pentaho(keetle)数据同步实践

1 pentaho简介

pentaho可读作“彭塔湖”，在keetle被pentaho公司收购后改名而来。

pentaho是一款开源ETL工具，纯java编写的C/S模式的工具，可绿色免安装，开箱即用。支持Windows、macOS、Linux平台。

pentaho有2个核心设计，即转换和作业。

转换是一个包含输入、逻辑处理、输出的完整过程，即ETL。

作业是一个提供定时执行转换的机制，即定时服务调度。

pentaho官网下载链接：Pentaho Community Edition Download | Hitachi Vantara

pentaho由主要四部分组成

Spoon.bat/Spoon.sh ：勺子，是一个图形化界面，可图形化操作转换和作业
Pan.bat/Pan.sh : 煎锅，可用命令行方式调用转换
Kitchen.bat/Kitchen.sh : 厨房，可用命令行方式调用作业
Carte.bat/Carte.sh ：菜单，是一个轻量级web容器，可建立专用、远程的ETL Server

2 pentaho安装

由于是纯java编写，依赖jdk环境。所以需要先配置jdk环境，这里省略。

从官网下载pentaho安装包后，直接解压。

重点目录以及执行文件说明

lib目录：这是依赖库目录，例如各个数据库的jdbc驱动，都放在此目录下
logs目录：这是转换和作业运行的默认日志输出目录
simple-jndi目录：这是各个数据库的JNDI连接信息的全局配置
Spoon.bat/Spoon.sh ：勺子，是一个图形化界面，可图形化操作转换和作业
Pan.bat/Pan.sh : 煎锅，可用命令行方式调用转换
Kitchen.bat/Kitchen.sh : 厨房，可用命令行方式调用作业
Carte.bat/Carte.sh ：菜单，是一个轻量级web容器，可建立专用、远程的ETL Server

3 数据同步案例

这里使用sqlserver到postgresql同步。在Windows平台上操作。

3.1 执行Spoon.bat文件，启动图形化界面

可以看到左侧只有作业和转换。

3.2 创建一个转换，右键，新建

左侧是一些转换插件。

3.3 创建一个数据源输入，展开输入，选择表输入

切换到主对象树,选择DB连接,连接数据源。

由于我这里是sqlserver同步到postgresql，所以需要创建sqlserver和postgresql的DB连接。

创建连接前，需要先下载sqlserver的 jdbc驱动mssql-jdbc-12.2.0.jre8.jar 和 postgresql的jdbc驱动postgresql-42.6.0.jar,我这里直接选的最新版。

sqlserver的连接

sqlserver的连接，如果选择JNDI则无法连接，目前猜测可能是驱动版本问题

postgresql的连接

点击测试，如果连接成功，则会弹框提示

3.4 编辑表输入

先选择数据库连接

点击获取SQL查询语句，获取数据表

选择一个数据表后，会提示是否选择全部字段，选择是

点击确定，一个表输入就做好了。

3.5 创建一个数据源输出

如果是全表覆盖同步，则选择表输出，因为这里是需要根据主键判断是否重复，重复则更新，否则就插入，因此这里选择插入/更新

展开输出节点，选择插入/更新，并将其拖入到右侧图形界面中，然后将表输入连线到当前节点，按住shift+鼠标左键

这里如果不先连线的话，在配置映射字段时，就无法获取源表字段，需要自行输入

双击进行编辑

点击确定后，一个转换就完成了

点击左上角的运行按钮，即可执行同步了。

Q1：这是一个单表转换，那如果需要一次同步多个表呢？

A1：那就继续按此步骤进行配置，多表转换配置完成后如下

Q2：那表数量很多，这么配置很费时间，有什么更好的办法么？

A2：有。可以编写脚本，正在学习中……

Q3: 前面的转换已经配置完成了，但是只能手动点击运行，能否定时自动运行？

A3：可以。继续看第4节。

4 定时服务

选择文件–>新建–>作业，即可创建一个作业。

在作业窗口，选择核心对象,展开通用，选择Start、转换、成功，分别拖入图形界面中，并按顺序连线

双击转换就，进行编辑，选择转换文件

无论转换、还是作业，都是以xml文件形式保存在本地

此时一个作业即配置完成，但是注意，还没达到定时运行的目的，继续配置

双击Start，对作业进行配置

配置完后点击确定，然后点击图形界面的运行按钮，定时服务即启动了

在日志输出窗口，可看到服务运行日志

至此，pentaho的定时数据同步已完成。

Q4: 定时服务开启后，这个程序窗口被关了或者说程序退出了，服务还运行吗？

A4：不会。由于是C/S模式，客户端服务端一体，进程退出即服务停止

Q5：那有类似后台服务的方式，悄悄运行呢，不被这个界面退出所终止服务？

A5：有。请看第5节。

5 以后台方式运行作业

在介绍中提到，有个Kitchen.bat/Kitchen.sh(厨房)的执行文件，它的作用就是用命令方式调用作业。由于是在Windows平台，所以选择Kitchen.bat执行文件。

打开控制台窗口，进入pentaho安装目录，即Kitchen.bat所在目录，执行如下命令

kitchen /file:{job file path} /level:Basic>>{log file path}

说明：

/file 参数指定 job文件

/level 参数指定日志级别，并写入指定的文件

指定日志文件后，控制台界面就不会输出日志，否则日志会在控制台输出，像下面这样

Q6：总开着一个控制台黑框，也不太好，窗口被关了，服务不也停止了吗？有什么更好的方式吗？

A6：是的。有。可以隐藏掉黑窗口，那么继续往下看。

5.1 隐藏控制台窗口

在Kitchen.bat同级目录下创建一个txt文本文件，输入如下内容

@echo off

if "%1" == "h" goto begin

mshta vbscript:createobject("wscript.shell").run("%~nx0 h",0)(window.close)&&exit

:begin

kitchen /file:"替换为job文件路径" /level:Basic>>"替换为日志文件路径"

然后以ANSI编码方式另存为.bat文件。用ANSI编码，是防止文件路径有中文出现乱码。

至此，一个完成的pentaho定时数据同步作业服务就完成了。