Kettle使用心得汇总系列一

Kettle使用心得汇总系列一

一、kettle实现的功能：

kettle可以实现从不同数据源（excel、数据库、文本文件等）获取数据，然后将数据进行整合、转换处理，可以再将数据输出到指定的位置（excel、数据库、文本文件）等；

通过kettle处理大量数据非常方便，如果window服务器或者Linux服务器硬件一般情况下，对于处理千万级一下的数据都是可以的；

二、Kettle作业与转换如何配合使用：

一个作业相当于一个主要任务项，在这个主线中可以调用其它若干个转换，每个转换中可以从作业这个主线中获取数据，然后将数据进行相应的处理操作，再将数据传递给作业主线，也可以在转换中单独获取数据------处理数据------输出数据；

并且如果对于需要设置变量的情况下，一般也是需要用到作业与转换的配合使用，因为变量在当前线中设置，不能再当前线中获取，需要到下一个线中才能够获取；

三、Kettle中设置编码格式：

如果处理的数据中有中文，需要对中文设置编码格式，一般是utf8格式，彻底的修改格式的方法就是，修改spoon.bat文件中增加如下信息："-Dfile.encoding=UTF-8"；

四、Kettle中调整运行性能：

Kettle默认的性能适用于普通的一般硬件，如果自己的电脑硬件比较好（内存比较大），可以对kettle的spoon.bat中的参数进行修改，这样可以适当的提高kettle的运行性能，主要是修改-Xms、-Xmx、-XX:MaxPermSize三个参数的值：

-Xms：设置JVM初始内存；
-Xmx：设置JVM最大可用内存；
-XX:MaxPermSize：设置JVM最大允许分配内存，按需分配；

非常注意：

1、-Xmx必须小于等于系统内存的1/4，要不然会报错，其他两个选项不大于-Xmx；
2、当系统内存为4G时-Xmx不能大于1G，当系统内存为8G或更大时，java版本必须是64位的才能识别出来，此时-Xmx可以为2G或更高

自己配置的信息：window服务器内存8G：

-XX:MaxPermSize = -Xmx = 4096m；

-Xms = 1024m

五、Kettle中常用的控件：

（1）作业中常用控件：

1、通用——START：作业开始；

2、通用——作业：指定某个作业循环执行；

3、通用——转换：指定某个转换，加入到作业中来；

4、通用——设置变量：设置变量，为了转换或者作业中获取变量；

5、通用——成功：作业完成操作；

（2）转换中常用控件：

1、输入——Excel输入：从excel文件中读取数据；

2、输入——文本文件输入：从文本文件中读取数据；

3、输入——生成随机数：用来生成指定类型的随机数；

4、输入——自定义数据常量：将值不变的变量存入到此处，方便管理；

5、输入——获取系统信息：可以获取系统信息（日期、命令行参数）；

6、输入——表输入：从数据库表中读取数据；

7、输出——Excle输出：注意.xls格式输出行数有限制，一般输出.xlsx最好；

8、输出——插入/更新：根据指定的匹配字段，可以检测是插入新数据，还是修改旧数据；

9、输出——文本文件输出：将结果数据输出到文本文件中去；

10、输出——表输出：将结果数据输出到某个数据库的某个表中；

11、转换——增加常量：在原数据中将常量值增加新一列；

12、转换——排序记录：对原数据按照某个字段进行排序；

13、流程——空操作：将不需要的数据放到此处，类似垃圾箱；

14、流程——过滤记录：按照条件进行过滤，类似if-else；

15、流程——Switch/Case:与java中switch/case一样；

16、脚本——java代码：执行java代码；

17、脚本——javascript代码：执行javascript代码；

18、脚本——执行SQL脚本：执行sql；

19、连接——记录集连接：类似于sql的left join/right join/inner join，但是使用前的数据必须要经过排序；

20、作业——从结果获取记录：从作业中获取数据；

21、作业——复制记录到结果：将转换中的结果数据放到作业中去；

22、作业——获取变量：从作业中获取变量；

23、作业——设置变量：设置变量，从而让作业中能够获取变量；

六、Kettle中javascript脚本执行：

在javascript脚本中可以直接定义变量，可以直接从上一个控件中获取值，获取值的方法直接写前一个控件中某列的列明就好，定义的变量在后续的控件中都可以直接获取：

七、Kettle中常用的功能代码：

1、javascript生成uuid的代码：

var uuid = replace(java.util.UUID.randomUUID(),"_","");

2、Javascript截取前一个控件中某个字段的长度，获取另外一个变量：

var choice = substr(tydm,0,4);

0：开始截取的角标；4：表示截取的长度；

八、Kettle中常见的异常处理：

1、异常类型：java.lang.stackOverFlowError

原因：栈溢出，可能是在处理的数据比较大，栈默认值不够使用了；

解决方法：修改kettle中的启动项spoon.bat中的信息，添加一个Xss=1024m即可解决，如果还不够，可根据硬件来适当增加值；

2、中文输出乱码问题：

设置编码格式，具体操作上述有步骤；