Kettle批量操作流程使⽤（⼀）---单个数据源多表批量操作    最近在⼯作上⽤到了kettle，⽬前这个开源的ETl⼯具相对来说⽐较⽕，⽤做数据抽取清洗⼯作很⽅便也很快捷。当然也还有不少的问题，⽐如使⽤过程中会发⽣闪退（测试了⼏个版本都存在），还有建好的Job和Transfer保存⽂件，然后再次打开的时候都是空⽩。抛开这些问题暂时不说，试⽤了⼀段时间以后，确实是解决了很多很⼤的问题。
在使⽤kettle之前，⾃⼰⽣产了⼀个任务调度系统去完成ETl⼯作，不过使⽤起来还⽐较⿇烦，对于批量的表，批量的数据源导⼊扩展性不是很好。⽽现在kettle的功能完全能满⾜我们⽬前的任务需求，同时kettle⽬前这么⽕没有理由不去接触kettle。
我们的需求是这样，⽬前我们的业务系统在线上部署了1000多个独⽴⽤户节点，⽽这1000多个节点的数据表结构基本上都相同，因此我们想要在kettle完成的⼀个⼯作就是，编写⼀个流程完成1000多个⽤户节点，1000多张表的数据抽取。如果⼀个表维护⼀个任务，那总共要维护1000*1000个任务，如果⼀个⽤户节点维护⼀个任务，那总共要维护1000多个任务。⽽基于各个节点的业务表结构基本⼀样这个特点，我们想要的是只维护⼀个任务，完成1000多个⽤户节点和1000多个表的数据抽取。基于这个需求，我们分三个步骤完成了前期调研测试。在此将三个步骤测试过程和结果放在这⾥，期待⾼⼿能给出更好的解决思路和⽅法。本实验测试环境的源数据库：Postgres，⽬标数据库：Postgres（正式环境将采⽤GreenPlum）
（1）：每次只连接⼀个数据源，把表名作为变量，维护⼀个任务抽取⼀个⽤户节点的所有数据
（2）多个数据源单标批量操作：动态链接多个数据源，每个数据源只对⼀个表做数据抽取
greenplum数据库（3）多个数据源多表批量操作：动态链接多个数据源，每个数据源所有表做数据抽取
下⾯是单个数据源多表批量操作：
1.1  新建获取表名Transfer
1） 新建Transfer所需的三个步骤分别是表输⼊、字段选择、复制记录到结果，并保存到⽂件：getTables.ktr如下图所⽰：
2） 设置表输⼊的参数，添加数据库链接，和从PG抽取表名的脚本，如下图
3） 将脚本中抽取的数据选择字段作为变量保存到下⼀个步骤，因为这⾥只有⼀个tablename，所以只要设置tablename就可以了，并且不⽤改名，如下图：
4） 将选择的字段保存到结果中，此步骤不⽤设置
5） 将上述操作按照步骤联结起来并保存，则完成当前Transfer设置
1.2  新建获取结果Transfer
1）新建Transfer，包含如下两个步骤，并保存为getResults，如图所⽰：
2）设置从结果获取记录的数据，将上⼀个transfer设置到结果的值取出来如下图所⽰：
3）设置变量，将上⼀步取出来的结果，设置到变量中，为后续的操作从变量中读取数据，这⾥讲读取出来的tablename设置为TABLENAME，如图所⽰：
4）将两个过程联结起来，并保存，完成当前的transfer设置，如下图所⽰
1.3  新建抽取数据Transfer
1） 新建⼀个transfer，包含数据表输⼊和表输出两个步骤，并命名为getDatas，如下图所⽰：
2） 添加表输⼊的数据库链接，如下图所⽰：
3） 设置源数据库数据获取脚本，因为这个步骤需要依赖上⼀个步骤设置的变量，因此这⾥的脚本的表名⽤${TABLENAME}，即上⼀步设置的表名，并将替换SQL语句⾥的变量打钩。
4） 设置表输⼊的数据库链接信息
5） 设置表输⼊的其他属性信息，主要是设置⽬标模式和⽬标表，⽬标模式为public可省略，表是从前⾯传⼊的变量名设置为${TABLENAME}，并勾选批量插⼊，如下图：
6） 将两个步骤联结起来并保存：
1.4  创建数据抽取⼦Job
1） 因为数据抽取的流程是需要获取第⼀个Transfer的表名，⽽第⼀个数据表名是⼀个列表，因此需要将数据抽取流程单独建⽴⼀个job，job包含如下三个步骤：
2） 设置第⼀个转换属性，将其关联到getResult转换即可，为了⽅便区分相应的改下名字：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。