kettle的下载安装以及问题点

1、kettle下载以安装

1）kettle的官网下载地址：Pentaho from Hitachi Vantara - Browse Files at SourceForge.net

2）如果需要下载其他版本：

直接点击对应的版本Name（8.0以下的是在Data Integration文件夹里面）进去，再选择client-tools点击进去，最后选择pdi-ce-xxx.zip进行下载。

​ 

3）安装

不管是windows和linux环境下安装都是直接解压即可，再配置jdk环境。同步数据时，需要在lib加入对应的数据库驱动包。

---

2、Kettle的注意点与问题点

【Kettle-201】${Internal.Entry.Current.Directory}，该参数要求ktr文件和job文件必须放到同一目录下。

当然，可以给他加后缀设置不一样的路径，或者直接把对应文件的路径放进去

【Kettle-202】 输入和输出的字段格式不一致

以ElasticSearch为输入源，数据库为输出为例，es可能是驼峰命名字段，数据库可能是下划线命名。处理时可以在idea通过camelBar插件进行辅助转换。（快捷键：Alt+Shift+U 或者通过Edit-->camelBar）

【Kettle-203】hive相关问题，如果是同步到hive，默认情况下表输出是比较慢的，需要修改big-data-plugin插件源码。

异常原因：在kettle的big-data-plugin插件的源码中把批量提交的方法关闭了，所以其只能单挑插入，效率就非常低。

解决办法：

1）下载big-data-plugin插件源码（github上面直接搜索），选择与当前kettle版本对应的源码版本，如cdh510；
2）kettle官网下载kettle程序（暂且称为安装版）；
3）在Idea上新建一个Java Project，把下载的插件源码解压，src下的文件拷贝到工程目录src下，工程中新建lib目录，把kettle安装版目录/lib下的kettle-core-版本号.jar、kettle-dbdialog-版本号.jar、kettle-engine-版本号.jar、kettle-ui-版本号.jar 四个jar包拷贝到工程lib目录并buildpath;
4）把工程src下除了org.pentaho.di.core.database 包之外的其他包都删除（这里只用hive2数据库连接，所以其他大数据插件就不要了，个人可以根据自身需求而定。）；
5）修改Hive2DatabaseMeta类中的 public boolean supportsBatchUpdates()方法，把返回值由false改为true；
6）把工程达成jar包，名称参考安装版 plugins/pentaho-big-data-plugin/下的pentaho-big-data-plugin-版本号.jar的名字，然后替换安装版这个jar包为工程导出的jar包，重启kettle，DB连接的HadoopHive2连接的特征列表的supportsBatchUpdate已经是Y了，实际转换中的表输出速度也提高到几千条每秒。后台spark界面看提交的sql语句也变成batchinsert而不是之前的insert。

参考文章：https://download.csdn.net/download/weixin_43861380/11166617?utm_source=bbsseo

【Kettle-204】kettle连接不上hive

异常原因：如果使用kettle版本过高，hive版本过低，可能会导致连接不上hive。

解决方案：① 可以通过修改源码来解决。

② 也可以直接下载个低版本的kettle，修改plugin.properties配置文件（active.hadoop.configuration=），指定对应的CDH的版本（假设使用使用cdh）

在data-integration\plugins\pentaho-big-data-plugin\hadoop-configurations可以看到对应的大数据一些组件版本。

【Kettle-205】Caused by: com.mysql.jdbc.exceptions.jdbc4.MySQLIntegrityConstraintViolationException: Column 'id' cannot be null

异常原因：① 如果目标表有主键，过来的数据为空，也会报主键不能为空的问题。② 如果是通过REST client就可能是查询条件出问题。

解决方案：① 确保同步同步过来的数据不为空

② 检查查询语句是否有异常

【Kettle-206】Caused by: java.sql.SQLException: Incorrect string value: '\xF0\x9F\x9A\x80WZ...' for column

 异常原因：通常情况，Mysql数据编码格式为“utf-8”，对于汉字来说足够；Mysql中utf8占3个字节，但是，3个字节对于表情符号是不够的，需4个字节；此时使用utf8，会出现‘\xF0\x9F\x8D\x83\xF0\x9F’的问题。

utf8mb4编码是utf8编码的超集，兼容utf8，并且能存储4字节的表情字符。

解决方案：

① 设置kettle的数据库连接的配置（这种设置后可能连接不上数据库，数据库那边可能还要调整）

② 针对字段修改编码格式为utf8mb4（推荐使用）

ALTER TABLE table_name CHANGE field_name field_name VARCHAR(64) CHARACTER SET utf8mb4 ; 

③ 修改数据库表的编码格式，修改为utf8mb4；修改Mysql配置文件my.cnf（windows下为my.ini），然后重启数据库 。

[client]
default-character-set = utf8mb4
[mysql]
default-character-set = utf8mb4
[mysqld]
character-set-server = utf8mb4

参考文章：解决Mysql：Incorrect string value: '\xF0\x9F\x8D\x83\xF0\x9F...' for column_春风化作秋雨的博客-CSDN博客_incorrect string value:

【Kettle-207】目标表新增字段，kettle同步的时候无法显示的问题 

异常原因：主要是kettle缓存问题导致的

解决方案：直接在最后的输出步骤里，点击下方的SQL进行缓存清理。

---

 3、kettle启动停止工具脚本

#!/bin/sh
# @date 2023-01-03
# kettle启动停止工具脚本

KJB_NAME=$2
## kettle的父路径
KETTLE_PATH='/opt/module/kettle/pdi-ce-8.2.0.0-342'

## 使用说明，用来提示输入参数
usage(){
    echo "Usage: sh 脚本名.sh [start|stop|restart|status|tail] [KJB_NAME]"
    exit 1
}

## 检查执行的文件是否存在
is_exist(){
    if [[ ! -e ${KETTLE_PATH}/jobs/${KJB_NAME}.kjb ]]; then
        echo "该${KJB_NAME}.kjb在${KETTLE_PATH}/jobs/下不存在！"
        exit 1
    fi
}

## 检查程序是否在运行
is_running(){
    pid=`ps -ef|grep ${KJB_NAME}.kjb|grep -v grep|awk '{print $2}'`
}

## 启动方法
start(){
    is_exist
    is_running
    echo "pid=${pid}"
    if [[ -z "${pid}" ]]; then
        nohup ${KETTLE_PATH}/data-integration/kitchen.sh -file=${KETTLE_PATH}/jobs/${KJB_NAME}.kjb >> ${KETTLE_PATH}/logs/${KJB_NAME}.log 2>&1 &
        echo "${KJB_NAME} start success!"
    else
        echo "${KJB_NAME} is already running."
    fi
}

## 关闭方法
stop(){
    is_running
    if [[ -z "${pid}" ]]; then
        echo "${KJB_NAME} is not running!"
    else
        echo "${KJB_NAME}, Trying to kill the pid=${pid}."
        kill -9 ${pid}
        echo "${KJB_NAME} stop success!"
    fi
}

## 重启方法
restart(){
     stop
     start
}

## 启动方法
status(){
    is_exist
    is_running
    echo "pid=${pid}"
    if [[ -z "${pid}" ]]; then
        nohup ${KETTLE_PATH}/data-integration/kitchen.sh -file=${KETTLE_PATH}/jobs/${KJB_NAME}.kjb >> ${KETTLE_PATH}/logs/${KJB_NAME}.log 2>&1 &
        echo "${KJB_NAME} start success!"
    else
        echo "${KJB_NAME} is already running."
    fi
}

if [[ $# -lt 2 ]]; then
	usage
fi

case $1 in
	"start")
		echo "=================== start kettle_kjb ==================="
		start
	;;
	"stop")
		echo "=================== stop kettle_kjb ==================="
		stop
	;;
	"restart")
		echo "=================== restart kettle_kjb ==================="
		restart
	;;
	"status")
		echo "=================== status kettle_kjb ==================="
		ps -ef|grep ${KJB_NAME}.kjb|grep -v grep
	;;
	"tail")
		echo "=================== tail kettle_kjb ==================="
		tail -60f ${KETTLE_PATH}/logs/${KJB_NAME}.log
	;;
	*)
		echo "Input Args Error..."
	;;
esac

参考文章：https://www.cnblogs.com/hls-code/p/16282329.html