数据清洗_ETL工具（Kettle）

一、六种 主流ETL 工具的比较(DataPipeline，Kettle，Talend，Informatica，Datax ，Oracle Goldengate)

 

二、Kettle下载和安装

Kettle简介：Kettle 是 PDI 以前的名称，PDI 的全称是Pentaho Data Integeration，Kettle 本意是水壶的意思，表达了数据流的含义。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，绿色无需安装，数据抽取高效稳定。Kettle这个ETL工具集，它允许你管理来自不同数据库的数据，通过提供一个图形化的用户环境来描述你想做什么，而不是你想怎么做。Kettle中有两种脚本文件，transformation和job，transformation完成针对数据的基础转换，job则完成整个工作流的控制。作为Pentaho的一个重要组成部分，现在在国内项目应用上逐渐增多。

1、运行spoon.bat，打开spoon图形工具

建立连接

注意：红圈处没有connect按钮，原因为资源库配置文件乱码造成
解决方法：打开系统盘用户目录下的repositories.xml配置文件，将乱码内容删除，并删除.spoonrc文件，重启kettle

2、创建或连接资源库

选择创建数据库资源库

 

数据库连接：

连接报错：

这里连接的是mysql数据库，如连接其他数据库，需将数据库驱动放在kettle根目录中的lib下面，然后启动数据库重启kettle

测试：

创建成功，选择Connect连接到数据库

登陆，默认有个admin用户，密码也为admin启动后可以修改用户密码或添加其他用户

创建成功：

连接数据库查看可以发现该数据库自动创建了使用kettle所需要的表结构

安装到此结束。。。。。。。。。