大数据之数据仓库技术：ETL工具和Kettle简介

ETL简介

ETL(Extract-Transform-Load): 在大数据技术领域内，用来描述将数据从 来源端 经过 抽取(extract), 转换(transform), 加载(load) 至 目的端 的过程。 ETL 一词常用在数据仓库，但其对象并不限于数据仓库。

因此，ETL 更多是一个抽象概念，可以用任何编程语言来完成开发。无论是 python, java, 甚至数据库的 存储过程，只要它最终是让数据完成 抽取 -> 转化 -> 加载 的效果即可。
愈来愈多的企业采用工具或抽象成类来实现开发和管理。

ETL 能够对各种分布的、异构的源数据(如关系数据)进行 抽取，按照预先设计的规则将不完整数据、重复数据以及错误数据等 脏数据 内容进行 清洗，得到符合要求的 干净 数据，并 加载 到数据仓库中进行存储，这些 “干净” 数据就成为了数据分析、数据挖掘的基石。

ETL 是实现商务智能(Business Intelligence，BI)的核心。一般情况下，ETL会花费整个BI项目三分之一的时间，因此ETL设计得好坏直接影响BI项目的成败。

如果说 数据仓库 的模型设计是一座大厦的设计蓝图，数据是砖瓦的话，那么 ETL 就是建设大厦的过程。

ETL工具和Kettle

Kettle(Pentaho Data Integration): 中文名叫水壶，项目的概念是把各种数据放到一个壶里，然后以指定的格式流出。是国外开源的 ETL 工具，纯 java 编写，可以在Windows、Linux、Unix上运行。

Kettle入门: https://blog.csdn.net/qq_44134480/article/details/128748898:

Kettle家族

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

1. Spoon：勺子，GUI方式的 转换 设计工具。 可以用来开发 转换、任务、创建数据库、集群、分区 等。

2. Pan：煎锅，命令行方式的 转换 执行工具。可批量执行，并支持后台运行。

3. Chef：厨师，GUI方式的 作业(job) 设计工具。 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作业。

4. Kitchen：厨房，命令行方式的 作业(job) 执行工具。 可批量使用由 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。

但要注意：kettle的内存释放极差，一定要监测kettle的内存使用情况。

kettle文件类型：

• .ktr: 即 Transformation, 完成数据的基础转换。
• .kjb: 即 Job, 完成整个作业流的控制。一个作业包含一个或多个转换。
• .kdb: 数据库配置文件

Kettle资源

• GitHub项目主页: https://github.com/pentaho/pentaho-kettle
• https://juejin.cn/s/kettle官网
• Kettle中文网 http://www.kettle.org.cn/

KettlePack 任务调度工具

KettlePack 是由从晶科技开发的基于Kettle9（兼容Kettle8及其他版本）的web端调度监控管理平台，专门用来调度和监控由Kettle客户端创建的Job和Transformation。
安装使用简单方便，并拥有完善的帮助文档和在线支持，目前基本可以支持所有的组件，包括大数据组件（hbase、hive、hdfs等）。

---

浅谈ETL https://www.jianshu.com/p/da9beed7341f
ETL简介 https://blog.csdn.net/fuhanghang/article/details/129546712
kettle概念-ETL,Kettle,Spoon等区别 https://blog.csdn.net/u014636209/article/details/82055854
Kettle简介 https://blog.csdn.net/qq_44134480/article/details/128748898