户名/密码来访问资源库中的资源，默认的用户名/密码是admin/admin和guest/guest。

二、Kettle file repository，保存在服务器硬盘文件夹内的资源库类型，此类型的资源库无需用户进行登录，直接进行操作。

 

当然，资源库并不是必须的，如果没有资源库，用户还可以把转换任务保存在xml文件中。为了方便管理，建议用户建立并使用数据库类型资源库Kettle database repository。

温馨提示：

一、在删除资源库中单个内容时，不会提示“是否确定需要删除”，需要特别注意。

二、win7系统下，“Kettle file repository”类型资源库创建文件夹后，无法删除文件夹，不确定是Kettle工具本身的bug或者是在win7操作系统下的bug。

三、“Kettle database repository”类型资源库虽然有需要用户和密码进行登录，但目前还没有相应的权限控制。