kettle简介
1.数据仓库领域的一个重要概念就是数据整合。数据整合就是把不同数据库中的数据组合到一起,对外提供统一的数据视图。
2.kitchen用于执行作业,pan用于执行转换。
3.跳就是从一个作业项/步骤的中心连接到另一个作业项/步骤的一条线。在作业里跳定义的是控制流,在转换里跳定义的是数据流。
4.转换(transformation)是etl解决方案中最主要的部分,它处理抽取,转换,加载各阶段各种对数据行的操作。转换ID是数字,但是作业ID就是字符串。转换里的很多步骤是并行执行的,每个步骤都打开一个独立的数据库连接并开始一个事务。尽管这样在很多情况下会提高性能,但当不同步骤更新同一个表时,也会带来锁和参照完整性的问题。
5.kettle以插件的方式灵活地定义不同种类的资源库,但不论是哪种资源库,他们的基本要素是相同的:这些资源库都使用相同的用户界面,存储相同的原数据。目前有三种常见的资源库:数据资源库,Pentaho资源库,文件资源库。
6.KITCHEN允许你批量使用由Chef设计的任务(例如使用一个时间调度器)。KITCHEN也是一个后台运行的程序。
7.Kettle中有两种脚本文件,transformation和job。transformation完成针对数据的基础转换,job则完成整个工作流的控制。
8.Kettle家族目前包括4个产品:Spoon、Pan、CHEF、Kitchen
9.SPOON 允许你通过图形界面来设计ETL转换过程(Transformation)。
10.PAN 允许你批量运行由Spoon设计的ETL转换 (例如使用一个时间调度器)。Pan是一个后台执行的程序,没有图形界面。
11.CHEF 允许你创建任务(Job)。