kettle使用过程记录（详细）

Posted 2023-04-02 菜鸟装大神

话不多说上干货 

下载地址
https://sourceforge.net/projects/pentaho/files/

下载所需要的安装版本

 下载好后解压到本地  kettle是支持linux与windows的

windows安装解压后生成

这里需要注意  有的人说Spoon.bat配置中的参数不修改可能会出现卡死的状况，所以我也进行了修改(这里描述下  我并没有出现卡死的状况)

然后运行data-integration文件夹中的Spoon.bat

这时候就会启动

 当然启动kettle后使用起来会出现常见的报错

 创建连接数据库（mysql为例） 

例如 ：

Driver class 'org.gjt.mm.mysql.Driver' could not be found, make sure the 'MySQL' driver (jar file) is installed.
org.gjt.mm.mysql.Driver

 这个报错的原因是因为当前的kettle目录下没有需要连接的数据库驱动，所以我们需要下载一个驱动放到他的lib包里重新启动即可，我创建的是mysql连接所以需要mysql连接驱动，我选择的是

mysql-connector-java-8.0.28.jar

放入lib包下即可，这里可能有小伙伴找不到这个驱动所以我把下载方式也贴出来

MySQL :: Download MySQL Connector/J (Archived Versions)

 将下载好的jar解压放到\\data-integration\\lib\\的目录下就可以了

这是后去创建数据库连接  可能会报这样的错误

Connection failed. Verify all connection parameters and confirm that the appropriate driver is installed.
Communications link failure

The last packet sent successfully to the server was 0 milliseconds ago. The driver has not received any packets from the server.

 原因是因为没有选择相应的配置

在选项中新增useSSL=false即可

 然后返回主页测试链接成功

然后我们可以做一个小测试

创建一个输入表，创建一个输出表两个进行关联

 原始数据可以用sql来指定你所需要筛选的内容，然后对应到你需要数据迁移的表中，表与表之间的字段必须两两对应

 

 然后启动转化  生成一个转化文件保存好.ktr结尾

 

大概就是这样一个流程 ，然后去看你需要转移的表中数据是否新增成功就可以了。

以上就是在windows上的操作流程。

在linux上去操作同样简单

把我们之前下载好的安装包转移到所需要的目录下

 记住  数据库连接驱动也要放在lib里面  否则会出问题。

然后进入 data-integration目录下给文件赋予权限

chmod 777 kitchen.sh
chmod 777 import.sh
chmod 777 spoon.sh

然后在linux下启动kettle

./kitchen.sh

会出现这样的报错

报错java.lang.UnsatisfiedLinkError: Could not load SWT library. Reasons。

说明缺少可以加载lib包的环境，这也可能是导致无法读取到xml数据库配置的原因。
 

WARNING:  no libwebkitgtk-1.0 detected, some features will be unavailable
    Consider installing the package with apt-get or yum.
    e.g. 'sudo apt-get install libwebkitgtk-1.0-0'

根据提示完成libwebkitgtk的安装。
在centos版本中使用的命令为:

yum install epel-release
yum install webkitgtk

或者手动下载

yum -y install gtk2.i686 gtk2-engines.i686 PackageKit-gtk-module.i686 PackageKit-gtk-module.x86_64 libcanberra-gtk2.x86_64 libcanberra-gtk2.i686

然后继续执行./kitchen.sh

 证明安装成功了

然后把你在windows上创建的转化拉到你的linux服务器上的相应位置上

在data-integration目录下执行

./pan.sh -file=/kettle/kjb/test.ktr

然后去看你的数据库是否有新增  如果有的话 说明ktr也生效了  是ok的

那么接下来  假如你有一个场景是需要定时执行这个转化的  可以做一个.sh脚本

touch test.sh

vim test.sh

#!/bin/bash
export JAVA_HOME=/analysisTools/jdk1.8.0_261
export PATH=$JAVA_HOME/bin:$PATH
export CLASSPATH=.:/$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar

TIME=$(date "+%Y%m%d")
/kettle/data-integration/pan.sh -file=/kettle/kjb/test.ktr >> /kettle/kettle.log &

脚本中需要引入java环境变量

然后给你的脚本赋予执行权限

chmod 777 test.sh

然后./test.sh执行，检查是否成功，成功则加入linux定时器

crontab -e

添加你的定时任务
#每天凌晨0点10分执行 10 0 * * *
10 0 * * * /bin/sh /kettle/test.sh

然后重启定时器配置

systemctl reload crond.service  //重新载入配置
systemctl status crond.service   //查看状态

这样就可以实现定时任务了

Kettle手册（六）- Hop小记

参考技术A 在我们前面，使用Kettle过程中，控件与控件之间的连线，这里，我们详细介绍下它，它在Kettle中叫Hop（跳）。

在转换中，一般情况，控件和控件之间只有一个Hop，当然，如果需要的话，我们拖了2个控件出来，像这样：

Kettle会提示你，下面的信息，让你选择，数据发送的方式

目标步骤轮流接收记录，其实就是你一条，我一条，轮着接收数据，这个我们试一下就知道了，

我们执行下，看看这个结果试试，我们再步骤度量中，可以看到，a.txt和b.txt分别写入的数量

所有记录同时发送到所有的目标步骤，这个看起来就简单多了，比如上面的例子，2个文本文件会接收到同样的所有的数据，我们也试一下

结果文件的话，就是2个节点，接收到的数据都是一样的

在作业中，Hop主要用来控制流程

有3种状态，一个锁，一个绿色的对号，一个红色的叉号

简单来说，