pentaho DI Tutorial (spoon)

Pentaho Data Integration (PDI, also called Kettle),是pentaho的etl工具.虽然etl工具一般都用在数据仓库环境中,可是,PDI还是可以做以下事情:

1)在数据库或应用系统间迁移数据.

2)把数据导成为检系统

3)大数据的批量倒入数据库。

4）系统整合。

5）数据清洗。

PDI的使用非常简单，每一步基本上都可以听过图形化的工具来完成，而不需要写代码。从这个意义上说，PDI是面向元数据的。

PDI既可以作为一个单独工具使用，也可以作为pentaho的整个软件包的一部分使用。作为一个单独的工具，PDI支持各种数据源的输入和输出，包括：

文本文件；数据表；各种商业化的数据库引擎。PDI允许你对数据进行各种精细的控制。

现在，我们通过传统的“Hello world”的例子，来展示使用PDI是多么的简单。

1）下载PDI；

2）spoon的简介：

spoon是一个图形化的工具，用来设计和测试PDI要使用的过程等。设计测试完毕后，可以在终端窗口运行。

In Spoon, you build Jobs and Transformations. PDI offers two methods to save them:

1. Database repository
2. Files

3）例子

 a)源数据是一个csv文件，内容如下：

    last_name, name
Suarez,Maria
Guimaraes,Joao
Rush,Jennifer
Ortiz,Camila
Rodriguez,Carmen
da Silva,Zoe

b)经过转换后，变为xml文件，期望值如下：

- <Rows>
  - <row>
        <msg>Hello, Maria!</msg>
    </row>
  - <row>
        <msg>Hello, Joao!</msg>
    </row>
  - <row>
        <msg>Hello, Jennifer!</msg>
    </row>
  - <row>
        <msg>Hello, Camila!</msg>
    </row>
  - <row>
        <msg>Hello, Carmen!</msg>
    </row>
  - <row>
        <msg>Hello, Zoe!</msg>
    </row>
  </Rows>

下面是具体操作：

 第一步：菜单选择：文件--〉新建--〉转换

第二步：设置。对转换过程进行设置。如上图。

命名并保存。

使用 Steps and Hops构建转换的骨架。

  在转换里面：step是最小的单元步骤。step的种类非常繁多，基本上，可以归纳成几类，比如input和output，还有其他归类。每一个step都认为是

完成一个工作，比如恢复数据集合等。

而hop，是在两个step之间数据转换流动的图示。包含数据的起始和传递方向。

我们这次转换例子，包含三个步骤：

1）读取csv文件。

2）加入问候语句。

3）存成xml文件。

• To the left of the workspace is the Steps Palette. Select the Input category.
• Drag the CSV file onto the workspace on the right.
• Select the Scripting category.
• Drag the Modified JavaScript Value icon to the workspace.
• Select the Output category.
• Drag the XML Output icon to the workspace.
• 

下面，选择第一个step，按住shift键，拖到第二个step上。

同样操作第二个到第三个。

现在，配置第一个step，双击它。可以看到：

这里还有2个步骤：get fields，和preview。