当前位置： 首页 > news >正文

Spring Boot 集成 Kettle

news 2025/8/17 15:18:03
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 {@Overridepublic 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.

http://www.lryc.cn/news/539278.html

相关文章：

  • 自学Java-面向对象高级（final、单例类、枚举类、抽象类、接口）
  • Hutool - Cache：简单而强大的缓存实现
  • DeepSeek 通过 API 对接第三方客户端 告别“服务器繁忙”
  • Python 基础-循环
  • Java和SQL测试、性能监控中常用工具
  • SQL 注入攻击详解[基础篇]：Web 应用程序安全漏洞与防御策略
  • 【ArcGIS Pro二次开发】(87)：样式_Style的用法
  • DEX-EE三指灵巧手：扩展AI与机器人研究的边界
  • 简站主题：简洁、实用、SEO友好、安全性高和后期易于维护的wordpress主题
  • 23种设计模式 - 责任链
  • Flink SQL与Doris实时数仓Join实战教程（理论+实例保姆级教程）
  • 算法——舞蹈链算法
  • 【复现DeepSeek-R1之Open R1实战】系列6：GRPO源码逐行深度解析（上）
  • 若依Flowable工作流版本监听器使用方法
  • 机器视觉--图像的运算（乘法）
  • 突破反爬困境：从服务端渲染到客户端SPA，爬虫环境的演变与新挑战（一）
  • matlab下载安装图文教程
  • 七、敏捷开发工具：持续集成与部署工具
  • 重看Spring聚焦BeanDefinition分析和构造
  • 2025年新型智慧城市整体解决方案下载：顶层规划设计，应用总体建设方案
  • 【旋转框目标检测】基于YOLO11/v8深度学习的遥感视角船只智能检测系统设计与实现【python源码+Pyqt5界面+数据集+训练代码】
  • 【物联网】电子电路基础知识
  • Linux-GlusterFS配置
  • IIS asp.net权限不足
  • centos 9 时间同步服务
  • 使用Java爬虫获取1688按图搜索商品（拍立淘API接口）
  • DeepSeek 助力 Vue 开发：打造丝滑的范围选择器（Range Picker）
  • 常用标准库之-std::iota
  • Linux环境Docker使用代理推拉镜像
  • SCI学术论文图片怎么免费绘制：drawio，gitmind