kettle的使用（ETL，数据仓库技术）

本周项目上用到了kettle并且需要做任务调度，听老师说用kettle自带的调度不大稳定于是便baidu了下，参照这篇文章完成了通过kitchen的调度，简单说就是通过windows的计划任务来调用.bat的批处理文件来开始kettle作业。

转自：http://hi.baidu.com/phplinuxmysql/item/f5885685d2397b1cc31627e6

先普及一点知识

Kettle是一个开源的ETL（Extract-Transform-Load的缩写，即数据抽取、转换、装载的过程）项目，项目名很有意思，水壶。按项目负责人Matt的说法：把各种数据放到一个壶里，然后呢，以一种你希望的格式流出。Kettle包括三大块：

   Spoon——转换/工作(transform/job)设计工具 (GUI方式)

   Kitchen——工作(job)执行器 (命令行方式)
   Span——转换(trasform)执行器 (命令行方式)

Kettle是一款国外开源的etl工具，纯java编写，绿色无需安装，数据抽取高

效稳定。Kettle中有两种脚本文件，transformation和job，transformation完成针对数据的基础转换，job则完成整个工作流的控制。

因为最近工作需要所以不得不研究下调用kitchen.bat后面接参数的问题。

经过一段时间的研究终于知道传参的方法了。

如下：

kitchen.bat   后面可以是-也可以是/然后再加options

Options:
/rep        : Repository name
/user       : Repository username
/pass       : Repository password
/job        : The name of the job to launch
/dir        : The directory (dont forget the leading /)
/file       : The filename (Job XML) to launch
/level      : The logging level (Basic, Detailed, Debug, Rowlevel, Error, Nothing)
/logfile    : The logging file to write to
/listdir    : List the directories in the repository
/listjobs   : List the jobs in the specified directory
/listrep    : List the available repositories
/norep      : Do not log into the repository
/version    : show the version, revision and build date
/param      : Set a named parameter <NAME>=<VALUE>. For example -param:FOO=bar
/listparam : List information concerning the defined parameters in the specified job.
/export     : Exports all linked resources of the specified job. The argument is the name of a ZIP
file.

而options 后面可以是=也可以是:也可以是空格

kitchen.bat /file d:\   或者　-file=D:\ 或者/file:D:\等等都可以。。。

定时执行的代码参考如下【原创】，可以执行的实例

1、windows下的执行方式：

建立一个mysql.dat的文件，里面写入

cd D:/Kettle-3.0.2
kitchen.bat /norep -file=D:/kettledata/mysal2orcle.kjb >> kitchen_%date:~0,10%.log
exit

保存文件。

解释一下上面的语句

cd D:/Kettle-3.0.2 这句的含义是跳转到kettle的根目录，因为kitchen.bat 文件在根目录下

kitchen.bat /norep -file=D:/kettledata/mysal2orcle.kjb >> kitchen_%date:~0,10%.log

上面的含义是，使用kitchen.bat 命令来执行job文件，job文件的存放路径是D:/kettledata/mysal2orcle.kjb，并且将执行的结果输出到 kitchen_%date:~0,10%.log文件中。

2、linux下的书写格式：

创建mysqldb.sh

内容如下

cd /home/Kettle-3.0.2 这句的含义是跳转到kettle的根目录，因为kitchen.bat 文件在根目录下
./kitchen.sh -file=/home/etl/mysql.kjb >> /home/etl/log/kettle.log

然后这个文件在crontab中去执行

注意：linux执行shell过程中，由于linux对权限要求很严格，所以kitchen.sh必须有可执行的权限。前面必须加上./，也就是./kitchen.sh才能执行，否则会提示找不到此命令。

kitchen.bat的使用方法：

Kitchen.bat /file:D:\job_name.kjb /level:Basic>>D:\etl.log

使用心得：

1.file和level都是前面有‘/’,后面有‘:’,任何一个都不能丢。

2.此语句要在一行上完成，中间不能有换行符之类的。

博主从昨天就开始调试的几个bat文件，始终不能在我指定的文件里面记日志，一直在dos界面记录，苦思不得其果，偶然的一个把bat文件全屏之后，发现原来语句被换行了，修改到同一行之后可以顺利的运行。

3.此语句后面不能接任何语句，就算你在bat文件里面添加了别的语句，也不会得到执行，查阅了好多资料，没有发现解决办法，逼不得已，我只能把job做成了一个一个单独的bat文件，这个有点儿杯具。

4.JDK或者JRE很重要。

博主因为服务器上没有配置java环境，吃了不少苦。

先是没装java环境，无法运行kettle；接着装好了java环境之后，job和转换可以正常运行，但是kitchen.bat语句不能正常运行，又查阅了一堆资料后发现，原来是环境变量的问题，设置了环境变量之后总算可以正常运行了。

有一篇介绍

Kitchen——作业执行器     是一个作业执行引擎，用来执行作业。这是一个命令行执行工具，没啥可讲的，就把它的参数说明列一下。
    -rep      : Repository name   任务包所在存储名
    -user     : Repository username   执行人
    -pass     : Repository password   执行人密码
    -job      : The name of the job to launch 任务包名称
    -dir      : The directory (don''t forget the leading / or \) 
    -file     : The filename (Job XML) to launch 
    -level    : The logging level (Basic, Detailed, Debug, Rowlevel, Error, Nothing) 指定日志级别
    -log      : The logging file to write to  指定日志文件
    -listdir  : List the directories in the repository 列出指定存储中的目录结构。
    -listjobs : List the jobs in the specified directory 列出指定目录下的所有任务
    -listrep  : List the defined repositories 列出所有的存储
    -norep    : Don''t log into the repository  不写日志
    嗯，居然不支持调度。看了一下文档，建议使用操作系统提供的调度器来实现调度，比如：Windows可以使用它的任务计划工具。