Kettle — 安装和部署

前提

Kettle是纯Java编写的ETL开源工具，目前Kettle7和Kettle8都需要Java8或者以上才能正常运行。所以开运行Kettle前先检查Java环境是否正确配置，Java版本是否是8或者以上。

Kettle安装

1）创建Kettle的目录，并将Kettle的zip包解压到Kettle目录下

2）查看一下sh文件使用都有执行的权限，如果没请加上。

4）执行kitchen.sh脚本

3）如果出现以下的错误，这是因为sh文件有可能是在Windows下编写的并打包到Zip包中的，编码格式不一样linux是utf-8，windows是gbk的。我这里提供两种解决方案。

         1.单个文件修改

         利用Vim进行修改，可以使用:set ff查看文件格式；可以使用:set ff=unix修改文件格式。

         2.批量执行

         运行下面的脚本命令即可。创建一个sh文件，将下面的shell代码复制到该文件执行即可。注意路径修改一下。

for file in `ls /opt/kettle/data-integration/*.sh`

do                                                                     

         echo ${file}

         vim +':w ++ff=unix' +':q' ${file}

done

4）执行后如果出现下面的WARNING，根据提示安装即可，不然可能会导致部分特性无法使用（主要是Spoon的使用，如果是无界面环境，可以忽略）。

5）安装好以后，WARNING就没有了。出现以下的提示界面说明Kettle可以正常使用了。

同时home目录下应该会有一个.kettle的目录

Kettle转换与作业执行

在Kettle中pan和kitchen两个工具分别用来执行transformation（转换）和job（作业），如下所示：

对于文件存储，不是数据库资源库，可以如下的方式存放文件：

所有的transformation文件存放在/srv/kettle/transformations/

所有的job文件存放在/srv/kettle/jobs/

所有的日志文件存放在/var/kettle/logs/

使用pan执行transformation

pan语法：./pan.sh -option=value arg1 arg2

具体使用参考：https://www.cnblogs.com/xiaopan-cp9/p/7608203.html（非常仔细的介绍）

使用kitchen执行job

kitchen语法：./kitchen.sh -option=value arg1 arg2

常用参数列表：

命令	描述
-rep	选择一个资源库的名字
-user	资源库用户名
-pass	资源库密码
-file	job文件路径
-job	资源库中的job名称
-dir	指定资源库目录
-norep	标明不是资源库里的文件
-level	日志级别（Basic, Detailed, Debug, Rowlevel, Error, Nothing）
-logfile	日志输出到指定的文件
-listdir	在使用 -dir 时，打印出资源库目录下所有子目录
-listjob	列出资源库中的所有jobs
-listrep	列出当前所有已经定义的资源库
-export	导出所有的job到一个zip包中
-version	显示版本
-listparam	列出所有的参数
-param	参数设置，例如-param:FOO=bar
-level	log级别 (Basic, Detailed, Debug, Rowlevel, Error, Nothing)

Kettle服务器端部署

通过Start组件定时执行任务

在Kettle中我们可以通过Start组件来设置定时任务，如下所示，这种方式不推荐使用，因为该Job会一直占有一个进程，容易内存溢出。

通过crontab执行Kettle任务

在Linux中crontab是用来提交和管理用户周期性执行的任务。

例如（文件存放位置）：

所有的transformation文件存放在/srv/kettle/transformations/

所有的job文件存放在/srv/kettle/jobs/

所有的日志文件存放在/var/kettle/logs/

所有的执行脚本存放在/srv/kettle/script/

1）首先我们创建一个脚本。因为是crontab执行任务，我们需要重新导入Java配置。

2）在终端上，键入“crontab-e”，进入定时任务文件，添加任务。

3）重启cron 并查看任务

Kettle通过Carte远程调度

Kettle的部署有很多种模式，上面讲的是最原生的模式（Pan/Kitchen）。但是这种方式不利于监控、调度和资源分配。Kettle本身提供了一个用于调度的Web服务Carte。Carte允许远程请求HTTP进行监控、启动、停止在Carte服务上运行的job和trans。要部署使用Carte的大致过程如下所示：

1）修改xml配置文件

在kettle.pwd的描述中可以知道默认的用户名密码都是cluster（不放心的话可以通过<username>和<password>节点设置用户名密码），如果要修改密码可以在配置文件中配置。

2）启动Carte

启动时将刚刚的配置文件加上。

启动完成后就可以访问Carte了，界面非常的简陋。

PDI Status应该可以理解，下面的Configuration details上面三条代表日志最大长度、日志存活时间和指定转换或者作业产生的对象的存活时间，这三个属性都是为了防止Out Of Memory。在上面的配置文件中的配置如下所示：

最后一个参数是资源库名称。

3）配置子服务器

上面是成功的将Carte服务打开，下面就需要将Spoon连接到Carte。在左侧的树中我们需要增加一个子服务器。如下所示：

4）创建一个新的运行配置，setting选择Slave Server。

5）提交任务

运行时选择刚刚配置的Carte执行。这样我们执行文件就会上传到Carte服务器指定的目录然后执行。

然后在PDI Status界面就能看到执行的任务。点击进行可以看到详细的任务详情。