kettle实战教程-纯实战开发

欢迎关注笔者的公众号: java大师, 每日推送java、kettle运维等领域干货文章，关注即免费无套路附送 100G 海量学习、面试资源哟！！个人网站: http://www.javaman.cn/kettle/kettle-actual

在这里插入图片描述

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，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。（引用百度百科）

文章目录

kettle实战教程-纯实战开发
- 前言
- - **一、安装并进行第一个实例**
  - **二、KETTLE读取数据库自动生成文件**
  - **三、KETTLE多表关联的同步一张表的两种实现方式**
  - **四、数据定时自动（自动抽取）同步作业**
  - 5、运行转换，双击start，设置作业定时调度，设置完成后，运行转换

前言

KETTLE到底难不难呢，其实不难！！！！

有很多人看着数量庞大的控件更是无从下手，这个控件是干嘛呢，那个控件是干嘛的？为什么这玩意能做下面这些事情

可以说凡是有数据整合、转换、迁移的场景都可以使用KETTLE，他代替了完成数据转换任务的手工编码，降低了开发难度，每个人都可以是开发人员，都可以做大数据！

下面是笔者原创的一整套学习流程

同时笔者公众号还有更加让人容易理解的视频教程，完全实战级开发，关注【JAVA大师】回复【kettle】关键字获取

一、安装并进行第一个实例

1、Kettle的下载与安装（在本文中使用的kettle版本为7.0.0.0-25）

2、打开kettle，kettle打开的前提是你的机器上一定要安装jdk。解压后，双击spoon.bat，进入kettle的主界面。

3、新建转换

1）新建转换

2）转换创建后，进入下图界面，左边展示核心对象，右边白色框是主界面

3）点开输入，进入下图界面，选择表输入

4）将表输入拖入主界面

5）双击表输入，进入表输入的主界面

6）修改步骤名称，点击新增修改数据库连接，进入新增界面，输入完毕后，点击确认。

过程中，可能提示缺少ojdbc的jar包，下载后放入lib文件夹即可。

7）进入主界面，双击表输入，点击预览，点击确定即可显示表内容。

二、KETTLE读取数据库自动生成文件

在平时工作当中，会遇到以下情况：

1、自动生成文件TXT或者EXCEL（电信行业该需求居多），上传至某服务器；

2、双方数据对接，对方提供数据库视图

1、自动生成EXCEL文件

1）如上图，选择表输入（读取视图或者table数据），EXCEL输出（准备输出的EXCEL文件），连接两个控件。

2）配置数据库连接（上节有介绍jdbc），后续可以通过jndi进行连接，通过配置实现（如同springmvc的配置）。

写出查询sql语句，点击预览，查看sql语句是否报错，如果没有报错，会展示如下预览界面

3）双击EXCEL输出，进入EXCEL配置界面，如下图

4）点击浏览，配置生成文件的路径和文件名，指定日期格式可以在文件名称后添加日期，非常适合定期生成文件需要

5）选到内容页，追加代表在文件后进行追加操作，不覆盖源文件

6）点击获取字段，会自动填入前面步骤查询的表字段，生成的是BigNumber类型的id，如果想要数字型的可以修改为Integer，全部填写完毕后，点击确认

7）点击运行

8）会自动生成如下EXCEL文件

2、自动生成TXT文件

1）如上图，将excel换成txt，shift连接后，双击鼠标左键打开配置，输入文件名

2）切换到内容，比较常见的是选择分隔符，本文用常见的|代替，

3）字段选项，获取字段，选择相应的字段格式，点击确定

4）如图所示，生成完毕

三、KETTLE多表关联的同步一张表的两种实现方式

在平时工作当中，会遇到这种情况，而且很常见：

读取对方的多个视图或者表，写入目标库的一张表中，就涉及到多表的同步。

多表同步可以有以下两种方式实现，接下来笔者就给大家分别介绍下实现方式：

方式一：多表关联查询后，写入一张表

1、根据这两张表的数据，表有学生表和班级表，写入目标表：学生班级表

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7AhWj8Kf-1614843931373)(https://img2018.cnblogs.com/blog/1891116/201912/1891116-20191210184533589-1648174455.png)]

2、选择表输入，双击表输入，在sql一栏里写入关联sql语句，点击预览后，查询出相关数据，点击确定

3、在核心对象中，选择表输出，按住shift键，鼠标连接表输入和表输出，双击表输出，选择数据库连接，选择目标表和提交数量点击确定

4、点击运行按钮，写入成功

5、验证成功，数据已经写入相关表

方式二：如图所示，需要创建表输入1（学生），表输入2（班级），记录集连接（连接学生和班级表），表输出（写入目标表）

1、表输入1，获取相应的写入字段

2、表输入2，获取班级相应的写入字段

3、表输入1和表输入2，同时按住shift连接记录集连接控件后，点击记录集连接控件，输入连接字段1和连接字段2，连接类型选择inner(数据库相关知识)

4、最后连接表输出，选择数据库字段后（必须和目标表的表结构一致），点击确认

5、双击运行，执行完毕，到数据库验证通过

四、数据定时自动（自动抽取）同步作业

1、为了给大家更直观的展示，首先在数据库创建4张表，表结构如下：

t_student_kettle 学生数据源表；
t_student_kettle_target 学生目标数据表；
t_class 班级数据源表；
t_class_target 班级班级目标数据表；
t_tbrz 同步日志表

[ 复制代码 ](javascript:void(0)😉

--1、学生数据源表
-- Create table
create table T_STUDENT_KETTLE
(id     INTEGER,name   VARCHAR2(2000),sex    VARCHAR2(2000),age    INTEGER,cjsj   DATE,zhgxsj DATE default sysdate
)
tablespace MYSPACEpctfree 10initrans 1maxtrans 255storage(initial 64Knext 1Mminextents 1maxextents unlimited);--学生目标数据表
-- Create table
create table T_STUDENT_KETTLE_TARGET
(id     INTEGER,name   VARCHAR2(2000),sex    VARCHAR2(2000),age    INTEGER,cjsj   DATE,zhgxsj DATE default sysdate
)
tablespace MYSPACEpctfree 10initrans 1maxtrans 255storage(initial 64Knext 1Mminextents 1maxextents unlimited);--班级数据源表
-- Create table
create table T_CLASS
(id     NUMBER,class  VARCHAR2(100),cjsj   DATE,zhgxsj DATE
)
tablespace MYSPACEpctfree 10initrans 1maxtrans 255storage(initial 64Knext 1Mminextents 1maxextents unlimited);--班级目标数据表
-- Create table
create table T_CLASS_TARGET
(id     NUMBER,class  VARCHAR2(100),cjsj   DATE,zhgxsj DATE
)
tablespace MYSPACEpctfree 10initrans 1maxtrans 255storage(initial 64Knext 1Mminextents 1maxextents unlimited);-- 同步日志表-- Create tablecreate table T_TBRZ(  id     NUMBER,  --id  tbcgsj DATE,    --同步成功时间（结束时间）  tbkssj DATE,    --同步开始时间  bm     VARCHAR2(100),   --同步表名  tbjg   CHAR(1)   --同步结果：1-成功；2-未成功)tablespace MYSPACE  pctfree 10  initrans 1  maxtrans 255  storage  (    initial 64K    next 1M    minextents 1    maxextents unlimited  );--创建同步日志表的序列create sequence SEQ_T_TBRZminvalue 1maxvalue 999999999start with 81increment by 1cache 20;

[ 复制代码 ](javascript:void(0)😉

2、配置数据库连接地址，一般项目上会通过配置jndi数据源直接连接数据库，不在配置jdbc数据源了，有点类似于java的配置

3、设置数据库连接，通过JNDI方式

4、作业整体流程

需要用到1个作业和6个转换来操作2张表，一个表是3个转换来完成，几张表总共的转换就是N*3个转换。

下图为整个作业的流程：

由上面流程图可以看到，start分了两个分支，一个是class表，一个是student表，下面我们来一一点开每个转换看下。

1）T_CLASS数据变量设置

如上图，T_CLASS数据变量设置，该步骤是获取上次同步的成功时间，做为下次同步的开始时间，并设置到环境变量中，供后续的数据流调用

2）T_CLASS数据变量设置

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-a7uuGFTG-1614843931391)(https://img2018.cnblogs.com/i-beta/1891116/201912/1891116-20191228104936919-554487108.png)]

如上图，T_CLASS数据更新步骤，该步骤是获取上次同步的成功时间之后的数据，插入更新到表中。

3）T_CLASS保存同步日志