kettle从入门到精通 第三十二课 mysql 数据连接集群/分区配置

1、这里的集群实际上是数据分区或者分片的概念，如中国全国的学生，应该不会都存在一张表里面，有可能每个省市一个表进行存储。

2、集群（分区），如下图所示

设置在“集群”标签，勾选“使用集群”，然后定义两个分区。这里的分区实际指的是数据库实例，需要指定自定义的分区ID，数据库实例的主机名（IP）、端口、数据库名、用户名和密码。

点击测试按钮可以测试数据库是否正常连接，如下图所示

3、有两个数据库test1和test2，两个数据库里面都有一个相同的表，名为student，每个表里有一条数据，如下图所示，后面会用到。

4、创建数据库分区schemas，在“主对象树”的“数据库分区schemas”上点右键“新建”，在弹出窗口中输入“分区schema名称”，然后点击“导入分区”按钮，如下图所示。

 

5、为表输入步骤设置分区,右键表输入步骤，设置分区即可，如下图所示

a. None：选择None表示不进行数据分区，即所有数据都将被发送到默认的目标分区中。这意味着不对数据进行分区，将全部数据集中存储在一个分区中。

b. Mirror to all partitions：选择Mirror to all partitions表示将数据镜像复制到所有分区中。无论输入数据来自哪个分区，都会被同时复制到所有可用的分区中，使得每个分区都含有完整的数据集。

c. Remainder of division：选择Remainder of division表示根据某个字段的取余结果将数据分发到不同的分区中。通常情况下，我们会选择一个字段进行取余操作，然后将取余的结果作为分区的标识，这样可以将数据均匀地分布到不同的分区中。

Kettle标准的分区方法。通过分区编号除以分区数目，产生的余数被用来决定记录行将发往哪个分区。例如在一个记录行里，如果有 “3” 标识的用户身份，而且有2个分区定义，这样这个记录行属于分区1

选择设置好的part分区即可，这里的part名字可以根据需要自行定义。

6、设置表输入步骤，如下图所示

7、分区方式为Mirror to all partitions的情况下，表输入读取两个分区的数据，如下图所示

8、两个分区数据转移到一张表里面，如下图所示

另外表输入和输出步骤不熟悉的话，可以查看我之前的文章，里面有详细介绍。

9、一个全量表student_all 中的数据，同步到三个分区的三个student表，如下图所示

这里分区策略选择Remainder of division，同时选择一个分区路由字段，这里选择age字段，age/分区总数3剩余的商就是数据同步到哪个分区，分区编号从0开始，如下图所示