Kettle 简介
Kettle 最初由 Matt Casters 开发，是 Pentaho 数据集成平台的一部分。它提供了一个用户友好的界面和丰富的功能集，使用户能够轻松地设计、执行和监控 ETL 任务。Kettle 通过其强大的功能和灵活性，帮助企业高效地处理大规模数据集成任务。
主要组成部分
- Spoon：
- 用途：Spoon 是 Kettle 的图形化设计工具。用户可以使用 Spoon 设计和调试 ETL 转换和作业。
- 功能：拖放式界面、预览数据、测试 ETL 流程、管理连接、编写脚本等。
- Pan：
- 用途：Pan 是一个命令行工具，用于执行由 Spoon 设计的 ETL 转换。
- 功能：通过命令行执行转换、调度作业、集成到其他自动化流程中。
- Kitchen：
- 用途：Kitchen 是一个命令行工具，用于执行由 Spoon 设计的 ETL 作业。
- 功能：通过命令行执行作业、调度作业、集成到其他自动化流程中。
- Carte：
- 用途：Carte 是一个轻量级的 Web 服务器，提供远程执行和监控功能。
- 功能：远程执行和监控 ETL 转换和作业、查看日志、管理集群等。
- Repositories：
- 用途：存储和管理 ETL 转换和作业的地方。
- 功能：可以使用数据库或文件系统作为存储库，支持版本控制和共享。
主要功能和特点
-
数据提取：
- 支持多种数据源，如关系数据库、文件（CSV、Excel、XML 等）、大数据平台（Hadoop、Hive 等）、云存储（Amazon S3、Google Drive 等）、Web 服务和 API 等。
-
数据转换：
- 丰富的转换步骤，包括数据清洗、数据聚合、数据过滤、数据排序、数据连接、数据拆分、数据类型转换等。
-
数据加载：
- 支持将数据加载到多种目标系统中，如关系数据库、大数据平台、文件系统、云存储等。
-
调度和自动化：
- 支持通过命令行工具（Pan 和 Kitchen）和调度器（如 cron 或 Windows 任务计划）进行调度和自动化执行。
-
扩展性：
- 提供了插件机制，用户可以编写自定义插件，扩展 Kettle 的功能。
- 支持 JavaScript 和 Java 进行脚本编写，增强转换和作业的灵活性。
-
集群和并行处理：
- 支持集群模式，能够在分布式环境中并行处理大规模数据。
- 提供了分布式 ETL 执行和负载均衡功能。
-
数据质量和数据治理：
- 提供了数据验证、数据一致性检查和数据校验功能，帮助确保数据的质量和一致性。
-
实时数据处理：
- 支持实时数据流处理，通过集成 Kafka、MQTT 等流处理平台，实现实时数据的提取、转换和加载。
集成 Kettle
将 Kettle（Pentaho Data Integration, PDI）集成到 Spring Boot 项目中，可以实现 ETL 流程的自动化和集成化处理。以下是详细的集成过程：
准备工作
- 下载 Kettle：从 Pentaho 官网下载 Kettle（PDI）的最新版本，并解压到本地目录。
- Spring Boot 项目：确保已有一个 Spring Boot 项目，或新建一个 Spring Boot 项目。
引入 Kettle 依赖
在 Spring Boot 项目的 pom.xml 文件中添加 Kettle 所需的依赖。你可以将 Kettle 的 JAR 文件添加到本地 Maven 仓库，或直接在项目中引入这些 JAR 文件。
<dependencies>
<!-- Spring Boot 依赖 -->
<!-- Kettle 依赖 -->
<dependency>
<groupId>pentaho-kettle</groupId>
<artifactId>kettle-core</artifactId>
<version>9.4.0.0-343</version>
</dependency>
<dependency>
<groupId>pentaho-kettle</groupId>
<artifactId>kettle-engine</artifactId>
<version>9.4.0.0-343</version>
</dependency>
<dependency>
<groupId>pentaho-kettle</groupId>
<artifactId>kettle-dbdialog</artifactId>
<version>9.4.0.0-343</version>
</dependency>
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-vfs2</artifactId>
<version>2.7.0</version>
</dependency>
<!-- 根据需要添加其他 Kettle 依赖 -->
<!-- 操作数据库数据时添加相应的数据库依赖 -->
</dependencies>
处理密码加密
在 resources 目录下创建 kettle-password-encoder-plugins.xml 文件，用于配置密码加密插件：
<password-encoder-plugins>
<password-encoder-plugin id="Kettle">
<description>Kettle Password Encoder</description>
<classname>org.pentaho.support.encryption.KettleTwoWayPasswordEncoder</classname>
</password-encoder-plugin>
</password-encoder-plugins>
kettle-core依赖中org.pentaho.support.encryption.KettleTwoWayPasswordEncoder类实现了TwoWayPasswordEncoderInterface接口，用于处理密码的加密和解密操作。
添加 Spoon 的任务文件
在 Kettle（Pentaho Data Integration，PDI）中，作业（Job）和转换（Transformation）是两种核心的 ETL 组件，它们在设计和功能上有着本质的区别。
转换（Transformation）
- 数据处理流程：转换是一个数据处理流程，专注于数据的提取（Extract）、转换（Transform）和加载（Load）。
- 行级处理：转换以行级处理数据，每次处理一行数据，并将其传递给下一步骤。
- 任务文件为.ktr文件。
作业（Job）
- 任务管理和控制流程：作业是一个任务管理和控制流程，负责调度和控制一系列任务的执行顺序。
- 步骤级处理：作业以步骤为单位处理任务，每次执行一个步骤，然后根据条件决定执行下一个步骤。
- 任务文件为.kjb文件。
区别
- 转换处理数据行，作业处理任务步骤。
- 转换中的步骤是并行执行的，而作业中的步骤是顺序执行的。
- 转换侧重于数据的处理和转换，作业侧重于任务的调度和管理。
- 转换主要通过数据流控制，作业提供了丰富的逻辑控制（条件判断、循环、错误处理等）。
- 转换适用于复杂的数据处理流程，作业适用于任务调度和控制。
在 Spring Boot 项目的 resources 目录下，创建一个 kettle 目录，并将 Kettle 的任务文件（如 转换1.ktr）复制到该目录中。
编写 Kettle 服务类
创建一个服务类，用于执行 Kettle 转换或作业。
package com.example.kettletest.service.impl;
import com.example.kettletest.service.KettleJobService;
import org.pentaho.di.core.KettleEnvironment;
import org.pentaho.di.core.exception.KettleException;
import org.pentaho.di.core.exception.KettleXMLException;
import org.pentaho.di.core.util.EnvUtil;
import org.pentaho.di.job.Job;
import org.pentaho.di.job.JobMeta;
import org.pentaho.di.trans.Trans;
import org.pentaho.di.trans.TransMeta;
import org.springframework.core.io.ClassPathResource;
import org.springframework.stereotype.Service;
import java.io.File;
import java.io.IOException;
/**
* @author 罗森
* @date 2024/6/6 13:21
*/
@Service
public class KettleJobServiceImpl implements KettleJobService {
@Override
public void runTaskFile(String taskFileName) {
// 初始化 Kettle 环境
try {
KettleEnvironment.init();
EnvUtil.environmentInit();
} catch (KettleException e) {
throw new RuntimeException(e);
}
// 执行任务文件
if (taskFileName.endsWith(".ktr")) {
taskFileKTR(taskFileName);
} else if (taskFileName.endsWith(".kjb")) {
taskFileKJB(taskFileName);
} else {
throw new IllegalArgumentException("Unsupported file type: " + taskFileName);
}
}
/**
* 针对kjb文件的操作
* @param taskFileName
*/
public void taskFileKJB(String taskFileName) {
try {
// 获取资源文件路径
ClassPathResource resource = new ClassPathResource("kettle/" + taskFileName);
File jobFile = resource.getFile();
// 加载 KJB 文件
JobMeta jobMeta = new JobMeta(jobFile.getAbsolutePath(), null);
// 创建作业对象
Job job = new Job(null, jobMeta);
// 启动作业
job.start();
// 等待作业完成
job.waitUntilFinished();
if (job.getErrors() > 0) {
System.out.println("There were errors during job execution.");
} else {
System.out.println("Job executed successfully.");
}
} catch (IOException | KettleXMLException e) {
e.printStackTrace();
}
}
/**
* 针对ktr文件的操作
* @param taskFileName
*/
public void taskFileKTR(String taskFileName) {
try {
// 获取资源文件路径
ClassPathResource resource = new ClassPathResource("kettle/" + taskFileName);
File transFile = resource.getFile();
// 加载 KTR 文件
TransMeta transMeta = new TransMeta(transFile.getAbsolutePath());
// 创建转换对象
Trans trans = new Trans(transMeta);
// 启动作业
trans.execute(null);
// 等待作业完成
trans.waitUntilFinished();
if (trans.getErrors() > 0) {
System.err.println("There were errors during Transformation execution.");
} else {
System.out.println("Transformation executed successfully!");
}
} catch (IOException | KettleException e) {
e.printStackTrace();
}
}
}
常见问题解决办法
-
运行后报错信息为：
Unable to find plugin with ID 'Kettle'. If this is a test, make sure kettle-core tests jar is a dependency. If this is live make sure a kettle-password-encoder-plugins.xml exits in the classpath.**解决办法：**在
resources目录下创建kettle-password-encoder-plugins.xml文件。 -
运行后报错信息为：
ERROR (version 9.4.0.0-343, build 0.0 from 2022-11-08 07.50.27 by buildguy) : A serious error occurred during job execution: 无法找到作业的开始点.**解决办法：**为Spoon制作的作业任务增加开始节点。
-
运行后报错信息为：
Can't run transformation due to plugin missing.**解决办法：**此问题通常出现在涉及类似于导出excel文件、json文件时。在初始化 Kettle 环境之前指明相关插件的绝对路径（相关插件通常在Kettle本地解压文件夹中的plugins目录下），新增以下代码：
StepPluginType.getInstance().getPluginFolders().add(new PluginFolder("E:\\Kettle\\pdi-ce-9.4.0.0-343\\data-integration\\plugins", false, true));将代码中的地址换成您本地的绝对地址。
（END）
by luosen.
扫一扫
609
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
