Spring Boot 集成 Kettle

Kettle 简介

Kettle 最初由 Matt Casters 开发，是 Pentaho 数据集成平台的一部分。它提供了一个用户友好的界面和丰富的功能集，使用户能够轻松地设计、执行和监控 ETL 任务。Kettle 通过其强大的功能和灵活性，帮助企业高效地处理大规模数据集成任务。

主要组成部分

1. Spoon：
   • 用途：Spoon 是 Kettle 的图形化设计工具。用户可以使用 Spoon 设计和调试 ETL 转换和作业。
   • 功能：拖放式界面、预览数据、测试 ETL 流程、管理连接、编写脚本等。
2. Pan：
   • 用途：Pan 是一个命令行工具，用于执行由 Spoon 设计的 ETL 转换。
   • 功能：通过命令行执行转换、调度作业、集成到其他自动化流程中。
3. Kitchen：
   • 用途：Kitchen 是一个命令行工具，用于执行由 Spoon 设计的 ETL 作业。
   • 功能：通过命令行执行作业、调度作业、集成到其他自动化流程中。
4. Carte：
   • 用途：Carte 是一个轻量级的 Web 服务器，提供远程执行和监控功能。
   • 功能：远程执行和监控 ETL 转换和作业、查看日志、管理集群等。
5. Repositories：
   • 用途：存储和管理 ETL 转换和作业的地方。
   • 功能：可以使用数据库或文件系统作为存储库，支持版本控制和共享。

主要功能和特点

1. 数据提取：

   • 支持多种数据源，如关系数据库、文件（CSV、Excel、XML 等）、大数据平台（Hadoop、Hive 等）、云存储（Amazon S3、Google Drive 等）、Web 服务和 API 等。

2. 数据转换：

   • 丰富的转换步骤，包括数据清洗、数据聚合、数据过滤、数据排序、数据连接、数据拆分、数据类型转换等。

3. 数据加载：

   • 支持将数据加载到多种目标系统中，如关系数据库、大数据平台、文件系统、云存储等。

4. 调度和自动化：

   • 支持通过命令行工具（Pan 和 Kitchen）和调度器（如 cron 或 Windows 任务计划）进行调度和自动化执行。

5. 扩展性：

   • 提供了插件机制，用户可以编写自定义插件，扩展 Kettle 的功能。
   • 支持 JavaScript 和 Java 进行脚本编写，增强转换和作业的灵活性。

6. 集群和并行处理：

   • 支持集群模式，能够在分布式环境中并行处理大规模数据。
   • 提供了分布式 ETL 执行和负载均衡功能。

7. 数据质量和数据治理：

   • 提供了数据验证、数据一致性检查和数据校验功能，帮助确保数据的质量和一致性。

8. 实时数据处理：

   • 支持实时数据流处理，通过集成 Kafka、MQTT 等流处理平台，实现实时数据的提取、转换和加载。

集成 Kettle

将 Kettle（Pentaho Data Integration, PDI）集成到 Spring Boot 项目中，可以实现 ETL 流程的自动化和集成化处理。以下是详细的集成过程：

准备工作

1. 下载 Kettle：从 Pentaho 官网下载 Kettle（PDI）的最新版本，并解压到本地目录。
2. Spring Boot 项目：确保已有一个 Spring Boot 项目，或新建一个 Spring Boot 项目。

引入 Kettle 依赖

在 Spring Boot 项目的pom.xml文件中添加 Kettle 所需的依赖。你可以将 Kettle 的 JAR 文件添加到本地 Maven 仓库，或直接在项目中引入这些 JAR 文件。

<dependencies> <!-- Spring Boot 依赖 --> <!-- Kettle 依赖 --> <dependency> <groupId>pentaho-kettle</groupId> <artifactId>kettle-core</artifactId> <version>9.4.0.0-343</version> </dependency> <dependency> <groupId>pentaho-kettle</groupId> <artifactId>kettle-engine</artifactId> <version>9.4.0.0-343</version> </dependency> <dependency> <groupId>pentaho-kettle</groupId> <artifactId>kettle-dbdialog</artifactId> <version>9.4.0.0-343</version> </dependency> <dependency> <groupId>org.apache.commons</groupId> <artifactId>commons-vfs2</artifactId> <version>2.7.0</version> </dependency> <!-- 根据需要添加其他 Kettle 依赖 --> <!-- 操作数据库数据时添加相应的数据库依赖 --> </dependencies>

处理密码加密

在resources目录下创建kettle-password-encoder-plugins.xml文件，用于配置密码加密插件：

<password-encoder-plugins> <password-encoder-plugin id="Kettle"> <description>Kettle Password Encoder</description> <classname>org.pentaho.support.encryption.KettleTwoWayPasswordEncoder</classname> </password-encoder-plugin> </password-encoder-plugins>

kettle-core依赖中org.pentaho.support.encryption.KettleTwoWayPasswordEncoder类实现了TwoWayPasswordEncoderInterface接口，用于处理密码的加密和解密操作。

添加 Spoon 的任务文件

在 Kettle（Pentaho Data Integration，PDI）中，作业（Job）和转换（Transformation）是两种核心的 ETL 组件，它们在设计和功能上有着本质的区别。

转换（Transformation）

1. 数据处理流程：转换是一个数据处理流程，专注于数据的提取（Extract）、转换（Transform）和加载（Load）。
2. 行级处理：转换以行级处理数据，每次处理一行数据，并将其传递给下一步骤。
3. 任务文件为.ktr文件。

作业（Job）

1. 任务管理和控制流程：作业是一个任务管理和控制流程，负责调度和控制一系列任务的执行顺序。
2. 步骤级处理：作业以步骤为单位处理任务，每次执行一个步骤，然后根据条件决定执行下一个步骤。
3. 任务文件为.kjb文件。

区别

1. 转换处理数据行，作业处理任务步骤。
2. 转换中的步骤是并行执行的，而作业中的步骤是顺序执行的。
3. 转换侧重于数据的处理和转换，作业侧重于任务的调度和管理。
4. 转换主要通过数据流控制，作业提供了丰富的逻辑控制（条件判断、循环、错误处理等）。
5. 转换适用于复杂的数据处理流程，作业适用于任务调度和控制。

在 Spring Boot 项目的resources目录下，创建一个kettle目录，并将 Kettle 的任务文件（如转换1.ktr）复制到该目录中。

编写 Kettle 服务类

创建一个服务类，用于执行 Kettle 转换或作业。

package com.example.kettletest.service.impl; import com.example.kettletest.service.KettleJobService; import org.pentaho.di.core.KettleEnvironment; import org.pentaho.di.core.exception.KettleException; import org.pentaho.di.core.exception.KettleXMLException; import org.pentaho.di.core.util.EnvUtil; import org.pentaho.di.job.Job; import org.pentaho.di.job.JobMeta; import org.pentaho.di.trans.Trans; import org.pentaho.di.trans.TransMeta; import org.springframework.core.io.ClassPathResource; import org.springframework.stereotype.Service; import java.io.File; import java.io.IOException; /** * @author 罗森 * @date 2024/6/6 13:21 */ @Service public class KettleJobServiceImpl implements KettleJobService { @Override public void runTaskFile(String taskFileName) { // 初始化 Kettle 环境 try { KettleEnvironment.init(); EnvUtil.environmentInit(); } catch (KettleException e) { throw new RuntimeException(e); } // 执行任务文件 if (taskFileName.endsWith(".ktr")) { taskFileKTR(taskFileName); } else if (taskFileName.endsWith(".kjb")) { taskFileKJB(taskFileName); } else { throw new IllegalArgumentException("Unsupported file type: " + taskFileName); } } /** * 针对kjb文件的操作 * @param taskFileName */ public void taskFileKJB(String taskFileName) { try { // 获取资源文件路径 ClassPathResource resource = new ClassPathResource("kettle/" + taskFileName); File jobFile = resource.getFile(); // 加载 KJB 文件 JobMeta jobMeta = new JobMeta(jobFile.getAbsolutePath(), null); // 创建作业对象 Job job = new Job(null, jobMeta); // 启动作业 job.start(); // 等待作业完成 job.waitUntilFinished(); if (job.getErrors() > 0) { System.out.println("There were errors during job execution."); } else { System.out.println("Job executed successfully."); } } catch (IOException | KettleXMLException e) { e.printStackTrace(); } } /** * 针对ktr文件的操作 * @param taskFileName */ public void taskFileKTR(String taskFileName) { try { // 获取资源文件路径 ClassPathResource resource = new ClassPathResource("kettle/" + taskFileName); File transFile = resource.getFile(); // 加载 KTR 文件 TransMeta transMeta = new TransMeta(transFile.getAbsolutePath()); // 创建转换对象 Trans trans = new Trans(transMeta); // 启动作业 trans.execute(null); // 等待作业完成 trans.waitUntilFinished(); if (trans.getErrors() > 0) { System.err.println("There were errors during Transformation execution."); } else { System.out.println("Transformation executed successfully!"); } } catch (IOException | KettleException e) { e.printStackTrace(); } } }

常见问题解决办法

1. 运行后报错信息为：Unable to find plugin with ID 'Kettle'. If this is a test, make sure kettle-core tests jar is a dependency. If this is live make sure a kettle-password-encoder-plugins.xml exits in the classpath.

   **解决办法：**在resources目录下创建kettle-password-encoder-plugins.xml文件。

2. 运行后报错信息为：ERROR (version 9.4.0.0-343, build 0.0 from 2022-11-08 07.50.27 by buildguy) : A serious error occurred during job execution: 无法找到作业的开始点.

   **解决办法：**为Spoon制作的作业任务增加开始节点。

3. 运行后报错信息为：Can't run transformation due to plugin missing.

   **解决办法：**此问题通常出现在涉及类似于导出excel文件、json文件时。在初始化 Kettle 环境之前指明相关插件的绝对路径（相关插件通常在Kettle本地解压文件夹中的plugins目录下），新增以下代码：

   StepPluginType.getInstance().getPluginFolders().add(new PluginFolder("E:\Kettle\pdi-ce-9.4.0.0-343\data-integration\plugins", false, true));

   将代码中的地址换成您本地的绝对地址。

（END）
by luosen.