KETTLE完全分布式集群搭建和示例

Posted 2020-12-23

一、Kettle的集群原理
完全分布式即是在该集群环境中所有的kettle服务都是部署在不同的机器上，互相之间没有影响。此处以一个真实环境为例，来介绍kettle完全分布式环境的开发使用。生产环境中kettle服务器都是部署在linux服务器上，在windows本地开发好kettle任务，然后在linux集群环境上运行。
二、完全分布式集群搭建
1.环境规划
该环境模拟一台主服务器，两台从服务器的方式。

2.环境准备
首先需要先准备三台linux服务器，并且分别在三台机器上安装好jdk和kettle。
(1)JDK安装
此处不做详细介绍，可参考网上安装文档。
(2)Kettle安装
创建一个目，将下载好的kettle解压后放在该文件夹下。

测试安装是否成功
在kettle的data-integration目录中执行kitchen.sh文件，若出现帮助信息，证明安装成功


3.环境配置
和windows环境一样修改kettle配置文件，打开kettle的安装目录，进入到data-integration->pwd目录，找到carte-config-master-8080.xml文件。该文件主要是进行master主机配置，name、hostname、port依次配置名称、主机IP和端口号（如果已经使用可以修改）。
注意：username和password并不是指主机的登陆账号和密码，是集群的账号密码，该账号密码是集群连接的依据，账号密码是通过混淆的方式保存在pwd文件，kettle默认的账号密码是cluster/cluster，所以，在本机开发的时候，为了方便，账号密码都不用修改，都使用cluster即可。

carte-config-8081.xml文件是从服务器1的配置文件。打开该文件，如下图。其中masters中，name、hostname、port需要和carte-config-master-8080.xml中完全一致。然后，同样修改carte-config-8082.xml文件。

至此配置完毕，可以启动集群环境了。
4.启动集群
进入到data-integration目录下，运行./carte.sh 192.168.7.234 8080，启动master节点。

出现以下日志代表启动成功。

然后，切换到slave1上，进入到data-integration目录下，运行./carte.sh 192.168.7.214 8081，则启动8081端口的子服务器。切换到slave2上，重复动作，启动8082端口的子服务器。

在启动了三台集群服务器之后，在浏览器中输入192.168.7.234:8080，输入cluster/cluster,进入到页面如下：

表示主节点已经启动完毕。输入192.168.7.214:8081及192.168.7.215:8082查看子服务器状态。到此，集群部署完毕。
三、完全分布式集群下示例
1.需求说明
读取源数据表中数据到目标数据表中，具体转换过程如下所示：

2.启动环境
首先按上面步骤启动集群环境，然后双击双击 Spoon.bat 启动 kettle图形界面工具。
3.环境配置
1)在主对象树中新建子服务器，配置分别如下图


主服务器配置如上所示，记得勾选“是主服务器”。

从服务器slave1配置如上所示，slave2也按照上面配置，记得修改端口和名称。
2)在主对象树中，在“kettle集群schmas”中右键，新建，点击“选择子服务器”，添加刚才新建的子服务器，然后确定。

4.设置运行参数
1)在步骤上右击，选择集群，然后会发现排序纪录多出”CX2”，表示有2个子服务器来执行。在一个三个子服务器的集群中，主服务器负责任务分发、结果收集，转换任务由从服务器执行，故只有两个节点执行

2)在主对象树中，在集群-“Run Configurations”中右键，新建，新增一个参数配置。

按如上所示进行配置，选择“Settings”-“Slave server”，选择“Clustered”表示采用集群方式运行，还可以选择“master”、“slave1”、“slave2”，则表示在相应的远程服务器上运行。
5.运行用例
点击“运行”，运行配置选择刚刚创建的参数-“伪分布式集群”，点击“启动”

观察slave1和slave2后台日志，发现两个从服务器都在执行转换，主服务器没有日志，因为它只负责分发。
(1)主服务器234上面日志信息，汇总记录总的日志信息，总共读入5条数据，输出5条数据。如下所示：

(2)子服务器214日志信息，该服务器总共读入3条数据，输出3条数据，如下所示：

(3)子服务器215日志信息，该服务器总共读入2条数据，输出2条数据，如下所示：

6.关闭iptables服务和防火墙
如果遇到集群服务器连不上的问题，需要检查一下是否是防火墙需要关闭，centos7使用iptables，可以通过命令/etc/init.d/iptables stop 停止
注意：想要学习通过kettle工具实现hive、hbase数据库抽取输出，和其他更多关于kettle的知识，请扫描以下二维码或者链接获取学习资料。
链接地址：
https://edu.51cto.com/sd/e80d0
二维码地址：

同时也欢迎各位看官关注本人公众号，本人将相关资料和学习视频上传到上面，供大家一起学习讨论：