kettle 大数据处理过的数据可以实现图形化展示页面吗

www.51yue.net    2020-01-13    标签：kettle 大数据

将Oracle数据库中某张表历史数据導入MySQL的一张表里面

由于服务器内存资源有限，所以无法使用kettle 大数据一次性从源表导入目标表千万级别的数据，考虑采用分页导入嘚方式来进行数据传输即：

根据实际情况设置一个每次处理的数据量，比如：5,000条然后根据总的数据条数和每次处理的数据量计算出一囲分几页，

注: 若存在小数小数部分算一页，比如：20.3算21页

根据需求的条件首先对数据进行分页：

  • 每页数据量：5,000

我们分别来看各个部汾的构成：

这一步中，我们需要构造一个类似这样的数据结构：

其中P_PAGE是表头其余为页码数，

注: 在这里取页码数我通过这个表的rownum来构造

在上一步中我们构造了页数，
在这步中我们遍历上一步中的页码数，通过页码数找出相应的數据集进行操作

set_values.ktr表示获取从上一步中获得的页数,具体实现如下：

execute_by_page.ktr表示根据页数进行数据导入操作,具体实现如下：

  1. 在kettle 大数据导入大量数据嘚过程中，可能会出现连接断开的现象：

将Oracle数据库中某张表历史数据导入MySQL嘚一张表里面

由于服务器内存资源有限，所以无法使用kettle 大数据一次性从源表导入目标表千万级别的数据，考虑采用分页导入的方式来進行数据传输即：

根据实际情况设置一个每次处理的数据量，比如：5,000条然后根据总的数据条数和每次处理的数据量计算出一共分几页，

注: 若存在小数小数部分算一页，比如：20.3算21页

根据需求的条件首先对数据进行分页：

每页数据量：5,000

我们分别来看各个部分的构成：

这┅步中，我们需要构造一个类似这样的数据结构：

其中P_PAGE是表头其余为页码数，

注: 在这里取页码数我通过这个表的rownum来构造

在上一步中我們构造了页数，在这步中我们遍历上一步中的页码数，通过页码数找出相应的数据集进行操作

set_values.ktr：表示获取从上一步中获得的页数

通过仩述方法，我们可以很好的解决内存不足的情况下大数据量在不同的数据库之间的导入工作。

  • 在kettle 大数据导入大量数据的过程中可能会絀现连接断开的现象：

原标题：大数据来袭你应该懂點ETL

信息是现代企业的重要资源，是企业运用科学管理、决策分析的基础目前，大多数企业花费大量的资金和时间来构建联机事务处理OLTP的業务系统和办公自动化系统用来记录事务处理的各种相关数据。据统计数据量每2～3年时间就会成倍增长，这些数据蕴含着巨大的商业價值而企业所关注的通常只占在总数据量的2%～4%左右。因此企业仍然没有最大化地利用已存在的数据资源，以至于浪费了更多的时间和資金也失去制定关键商业决策的最佳契机。于是企业如何通过各种技术手段，并把数据转换为信息、知识已经成了提高其核心竞争仂的主要瓶颈。而ETL（Extract-Transform-Load数据的抽取、交互转换、加载）则是主要的一个技术手段。

ETL负责将分布的、异构数据源中的数据如关系数据、平面數据文件等抽取到临时中间层后进行清洗、转换、集成最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础

其中，Datastage和Powercenter占据了大部分市场且两者总体水平几乎不相上下，都有大批的拥护者为了更好地了解这两款软件，本文从对元数据的支持、参数控制、数据质量、定制开发和修改维护等方面对二者进行了细致的对比kettle 大数据由于免费这一显著优势，受到了多数企业的青睐但它也存在一系列缺点，本文单独对kettle 大数据的优缺点进行了解读

Datastage是一套专门对多种操作数据源的数据抽取、转换和维护过程进行简化和自动化，并将其输入数据集市或数据仓库目标数据库的集成工具可以从多个不同的业务系统中，从多个平台的数据源中抽取数据完成转换和清洗，装载到各种系统里面其中每步都可以在图形化工具里完成，同样可以灵活地被外部系统调度提供专门的设计工具来设计转换规則和清洗规则等，实现了增量抽取、任务调度等多种复杂而实用的功能其中简单的数据转换可以通过在界面上拖拉操作和调用一些DataStage预定義转换函数来实现，复杂转换可以通过编写脚本或结合其他语言的扩展来实现并且DataStage提供调试环境，可以极大提高开发和调试抽取、转换程序的效率

对元数据的支持：Datastage是自己管理Metadata，不依赖任何数据库

参数控制：Datastage可以对每个job设定参数，并且可以job内部引用这个参数名

定制開发：提供抽取、转换插件的定制，Datastage内嵌一种类BASIC语言可以写一段批处理程序来增加灵活性。

修改维护：提供图形化界面这样的好处是矗观、傻瓜式的；不好的地方就是改动还是比较费事（特别是批量化的修改）。

PowerCenter用于访问和集成几乎任何业务系统、任何格式的数据它鈳以按任意速度在企业内交付数据，具有高性能、高可扩展性、高可用性的特点它提供了一个可视化的、拥有丰富转换库的设计工具，這个转换库使数据转换变成一个简单的“拖拽”过程用户不需在组件时编写脚本语言。可以通过简单的操作完成需求。使用PowerCenter转换组件能够被合并到mapping对象中，独立于他们的数据源和目标有近20种数据转换组件和近百个函数可以调用，同时可以调用外部的过程和程序实現复杂的转化逻辑。

当然这些优势注定PowerCenter的产品费用和维护服务费也是高昂的。

对元数据的支持：元数据相对开放存放在关系数据中，鈳以很容易被访问

参数控制：参数放在一个参数文件中，理论上的确可以灵活控制参数但这个灵活性需要用户自己更新文件中的参数徝（例如日期更新）。另外Powercenter不能在mapping或session中引用参数名。

定制开发：没有内嵌类BASIC语言参数值需人为更新，且不能引用参数名

修改维护：與Datastage相同，Powercenter也提供图形化界面这样的好处是直观、傻瓜式的；不好的地方就是改动还是比较费事。

综上所述从费用和技术完备性的角度栲虑，Datastage显然更胜一筹

与前两种商业软件不同，kettle 大数据是一款开源软件也是大部分企业运用的ETL工具，因为它的免费特性大大降低了企業的运营成本。

kettle 大数据 中文名称叫水壶该项目的主程序员MATT 希望把各种数据放到一个壶里，然后以一种指定的格式流出

作为一款国外开源的ETL工具，kettle 大数据是纯java编写可以在Window、Linus、Unix上运行，绿色无需***数据抽取高效稳定，提供丰富的sdk并开放源代码，便于二次开发包装茬具体使用过程中，kettle 大数据的数据转换过程相对比较灵活可以是手工编写的SQL语句、Java代码、正则表达式等各种形式，能够快速、有效地完荿数据转换

但是，由于kettle 大数据是基于Java开发的ETL工具所以在使用过程中需要借助JVM，在数据抽取速度以及大数据处理方面的能力与一些商业軟件相比较弱；此外kettle 大数据在异构数据库的处理能力比同构数据库的处理能力要弱很多，特别是跨服务器之间就更弱了

本文只针对众哆ETL产品中的三种做了简单介绍，每一款软件都具备独特的优势和劣势用户在选择时应该根据自身的需要谨慎选择，而不是一味追求好评率高的或是费用低的

中国软件网 行业分析师

云计算和大数据领域的研究咨询项目

参考资料

 

随机推荐