Kettle 输入步骤

1. 生成记录/自定义常量

• 用于生成自定义的数据
• 一般用于测试, 固定数据的输入.
• 生成记录步骤每行的数据都相同.
• 自定义数据常量步骤更灵活.

2. 获取系统信息

获得各类系统信息, 常见的包括:

• 转换开始时间.
• 关键时间点信息.
• 最多十个命令行参数.
• 主机名 ip/进程号/虚拟机内存等.
• 上一个作业的完成情况参数.

3. 表输入

执行 Select 语句, 从数据库中获取数据

• 可以通过 ? 和 ${var} 方式使用变量
• ? 变量要求前面步骤传来的参数的顺序一致
• 延迟转换: rs.getBytes(int) vS. rs.getString(int)
• 表输入的数据类型如何和 Kettle 数据类型对应: ResultSetMetaData

4. 文本文件输入

文本文件输入:

• 处理有列分隔符 (限定符、逃逸字符) 的文本文件.
• 功能选项丰富、有错误处理机制.

CSV 文件输入:

• 简化了文本文件输入.
• 通过 NIO、并行、延迟转换提高性能.

Excel 文件输入:

• 限制 Excel 文件作为输入的文本文件输入.
• 功能和文本文件输入一样.

固定宽度文件输入:

• 列固定宽度的文件, 不用解析字符串, 性能好.

4.1 文本文件输入

文件选择方式:

• 直接选择本地文件.
• 从上个步骤传递文件名.
• 文件名列表文件（傲飞版本).

内容:

• 封闭符、分隔符的设置, 不可见字符输入.
• 行头设置.

过滤:

• 内容过滤, 选中/排除记录.

字段:

• 自动识别字段类型, 不一定准确.

输入后面带有 菱形内 S 的都可以按 CTRL + ALT + SPACE 可以看见系统内的变量.

Excel 和 CSV 操作相差无几.

2. 固定宽度文件输入

5. XML 文件输入

5.1 Get data from XML

文件选择方式:

• 直接选择本地文件.
• 从上个步骤传递文件名.
• XMLPath: 自动选择 XMLPath 循环路径.

字段:自动或手动设置:

• 优点:使用简单.
• 缺点: 不能使用大 XML 文件, 占用内存.

5.2 XML input stream (StAX)

优点:

• 可用于处理大的XML文件.
• 处理方式更灵活、效率更高.

缺点:

• 使用较复杂, 要写脚本或 Java, 有一定使用难度.

例子中一共有 6 个, 看第二个.

比较复杂, 可以看一看.

6. Json 输入

官方文档上显示的选择字段是好使的, 而我用例子实例的时候也是不好使的.

$.myData.x.y..z:

1. myData 是 JSON 数据的跟结点.
2. . 代表直系下且只有一个.
3. .. 代表不是直系下或者直系下有多个.

7. 其他输入步骤

Cube 文件输入
Access 输入
配置文件输入
SAP 输入
Oracle CDC 增量输入
消息队列输入
PDF 文件输入
搜索引擎结果输入
…