大数据之数据仓库技术:ETL工具和Kettle简介
ETL简介
ETL(Extract-Transform-Load)
: 在大数据技术领域内,用来描述将数据从 来源端 经过
抽取(extract)
,
转换(transform)
,
加载(load)
至 目的端 的过程。
ETL
一词常用在数据仓库,但其对象并不限于数据仓库。
因此,
ETL
更多是一个抽象概念,可以用任何编程语言来完成开发。无论是
python
,
java
, 甚至数据库的
存储过程
,只要它最终是让数据完成
抽取
->
转化
->
加载
的效果即可。
愈来愈多的企业采用工具或抽象成类来实现开发和管理。
ETL
能够对各种分布的、异构的源数据(如关系数据)进行
抽取
,按照预先设计的规则将不完整数据、重复数据以及错误数据等
脏数据
内容进行
清洗
,得到符合要求的
干净
数据,并
加载
到数据仓库中进行存储,这些 “干净” 数据就成为了数据分析、数据挖掘的基石。
ETL
是实现商务智能(Business Intelligence,BI)的核心。一般情况下,ETL会花费整个BI项目三分之一的时间,因此ETL设计得好坏直接影响BI项目的成败。
如果说
数据仓库
的模型设计是一座大厦的设计蓝图,数据是砖瓦的话,那么
ETL
就是建设大厦的过程。
ETL工具和Kettle
Kettle(Pentaho Data Integration)
: 中文名叫水壶,项目的概念是把各种数据放到一个壶里,然后以指定的格式流出。是国外开源的
ETL
工具,纯
java
编写,可以在Windows、Linux、Unix上运行。
Kettle入门: https://blog.csdn.net/qq_44134480/article/details/128748898:
Kettle家族
Kettle
家族目前包括4个产品:
Spoon
、
Pan
、
CHEF
、
Kitchen
。
Spoon
:勺子,GUI方式的转换
设计工具。 可以用来开发转换
、任务
、创建数据库
、集群
、分区
等。Pan
:煎锅,命令行方式的转换
执行工具。可批量执行,并支持后台运行。Chef
:厨师,GUI方式的作业(job)
设计工具。 任务通过允许每个转换,任务,脚本等等,更有利于自动化更新数据仓库的复杂作业。Kitchen
:厨房,命令行方式的作业(job)
执行工具。 可批量使用由Chef
设计的任务 (例如使用一个时间调度器)。KITCHEN也是一个后台运行的程序。
但要注意:kettle的内存释放极差,一定要监测kettle的内存使用情况。
kettle文件类型:
.ktr
: 即Transformation
, 完成数据的基础转换。.kjb
: 即Job
, 完成整个作业流的控制。一个作业包含一个或多个转换。.kdb
: 数据库配置文件
Kettle资源
- GitHub项目主页: https://github.com/pentaho/pentaho-kettle
- https://juejin.cn/s/kettle官网
- Kettle中文网 http://www.kettle.org.cn/
KettlePack 任务调度工具
KettlePack 是由从晶科技开发的基于Kettle9(兼容Kettle8及其他版本)的web端调度监控管理平台,专门用来调度和监控由Kettle客户端创建的Job和Transformation。
安装使用简单方便,并拥有完善的帮助文档和在线支持,目前基本可以支持所有的组件,包括大数据组件(hbase、hive、hdfs等)。
浅谈ETL https://www.jianshu.com/p/da9beed7341f
ETL简介 https://blog.csdn.net/fuhanghang/article/details/129546712
kettle概念-ETL,Kettle,Spoon等区别 https://blog.csdn.net/u014636209/article/details/82055854
Kettle简介 https://blog.csdn.net/qq_44134480/article/details/128748898
版权归原作者 catmes 所有, 如有侵权,请联系我们删除。