etl工具，kettle实现循环

  

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，绿色无需安装，数据抽取高效稳定。

业务模型： 在关系型数据库中有张很大的数据存储表，被设计成奇偶库存储，每个库100张一模一样的表，每张表存储1000W，自动切换到下一个表。现需要同步这个数据到Hive中（hdfs），循环抽取这些数据。如果是抽取增量的带上增量字段（每天增量数据存储在哪个表，奇数库还是偶数库是不知道的）。

 

 a sqoop直接从MySQL到hive，这样有些特殊字符会导致sqoop异常终止。而且这样循环对服务器的数据库大量取数，对服务器压力很大，很容易导致服务器瘫痪。

 b 使用kettle处理转换过程就没有这样的问题。kettle支持分页取数据，一定程度上减轻服务器压力。

1 先看总结构图（以下版本为5.1）

2 设置环境变量

3 : JavaScript代码

 

编辑内容为

var count;

count = parent_job.getVariable("V_ID");

if(count == 10){

    false;

}else{

    count++;

    parent_job.setVariable("V_ID", count);

    true;

}

4 新建转换

 

编辑转换，内容为：

5  dummy  条件判断，不作修改

 

设置循环逻辑，箭头方向和类型很重要

6 执行job，测试循环。

另外附上3.2版本的kettle循环

设置变量

设置判断条件

转换 表输入文件输出

Js判断

 

来源:http://blog.csdn.net/lili72/article/details/39716455