本文转载自：http://www.cnblogs.com/itechpark/p/yinzei_kettle_demo.html
Kettle是一个开源ETL工具，做数据仓库用Spoon。 工具：下载Spoon，解压即可用 1、认识常用组件： 表输入 插入\更新 数据同步 文本文件输出 更新 自动文档输出 表输出 列转行 增加常量 增加序列 排序记录 行转列 过滤记录 数据库连接 合并记录 排序合并 记录关联（笛卡尔输出） 记录集连接 分组 在内存中分组 2、第一个例子 生成 100 个随机数，随机数取值于[0，100）之间， 计算小于等于 50 的随机数个数和 大于50 的随机数个 数。 并把这两个统计数字放在数据库表的一行的两列中， 即输出的结果有一行，一行包括两列，每列是一个统 计值。 1.生成随机数,0-1区间内 2.定义常量，100 3.计算，随机数乘以100，使得生成的数据在0~100区间内 这里后面有分支，默认是数据分发，这里要保证数据全部都流到两条支路去要选择复制分发模式，在计算器这个步骤上面右键，选择数据发送，复制发送模式 4.条件判断有几种方法，这里用的是根据java代码过滤记录 5.分组计算总条数，4步中结果为真进分组1，否则分组2，分组里面计算总条数 6.关联记录 7.输出 3、数据仓库 目标：数据仓库就是把别的业务组的表查出来， 再转换， 保存到我们这边创建的新的业务表中。后续再开发接口(http、webservice、dubbo等)给别的组调用。 3.1用户评价表中有各种评价得分，这里对经纪人的各种得分求平均分保存到bidb_brance中 0.建立数据库连接 数据源1：mysql://172.16.2.187:33096/jjskfang 数据源2：mysql://172.16.2.245:33096/bidb_branch 1.表输入： 使用数据源1， 初始数据为： SELECT ID, WORKER_ID, WORKER_NAME, USER_ID, USER_NAME, GRADE, SCORE, PROFESS_SCORE, KNOW_SCORE, SERVICE_SCORE, TAGS, CONTENT, ORDER_ID, ORDER_TYPE, `STATUS`, MODIFY_TIME, CREATE_TIME FROM jjskfang.CUSTOMER_COMMENT WHERE `STATUS` = 1 2.字段选择： 选择必要的字段，这里也可以省略这一步 选择：WORKER_ID, WORKER_NAME,SCORE, PROFESS_SCORE, KNOW_SCORE,SERVICE_SCORE 3.排序：选择排序字段为WORKER_ID，分组前必须对分组字段进行排序，类似禹sql里面的group by 4.分组：根据WORKER_ID分组，同时使用聚合函数（这里就完全类似sql里面的分组和聚合函数了），如下图： 5.计算器：用计算器计算出各个指标的平均数，如图： 6.插入|更新：这一步将数据保存到目标数据库中，准备工作为先在数据源2中创建需要的表： 建表如图： 插入|更新如图：选择数据源2，表为刚刚创建的表 这一步根据workerId查询判断执行更新或者插入操作，到这里这个简单的转换工作就完成了，可以去数据库里面查询一下，看到数据都出来了是不是满满的成就感呢 感悟：做到这里让我想到一个问题，以前做车辆管理系统高 危用户五级风险预警，当时是用java算出来的，真是让人头大。先去查询用户驾驶行为，再查询用户行为报警等各种数据，然后拼命的循坏各种判断，得到分析 后的数据再保存到另外一个表中，来来回回写了一堆代码，最后发现执行的时候，定时器一启动服务启内存就完全不够用了，因为我开始是一次性把所有数据查出来 再分析的。然后又去想怎么改程序，最终终于拼凑出来了。 现在用kettle去做貌似就简单多了，现在感受到的是开发起来方便，干净利落。不知道放到定时器运行的时候性能效率怎么样？后续持续研究。 4、java调用Kettle示例 从网上复制的代码， 后续自己写示例验证 public class KettleTest { public static void main(String[] args) { String filename = "/wang/work/study/Kettle/sample/excel_trans.ktr"; try { KettleEnvironment.init(); EnvUtil.environmentInit(); TransMeta transMeta = new TransMeta(filename); Trans trans = new Trans(transMeta); trans.execute(null); // You can pass arguments instead of null. trans.waitUntilFinished(); if ( trans.getErrors() > 0 ){ throw new RuntimeException( "There were errors during transformation execution." ); } } catch (KettleException e ) { // TODO Put your exception-handling code here. System.out.println(filename); System.out.println(e); } } } 5、java开发定时器执行ktr脚本 这个步骤省略。 总结：工具的使用并不难，关键在于理解业务，还有写sql的能力！
转载于:https://www.cnblogs.com/shujuxiong/p/9105420.html
相关资源：Pentaho Data Integration 4 Cookbook（完美版，含源码）