Kettle的下载安装教程和使用简介（内含第一个kettle转换案例）

本文首先介绍Kettle工具的安装及基本概念，然后通过一个案例实操介绍Kettle工具的使用。

本文重要的内容如下：

Kettle的安装

1.Java的安装

• 登录Java的官网后，进入到下载页面：http://www.oracle.com/technetwork/java/javase/downloads/index.html，选择当前最新的Java版本下载安装。
• 本章以Win10操作系统安装Java10为例进行介绍。
• 下载jdk-10_windows-x64_bin.exe完毕后，双击该文件，一路选择next，直接到安装完毕。
• 本书的安装路径为C:\Program Files\Java\jdk-10。

2.Java环境变量的配置

---

右键点击“我的电脑”，在弹出的选项栏中点击“属性”

 点击“高级系统设置”。

点击“环境变量(N)…”。

 点击“系统变量(S)”栏目下的“新建(W)…”。

以新建的方式配置JAVA_HOME环境变量。在“变量名(N):”填入JAVA_HOME， 在“变量值(V):”填入C:\Program Files\Java\jdk-10。填写完毕后，点击“确定” 完成新建环境变量JAVA_HOME的配置。

 参考JAVA_HOME环境变量的配置操作完成CLASSPATH环境变量的配置。CLASSPATH环境变量的值为 .;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar，填写完毕后，点击“确定”，完成新建环境变量CLASSPATH的配置。

 在“系统变量(S)”栏目中，点击Path环境变量，接着点击“编辑(I)…”按钮，以追加的方式开始配置Path环境变量。

在“编辑环境变量”弹框中，点击“新建（N）”按钮

 在光标位置，增添.;%JAVA_HOME%\bin;%JAVA_HOME%\jre\bin，点击“确定”完成Path的配置。配置完毕后，点击所有弹框的“确定”按钮，关闭所有弹框，返回到桌面。

在命令窗口中输入java –version和javac命令，有如下输出提示，则Java 的环境变量配置正确。

 

 3.Kettle的下载安装与spoon启动

• Kettle作为一个独立的压缩包发布，可以从https://sourceforge.net/projects/pentaho/files/ 选择最新的版本下载安装。下载完毕后，解压下载的文件，点击spoon.bat即可使用。
• 为了方便使用，可以为spoon.bat创建一个 Windows桌面快捷方式。创建快捷方式后，右键单击新创建的快捷文件，在弹出菜单中选择属性。打开的属性对话框里显示了快捷方式标签。在这个标签下“更改图标”按钮可以为这个快捷方式选中一个容易识别的图标，一般选择 Kettle目录下的spoon.ico文件。

---

修改spoon.bat的图标

 

 Kettle的使用简介

• 转换是ETL解决方案中最主要的部分，它负责处理抽取、转换、加载各阶段对数据行的各种操作。转换包括一个或多个步骤，如读取文件、过滤输出行、数据清洗或将数据加载到数据库。
• 转换里的步骤通过跳来连接，跳定义了一个单向通道，允许数据从一个步骤向另一个步骤流动。在Kettle里，数据的单位是行，数据流就是数据行从一个步骤到另一个步骤的移动。数据流的另一个同义词就是记录流。
• 除了步骤和跳,转换还包括了注释，注释是一个小的文本框，可以放在转换流程图的任何位置。注释的主要目的是使转换文档化。

        步骤是转换里的基本组成部分。它是一个图形化的组件，可以通过配置步骤的参数，使得它完成相应的功能。例子显示了两个步骤，分别为“表输入”和“Microsoft Excel 输出”。配置“表输入”步骤的参数，可以使得这个步骤从指定的数据库中读取指定关系表的数据；配置“Microsoft Excel 输出” 步骤的参数，可以使得这个步骤向指定的路径创建一个Excel表格，并写入数据。当这两个步骤用跳（箭头连接线）连接起来的时候，“表输入”步骤读取的数据，通过跳，传输给了“Microsoft Excel 输出”步骤。最终，“Microsoft Excel 输出”步骤把“表输入”所读取的数据，写入到Excel表格中。这个跳，对“表输入”而言，是个输出跳；对“Microsoft Excel 输出”而言，是个输入跳。 

• 转换的跳就是步骤之间带箭头的连线，跳定义了步骤之间进行数据传输的单向通道。
• 从程序执行的角度看，跳实际上是两个步骤线程之间进行数据行传输的缓存。这个缓存被称为行集，行集的大小可以在转换的设置里定义。当行集满了，向行集写数据的步骤将停止写入，直到行集里又有了空间。当行集空了，从行集读取数据的步骤停止读取,直到行集里又有可读的数据行。
• 注意：因为在转换里每个步骤都依赖前一个步骤获取字段值，所以当创建新跳的时候,跳的方向是单向的，不能是双向循环的。

第一个转换案例

1、运行Spoon.bat后，Kettle将启动Spoon，进入可视化编程界面。

2、如下所示，创建一个转换文件。（注：“作业”包括一个或多个作业项，作业项由转换构成。） 

3、点击下图圈出的“图片”图标，重命名该转换文件，保存在某个指定的路径 

 4、在“核心对象”标签中，点击“输入”文件夹展开输入类型的所有步骤。按住鼠标左键拖拽“表输入”步骤到画布中。这样，在画布中就创建了一个新步骤。

 

5、在“核心对象”标签中，点击“输出”文件夹展开输出类型的所有步骤。点击“Microsoft Excel 输出”步骤，按住鼠标左键拖拽到画布中。 

6、转换里的步骤通过跳定义一个单向通道来连接。点击“表输入”步骤，按住鼠标左键，将箭头一直拖到“Microsoft Excel 输出”，待箭头变成绿色时，松开鼠标左键，即可建立两个步骤之间的跳。 注：右键点击跳的箭头符号，在菜单栏上选择相关的操作设置该跳的一些属性，包括“使节点连接时效”，“删除节点连接”等。

 

7、双击“表输入”步骤进行配置，在弹出的配置对话框中，点击“新建”按钮配置数据库的连接信息

 

8、配置数据库连接 

9、配置数据库连接后，“表输入”弹框中会显示新建的数据库连接

 

10、在“表输入”弹框中，点击“获取SQL语句”按钮，将弹出“数据库浏览器” 

11、选择“学生”表后，“表输入”弹框会显示“学生”表的查询语句

 

12、选择预览的记录数量，点击“确定”后，将可以查看学生表的数据记录信息。此时，已完成了“表输入”步骤的配置。

13、 双击“Microsoft Excel 输出”步骤进行配置。在弹出的配置对话框中，点击选定“文件&工作表”进行配置。

14、在“Microsoft Excel 输出”步骤的配置对话框中，点击选定“内容”进行配置。 点击“获取字段”按钮，获取上个步骤输出的数据字段。     获取后，在“字段”的表格中，显示了已获取的字段。这些字段将在C:\Users\45812\Desktop\etl\ktr\outfile.xlsx文件中输出。 

15、点击“右三角”开始运行程序，在弹出的对话框中，选择“启动”按钮运行程序

 16、执行完毕后，输出的文件保存在“Microsoft Excel 输出”步骤设置的路径下。该转换的输出路径及文件为C:\Users\45\Desktop\etl\ktr\outfile.xlsx

 对于Kettle而言，执行的一系列结果在右下方的“执行结果”状态栏中显示。也就是说，“执行结果”状态栏是对转换、作业执行过程的监控。