数据抽取工具 kettle概述

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第33天，点击查看活动详情

ETL简介

ETL（Extract-Transform-Load的缩写，即数据抽取、转换、装载的过程），对于企业或行业应用来说，我们经常会遇到各种数据的处理，转换，迁移，所以了解并掌握一种ETL工具的使用，必不可少。

市面上常用的ETL工具有很多，比如Sqoop，DataX，Kettle，Talend等，作为一个大数据工程师，我们最好要掌握其中的两到三种，这里我们要学习的ETL工具是Kettle！

Kettle简介

Kettle是一款国外开源的ETL工具，纯java编写，可以在Window、Linux、Unix上运行，绿色无需安装，数据抽取高效稳定。

Kettle 中文名称叫水壶，该项目的主程序员MATT 希望把各种数据放到一个壶里，然后以一种指定的格式流出。

Kettle这个ETL工具集，它允许你管理来自不同数据库的数据，通过提供一个图形化的用户环境来描述你想做什么，而不是你想怎么做。

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。

Kettle(现在已经更名为PDI，Pentaho Data Integration-Pentaho数据集成)。

Kettle的两种设计

• 简述：

Transformation（转换）：完成针对数据的基础转换。

Job（作业）：完成整个工作流的控制。

• 区别：

(1) 作业是步骤流，转换是数据流。这是作业和转换最大的区别。

(2) 作业的每一个步骤，必须等到前面的步骤都跑完了，后面的步骤才会执行；而转换会一次性把所有控件全部先启动（一个控件对应启动一个线程），然后数据流会从第一个控件开始，一条记录、一条记录地流向最后的控件；

• 转换：

• 作业：

Kettle的核心组件

1. 勺子(Spoon.bat/spoon.sh) : 是一个图形化的界面，可以让我们用图形化的方式开发转换和作业。windows选择Spoon.bat；Linux选择Spoon.sh

2. 煎锅（Pan.bat/pan.sh）: 利用Pan可以用命令行的形式执行由Spoon编辑的转换和作业

3. 厨房（Kitchen.bat/kitchen.sh）: 利用Kitchen可以使用命令行调用由Spoon编辑好Job

4. 菜单(Carte.bat/ Carte.sh)：Carte是一个轻量级的Web容器，用于建立专用、远程的ETL Server。

Kettle特点