ETL工具kettl应用说明

Kettle工具在实际中的应用说明一：资源库的设置Kettle提供了两种资源库的选择方式：数据库存放、本地文件存放。

数据库该方式是通过数据库连接直接在数据库里面创建kettle表，表里面记录着你所做的任何保存过的记录以及转换和任务。

此方法是远程存放的方式，具有可多人共享一个资源库的优势，但是也存在资源库不稳定的缺点。

以下就数据库资源库具体怎么实现做一下介绍：第一：在tools选项下面有在资源库选项里面有连接资源库选项，点击之后会出现如下界面：刚开始的时候是没用任何连接的，需要根据自己的需要选择创建。

笔：修改资源库连接加：添加新的资源库叉：删除选中资源库点那个加号图标就可以进入到新建选项页面：在中间的显示栏中：第一行代表着写入到数据库的资源库、第二行代表着保存到本地的资源库。

点击第一行进入如下界面：点击新建按钮将会新建数据库连接，如果已经有你需要的数据库连接也可以选择你需要的。

上面就是新建数据库页面，根据你的需要选择具体的数据库连接方式，填写好完成之后点击一下测试按钮，就可以知道数据库连接是否成功。

到这里，资源库的连接已经做了一半了。

接下来介绍另一半要做的事情。

回到这个页面，填写唯一的ID、名称，然后点击创建或更新按钮，之后会出现一些SQL语句，执行这些语句，如果成功的话就创建成功了，如果失败则要检查一下数据库。

最后点击确定按钮就成功了。

这个时候就可以连接资源库了。

选择你创建的资源库，admin用户的默认密码是admin ，点击OK就行了。

本地接下来简单介绍一下本地资源库，其实是很简单的。

选择第二行。

将会看到如下页面：这个就是本地的页面，比数据库简单多了，选择一下存放路径，给它一个ID号和名称，点击OK就可以了。

资源库建好之后就会进入到主页面了：这个就是主页面了，表面上是空空如也的。

关于资源库的设置就就讲到这里了，关于更多的介绍请参照官方说明文档！二：实现增量更新的方法Kettle工具并没有提供增量更新的选项，这个是要根据你的策略来实现的。

基本的策略是根据时间字段来做增量更新。

接下来我们就如何根据时间字段做增量更新。

要实现增量更新的前提必须是原表必须要有一个时间字段，然后目标表根据这个时间字段来做查询和更新。

（具体思想请参照开源ETL工具之增量更新设计技巧文档）如图：我将一一解释一下各个选项的具体作用。

第一个表输入：这个是要获取目标表要做增量更新的时间字段的最大值，这个值将会传递给下一个表输入。

此查询必须要保证只能传送一个值。

第二个表输入：这个就是对原表的查询，要注意SQL语句里面的where子句。

Where子句里面的判断字段就是做增量更新的时间字段，值就是前面一个表输入传递过来的。

此时判断的值要用？来代替，这两个选项要这样设置。

表输出:这里就是要进行更新的目标表了，也就是第一个表输入的表。

里面具体的一些选项请参照kettle工具说明手册。

以上就是增量更新的实现方法。

三：JOB定时的实现方法我们在实际应用当中往往要实现定时的功能，kettle提供了定时的功能，这个只能在任务里面实现定时的功能。

见如下图：在JOB里面的start选项里面提供了定时机制，可以根据你的需求来选择你需要的定时类型这里要注意一下，要定时的时候一定要把重复的按钮给勾选上。

这里是通过kettle提供的机制来进行定时的，另一种定时的机制是依靠写脚本语句来定时调用kettle脚本。

（这种我们在后面会在脚本调用介绍到）四：kettle变量的设置与获取变量在kettle里面使用的比较频繁，这里我就做一下简单的介绍，具体的变量设置请根据实际情况来设置。

我这里的案例是获取系统时间，然后分别设置四个变量，这四个变量分别代表着“年”、“月”、“日”、“时”。

如下图：变量的相关选项在转换里面中的作业里面。

我获取的是系统信息是：系统日期（关于这个选项请参看kettle手册）为了达到我之前的需求，我在这里运用了kettle另一个功能。

中的javascript脚本选项。

这个步骤是讲系统时间认为的分割为四个字段。

这四个字段将会作为变量的值传递到下一个步骤。

（关于这个选项请参看kettle手册）接下来就是到设置变量这个环节了。

后可以用变量名调用变量），第三是变量的活动类型（一般选择是作为全局变量）第四列是给变量设置默认值。

以上就是变量设置的相关介绍，变量在使用之前必须先执行这个变量设置的转换，这样在后面才能实现对变量的调用。

关于变量的获取，这个在选项中只要有这个标志的都是可以用变量的，变量的获取可以使用CTRL+ALT+SPACE快捷键来选择你所需要的变量名。

五：通过shell脚本调用kettle文件在部署有kettle工具的机器上可以通过写脚本文件来调用kettle文件，这样就能实现不打开kettle工具而后台实现kettle文件的运行。

在kettle工具的文件下有这样两个文件一下就是我在linux系统下写的一个脚本调用的案例：#!/bin/sh. /etc/profilesh /sybase/data-integration/kitchen.sh -rep=111 -user=admin -pass=admin -job=EXCL -dir="/EXCL/" -level=basic>/sybase/pdi/EXCLlog.txt~就关于几个参数做一下介绍。

sh /sybase/data-integration/kitchen.sh ——调用kettle文件下的kitchen.sh文件-rep=111 ——资源库ID-user=admin ——资源库登陆用户-pass=admin ——登陆密码-job=EXCL ——调用JOB的名称-dir="/EXCL/" ——JOB的存放路径-level=basic>/sybase/pdi/EXCLlog.txt ——kettle日志写入到文件中相关的一些参数的详细说明如下：Options:-rep = Repository name-user = Repository username-pass = Repository password-job = The name of the job to launch-dir = The directory (dont forget the leading /)-file = The filename (Job XML) to launch-level = The logging level (Basic, Detailed, Debug, Rowlevel, Error, Nothing)-logfile = The logging file to write to-listdir = List the directories in the repository-listjobs = List the jobs in the specified directory-listrep = List the available repositories-norep = Do not log into the repository-version = show the version, revision and build date-param = Set a named parameter <NAME>=<VALUE>. For example -param:FOO=bar -listparam = List information concerning the defined parameters in the specified job.-export = Exports all linked resources of the specified job. The argument is the name of a ZIP file.-maxloglines = The maximum number of log lines that are kept internally by Kettle. Set to 0 to keep all rows (default)-maxlogtimeout = The maximum age (in minutes) of a log line while being kept internally by Kettle. Set to 0 to keep all rows indefinitely (default)在linux系统中可以使用crontab命令来做定时，下面就简单介绍一下这个命令。

crontab命令的功能是在一定的时间间隔调度一些命令的执行。

在/etc目录下有一个crontab 文件，这里存放有系统运行的一些调度程序。

每个用户可以建立自己的调度crontab。

crontab命令有三种形式的命令行结构：crontab [-u user] [file]crontab [-u user] [-e|-l|-r]crontab -l -u [-e|-l|-r] 第一个命令行中，file是命令文件的名字。

如果在命令行中指定了这个文件，那么执行crontab命令，则将这个文件拷贝到crontabs目录下；如果在命令行中没有制定这个文件，crontab命令将接受标准输入（键盘）上键入的命令，并将他们也存放在crontab 目录下。

命令行中-r选项的作用是从/usr/spool/cron/crontabs目录下删除用户定义的文件crontab；命令行中-l选项的作用是显示用户crontab文件的内容。

使用命令crontab -u user -e命令编辑用户user的cron(c)作业。

用户通过编辑文件来增加或修改任何作业请求。

执行命令crontab -u user -r即可删除当前用户的所有的cron作业。

作业与它们预定的时间储存在文件/usr/spool/cron/crontabs/username里。

username使用户名，在相应的文件中存放着该用户所要运行的命令。

命令执行的结果，无论是标准输出还是错误输出，都将以邮件形式发给用户。

文件里的每一个请求必须包含以spaces和tabs分割的六个域。

前五个字段可以取整数值，指定何时开始工作，第六个域是字符串，称为命令字段，其中包括了crontab调度执行的命令。

第一道第五个字段的整数取值范围及意义是：0～59 表示分1～23 表示小时1～31 表示日1～12 表示月份0～6 表示星期（其中0表示星期日）/usr/lib/cron/cron.allow表示谁能使用crontab命令。