快速上手kettle(二)小试牛刀

一 、前言

上一期中大概介绍了下kettle，并已经把kettle下载安装完了。

这一期我们就来简单体验下kettle怎么进行数据转换的。

二 、两个小目标

我们这里呢就以两个小案例来体验下kettle

• 将csv文件通过kettle转换成excel文件
• 将excel文件通过kettle写入到数据库表中

三、 kettle核心概念介绍

kettle 被称为可视化编程语言，可以完成复杂的etl工作流。kettle里的代码就是转换和作业。

所以呢，我们首先就来说说转换和作业。

3.1 转换

从下面截图中，我们看到转换包含了很多核心对象，说明其包含了很多功能。后面有得我们学的了(开个玩笑）

–转换包含元素	–转换核心对象

• 转换（transaformation）负责数据的输入、转换、校验和输出等，kettle中转换完成了ETL的全部工作

• 转换由多个步骤 (Step) 组成。包含各种文件格式的数据输入/输出 （如csv文件输入、sql文件输出、sql脚本执行、各种查询等等）

• 如果各个步骤之间需要数据库操作，我们就需要建立DB连接

• 各个步骤之间使用跳（Hops）来连接。我们可以将跳理解为一条道路，数据有一个步骤（驿站）通过跳（道路）流向下一步骤（驿站）

• kettle中最小的数据单元是行

3.1.1 步骤(Step)

步骤是转换里的基本组成部分，上面截图中包含了两个步骤
①CSV文件输入
②Excel输出

• 每个步骤都会涉及到读、写数据行

• 步骤将数据写到与之相连的一个或多个输出跳（hop），再传送到跳的另一端的步骤

• 大多数的步骤都可以有多个输出跳。一个步骤的数据发送可以被设置为分发和复制

  

3.1.2 跳（Hop）

跳是两个步骤(驿站)之间的道路(带箭头的连线)

• 跳是两个步骤之间的数据行缓存

• 当行集满了，向行集写数据的步骤将停止写入，直到行集里又有了空间。

• 当行集空了，从行集读取数据的步骤停止读取，直到行集里又有可读的数据行

可以通过如下方式查看和修改行缓存大小

①右键转换–>设置	② 选择"杂项"tab页

3.1.3 元素据

每个步骤在输出数据行时都有对字段的描述，这种描述就是数据行的元数据

通常包含下面一些信息。

①名称：数据行里的字段名是唯一的。

②数据类型：字段的数据类型。

③格式：数据显示的方式，如Integer的#、0.00。

④长度：字符串的长度或者BigNumber类型的长度。

⑤精度：BigNumber数据类型的十进制精度。

⑥货币符号：￥

⑦小数点符号:十进制数据的小数点格式。不同文化背景下小数点符号是不同的，一般是点（.）或逗号（，）。

⑧分组符号：数值类型数据的分组符号，不同文化背景下数字里的分组符号也是不同的，一般是点（.）或逗号（，）或单引号（’）

这里的输入文件十csv格式数据,所以分组符号是逗号","

3.1.4 数据类型

数据以数据行(可以理解为一个表格中的一行) 的形式沿着步骤移动,每个数据行又有多个字段元素(可以理解为一个单元格)构成

就像在excel中,每个单元格都可以设置数据格式一样,这里数据行中的字段也有自己的数据类型.

常见的数据类型有以下几种

–数据类型	–说明
String	字符类型数据
Number	双精度浮点数
Integer	带符号长整型（64位）
BigNumber	任意精度数据
Date	带毫秒精度的日期时间值
Boolean	取值为true和false的布尔值类型
Binary	二进制字段可以包含图像、声音、视频及其他类型的二进制数据

3.1.5 并发执行

我们经常需要处理大量的数据,所以设计了跳这样的行集缓存规则,使得每个步骤就是一个独立线程.所有步骤都以并发方式执行.

当转换启动后，所有步骤都同时启动，从它们的输入跳中读取数据，并把处理过的数据写到输出跳.

直到输入跳里不再有数据，就中止步骤的运行。

当所有的步骤都中止了，整个转换就中止了

如果想要一个任务沿着指定的顺序执行，那么就要使用下面所讲的“作业”来做流程控制

3.2 作业

负责定义一个完成整个工作流的控制,如将转换的结果发送邮件给相关人员.

因为转换（transformation）以并行方式执行，所以必须存在一个串行的调度工具来执行转换，这就是 Kettle中的作业

四、实践操作

4.1 案例1 将csv文件转换成excel文件

4.1.1 在kettle中新建一个转换

4.1.2选择输入控件并设置

核心对象–>输入–>CSV文件输入 (将控件拖入工作区)

① 选择CSV文件输入控件	②将控件拖入工作区
③ 选择源文件	④ 检查csv数据是否正常读出

4.1.3 选择输出控件并设置

① 选择Excel输出控件	②将控件拖入工作区
③ 设置输出文件名

4.1.4 按住shift 通过跳将输入输出两步骤连接起来

4.1.5 点击启动按钮执行转换

4.1.6查看日志,并检查是否成功

①日志没报错	②文件也写入成功了

4.2 案列2 将excel文件导入MySQL数据库

4.2.1和上面步骤一样我们需要新建一个转换

4.2.2 新建数据库连接

由于案例2需要涉及到MySQL数据库,所以我们需要建立DB连接

①下载MySQL驱动(需要下载对应版本的) 我用的是MySQL5.7 ,所以这里下载5.1.37 版本驱动

官方地址:https://downloads.mysql.com/archives/c-j/

② 将下载的好的MySQL驱动包放入lib文件夹下

③新建DB连接

注: 如果没有下载驱动包或者驱动包版本与MySQL版本不一致,会包如下错误

4.2.3 拖入Excel输入控件并设置

① 将Excel输入控件拖入工作区

②设置Excel输入控件

直到点击预览记录后获取到如下截图所示数据，说明输入设置成功了

4.2.4 拖入表输出控件并设置

① 将表输出控件拖入工作区

② 通过跳 将输入输出控件连接起来

③设置需要导入数据的目标表

④ 匹配数据库字段

4.2.5 点击启动按钮进行转换

4.2.6 查看日志并检查MySQL数据表中是否有数据

①日志显示转换成功

② 我们再来看看数据库test的t_tv 表中也有数据了

到此通过两个案例小试牛刀之后都转换成功了，是不是有点小成就感呢。

其实这只是kettle工具的冰山一角，从kettle那么多核心对象可以看得出来，它还有很多很多很多得玩法等着我们去开启。

本期内容到此就结束了，希望内容对你有所帮助，我们下期再见 (●’◡’●)

上一篇：快速上手kettle(二)小试牛刀
下一篇：快速上手kettle（四）：壶里能够倒出些啥？(小编正在玩命更新中)