《kettle技术分享》PPT课件.ppt

Pentaho技术分享 kettle工具 目录 技术分析背景介绍基础框架资源访问运行原理实际应用数据转换任务job日志和邮件异构数据性能集群应用集成 背景介绍 Kettle是一个基于JAVA的开源ETL工具 可以完成数据抽取 转换 加载等工作 Kettle是商务智能软件Pentaho的组成部分 Pentaho是一个比较流行的 基于JAVA的开源的商务智能软件 其中包括一个webserver平台和报表 分析 图表 数据集成 数据挖掘等工具软件 Pentaho偏向于与业务流程结合 允许业务人员或技术人员创建报表 图表 分析模型 并可以按照业务规则制定数据的流向等 基础框架 纯java编写 开源 可以在Window Linux Unix上运行 无需安装 数据库支持使用的JDBC的方式 文件操作是依赖文件各自的JAVA包 集成了spring框架 主要是针对数据源和事务的管理 集成jetty的容器 它是一个servlet的容器 集群转换时会体现 资源访问 系统资源 机器的名和系统信息等 数据库 相当于plsql的数据库工具 各种数据文件dbf excel csv 文本文件等 Hadoop分布式系统的文件 4 2版本 Ldap目录 数据流JMS RSS等 Webservice读取 可以执行各种脚本javascript sql shell等 运行原理 Kettle实际工作时 也是工作流的模式 按照预先制定的工作步骤 对数据流做操作 Kettle的执行可以分为两个层面 转换transform 是要做具体的数据流的操作 可以对数据进行抽取 清洗 转换 数据流向控制等 任务job 是整套业务转换 可以做前期准备工作 例如文件判断 脚本执行等 业务转换调度 日志和预警 定时执行等 运行原理 对应这两个层面 可以把Kettle工具主要分成4个模块 转换 transform 设计工具 转换设计器 转换 transform 执行器 转换执行器 任务 job 设计工具 任务设计器 任务 job 执行器 任务执行器 在UI环境下把数据流图设计好以后 会保存成相应的xml文件 执行转换时 在每个实际的转换步骤中 有三个主要的类在工作 Step对业务规则的实现 对行级记录的操作 StepMeta调用数据流和xml配置文件 StepData调用系统资源 文件缓存 输入输出等 数据转换 转换主要包括三部分 数据输入 转换过程 数据输出 输入 Kettle对常规数据库数据文件都有支持 转换 转换的工作比较丰富 可以查询数据库等 在转换的过程中 也可以执行sql和shell等脚本 输出 数据的输出形式也是涵盖了目前常见的各种形式 数据转换 任务job Job的主要工作就是调度转换 做预处理和清理工作预先执行脚本 转换完成后清理资源文件等 脚本可以是javascript sql shell等 定时执行任务 日志和邮件报告任务情况 任务job 日志和邮件 日志和邮件是体现 确保有效的执行解决方案 的重要机制 日志和邮件都可以定义在不同的级别 可以是转换步骤 也可以在JOB任务级别 日志可以通过UI控制台显示 也可以指定输出到文件 发送邮件带附件 可以把转换中生成的结果文件直接发送邮件 异构数据 Kettle对异构数据库和异构格式文件的操作是透明的 转换时数据库可以不同 表结构也可以不同 记录可以进行汇总 也可以分拆 性能集群 Kettle工具运行稳定 在操作系统IO允许的情况下每秒钟可以处理3000条左右的数据 当需要转换千万级数据时 可以通过集群方式提高效率 转换速度成倍的增长的 在集群部署时 是将整个数据流分成若干块 分发到各个子容器中进行处理 然后再将结果进行合并 应用集成 由于Kettle本身是JAVA开发的 所以提供了java调用的API 方便集成到应用 可以对外封装webservice等