kettle入门杂乱笔记

kettle

安装：

下载地址[kettle下载地址](https://sourceforge.net/projects/pentaho/files/Data Integration/)

下载后直接解压即可，解压后打开你的文件夹，找到spoon.bat，点击等待一会即可，无需安装，遇到有时候出现jdk地址无法找到时，使用记事本编辑它，在里面添加下面代码，对小提一嘴，程序员嘛，就尽量别使用记事本了，使用Notepad++吧，里面的东西比记事本好用一些，支持的编码格式啥的也挺好用的。

set JAVA_HOME=D:jdk1.8 #指定自己的安装路径
set PENTAHO_JAVA_HOME=%JAVA_HOME%

表输入时出错

遇到Couldn’t get field info from [SELECT * FROM student;] 假如说你确定你的代码没有出错，在进行表连接时却报错了，去你的kettle\data-integration\lib下面看看你的mysql-connector-java是否与数据库版本一致，如过不知道你的数据库版本，Windows端可以直接进行搜索，而Linux端则进行查找你的MySQL安装地址，可以看到对应版本，再使用相关软件进行传输出来即可，再放到kettle\data-integration\lib下面，并将原本的删除。

注意：在使用时建议删除一个后缀文件名，不然会出现两个

同等条件下，建议使用Microsoft Excle输出，因为体积更小。

注意，在输出sql语句转换时，一定要注意kettle里面没有varchar类型，默认改成TINYTEXT，所以在重新导入创建时一定要记得自行修改。

解决链接MySQL时出现乱码问题

找到my.cnf文件，假如不知道自己的my.cnf文件在哪

cd ~
find -name my.cnf

查找道自己的my.cnf文件后编辑添加下面配置

[mysqld]
character_set_server=utf8

init_connect-'SET NAMES utf8'

确认是否更改成功

主要看下面几行

mysql> show variables like '%char%';
+--------------------------+----------------------------+
| Variable_name            | Value                      |
+--------------------------+----------------------------+
| character_set_client     | utf8                       |#这行
| character_set_connection | utf8                       |#这行
| character_set_database   | utf8                       |#这行
| character_set_filesystem | binary                     |
| character_set_results    | utf8                       |
| character_set_server     | utf8                       |#这行
| character_set_system     | utf8                       |
| character_sets_dir       | /usr/share/mysql/charsets/ |
+--------------------------+----------------------------+
8 rows in set (0.00 sec)

字段选择

删除时直接不选择即可。

流查询

MySQL安装完毕后无法连接到sqlyog 这时候需要在cmd里面重新修改你的数据库密码

alter user 'root'@'localhost' identified with mysql_native_password by '新密码';

作业

作业的线上面是锁的时候。这是一个无条件的跳跃。这意味着，无论‘转换’的执行结果如何，下一个作业条目都将始终被执行。

作业的线上面是√时，意味着当执行无误时，执行下一条语句

作业线上未×时，即出现异常时，下一条语句执行。

作业中发送邮件的规矩。
注意 下面的用户验证也是要勾选的，我没有选择是因为保护自己的隐私，然后邮箱的密码为第三方邮箱验证密码。

密码获取方法，登陆自己的邮箱后


后面再跟着他的提示获取就好了，记住这里没法查看，所以获取后建议保存下来，不然下次就得重新获取了。假如你要下载foxMail这类第三方邮箱验证密码的密码也是这个。验证过后这个你的邮箱才能正常发出去，确定对方收到，否则回有极大可能收不到信息。

数据抽取

数据抽取，是指从源数据源系统抽取目的数据源系统需要的数据，这里的源数据源就是数据输入的各种类型的数据库（一般是关系数据库），目的数据源就是数据输出的数据库。
数据抽取又分为全量抽取和增量抽取

全量抽取

类似于数据迁移或数据复制，它将数据源中的表或视图的数据原封不动的从数 据库中抽取出来，并转换成自己的ETL 工具可以识别的格式。

全量抽取比较简单。

别考虑就是这么简单

增量抽取
增量抽取，只抽取自上次抽取以来数据库中要抽取的表中新增或修改的数据。在ETL 使用过程中，增量抽取较全量抽取应用更广。如何捕获变化的数据是增量抽取的关键。对捕获方法一般有两点要求：准确性，能够将业务系统中的变化数据按一定的频率准确地捕获到；性能，不能对业务系统造成太大的压力，影响现有业务。

增量抽取更常用、更重要、更复杂，所以重点详细介绍

增量数据抽取常用的捕获变化数据的方法
1.触发器方式（又称快照式）（会降低源数据库的性能，所以用户一般不会同意滴）

介绍

在要抽取的表上建立需要的触发器，一般要建立插入、修改、删除三个触发器，每当源表中的数据发生变化，就被相应的触发器将变化的数据写入一个临时表，抽取线程从临时表中抽取数据，临时表中抽取过的数据被标记或删除

优点
  数据抽取的性能高，ETL 加载规则简单，速度快，不需要修改业务系统表结构，可以实现数据的递增加载。

  缺点
  要求业务表建立触发器，对业务系统有一定的影响，容易对源数据库构成威胁。（会降低源数据库的性能，所以用户一般不会同意滴）

2.时间戳方式（一般比较常用，好用）

它是一种基于快照比较的变化数据捕获方式，在源表上增加一个时间戳字段，系统中更新修改表数据的时候，同时修改时间戳字段的值。当进行数据抽取时，通过比较上次抽取时间与时间戳字段的值来决定抽取哪些数据。有的数据库的时间戳支持自动更新，即表的其它字段的数据发生改变时，自动更新时间戳字段的值。有的数据库不支持时间戳的自动更新，这就要求业务系统在更新业务数据时，手工更新时间戳字段。

优点
  同触发器方式一样，时间戳方式的性能也比较好，ETL 系统设计清晰，源数据抽取相对清楚简单，可以实现数据的递增加载。

缺点
时间戳维护需要由业务系统完成，对业务系统也有很大的倾入性（加入额外的时间戳字段），特别是对不支持时间戳的自动更新的数据库，还要求业务系统进行额外的更新时间戳操作；另外，无法捕获对时间戳以前数据的delete和update 操作，在数据准确性上受到了一定的限制。

3.全表删除插入方式

介绍每次ETL 操作均删除目标表数据，由ETL 全新加载数据。

优点ETL 加载规则简单，速度快。

缺点
 对于维表加外键不适应，当业务系统产生删除数据操作时，综合数据库将不会记录到所删除的历史数据，不可以实现数据的递增加载；同时对于目标表所建立的关联关系，需要重新进行创建。

4.全表比对方式（性能较差）

全表比对的方式是ETL 工具事先为要抽取的表建立一个结构类似的临时表，该临时表记录源表主键以及根据所有字段的数据计算出来，每次进行数据抽取时，对源表和临时表进行的比对，如有不同，进行Update 操作，如目标表没有存在该主键值，表示该记录还没有，即进行Insert 操作。

优点
  对已有系统表结构不产生影响，不需要修改业务操作程序，所有抽取规则由ETL完成，管理维护统一，可以实现数据的递增加载，没有风险。

缺点
  ETL 比对较复杂，设计较为复杂，速度较慢。与触发器和时间戳方式中的主动通知不同，全表比对方式是被动的进行全表数据的比对，性能较差。当表中没有主键或唯一列且含有重复记录时，全表比对方式的准确性较差。

5.日志表方式（较为麻烦）

在业务系统中添加系统日志表，当业务数据发生变化时，更新维护日志表内容，当作ETL 加载时，通过读日志表数据决定加载那些数据及如何加载。
优点
  不需要修改业务系统表结构，源数据抽取清楚，速度较快。可以实现数据的递增加载。

缺点
  日志表维护需要由业务系统完成，需要对业务系统业务操作程序作修改，记录日志信息。日志表维护较为麻烦，对原有系统有较大影响。工作量较大，改动较大，有一定风险。

当kettle 和MySQL的连接失败时，出现连接问题失败的 原因可能是jar包太多，导致失态分布(不记得是不是这个词了，哈哈哈反正就是jar包过多)。留一两个合适版本的jar包就行。
载。