开源ETL工具-Kettle的使用入门介绍
首先，给大家介绍一写关于ETL的基本知识。 ETL是由三个词组成的。分别是extract, transform, load .也就是抽取，转换和加载。在现代互联网企业中使用时比较频繁的，在商业智能BI中也是很受欢迎的。 常用的ETL工具也有很多，比如infomatia, dataStage, kettle, talend 等等。 有开源的也有商业的，不同的软件之间在性能和学习使用成本等是有差别的。本文主要以kettle工具为主。 版本: kettle-pdi 7.0
1. 下面简单介绍一下这几款工具的对比。
Kettle vs Informatica
相似点：
•Pentaho 和 Informatica 都提供了大量的转换步骤、脚本功能，都
可以处理复杂的ETL 转换。
•通常情况下 Informatica 比 Kettle 更快。Informatica 有下推优化，
缓存查询等提高性能的手段。但是如果你对 Kettle 和数据库有足够
的了解，做一些调整，你可以提高 Kettle 的速度，在一些情况下可
以达到甚至超过 Informatica 的速度。
Kettle 的优点：
•Kettle 的易用性比 Informatica 好，需要的培训要少很多。
•Kettle 不需要像 Informatica 那样大的前期投入。
•Kettle 的插件架构支持快速定制开发
Informatica 的优点：
•Informatica 的错误报告功能比 Kettle 更友好，更容易定位错误。
Kettle 通常只把异常抛出，需要实施人员有更丰富的经验。
•Informatica 比 Kettle 有更好的监控工具和负载均衡等企业级应用
功能，更适合大规模的ETL 应用。
2. 下面介绍一下kettle的子程序组成。
Spoon.bat: 图形界面方式启动作业和转换设计器。
Pan.bat: 命令行方式执行转换。
Kitchen.bat: 命令行方式执行作业。
Carte.bat: 启动web服务，用于 Kettle 的远程运行或
集群运行。
Encr.bat: 密码加密
3. kettle的基本功能: 作业(job)和转换 (trans)。
本文介绍的版本是开源的kettle 版本，下载地址可以在 http://kettle.pentaho.org/downloads/
Kettle 的 Spoon 设计器用来设计转换（Transformation）
和 作业（Job）。
•转换主要是针对数据的各种处理，一个转换里可以包
含多个步骤（Step）。
•作业是比转换更高一级的处理流程，一个作业里包括
多个作业项（Job Entry），一个作业项代表了一项工
作，转换也是一个作业项。
因为kettle 是用java实现的，所以必须安装java环境才可以运行kettle 程序。 本文默认使用了jdk 1.8版本。具体安装过程忽略，请参考百度，jdk 和kettle的安装。 kettle 解压可直接使用，安装目录下找到spoon.bat 脚本启动，在windows下运行。如果是linux 下运行就需要运行spoon.sh 脚本启动。
源代码下载地址：
svn://source.pentaho.org/svnkettleroot/Kettle/trunk
用户通过 Spoon 创建的转换、作业、数据库连接等可以保存在资源库和 XML 文件中。
• 转换文件以 ktr 为扩展名，作业文件以 kjb 为扩展名
•资源库可以是各种常见的数据库。可以在 Spoon 中
自动创建资源库，资源库默认用户名和密码是 admin/admin。
不过kettle 也是支持集群模式的，资源库是方便了程序的管理，但是某些情况下，访问资源比较慢，看个人情况使用决定。
4. kettle 常用组件介绍。 输入组件，输出组件，转换组件等、
4.1 输入组件
输入类步骤用来从外部获取数据，可以获取数据的数据源包括，文本文件（txt，csv，xml，json）数据库、 Excel 文件等桌面文件，自定义的数据等。对特殊数据源和应用需求可以自定义输入插件。
4.2 转换组件
转换类步骤是对数据进行各种形式转换所用到的步骤。
例子： 字段选择， 计算器。 增加常量
流程步骤是用来控制数据流的步骤。一般不对数据进行操作，只是控制数据流。
4.3 输出组件
输出步骤是输出数据的步骤，常见的输出包括 文本文件输出、表输出等，可以根据应用的需求开发插件以其他形式输出
常用的是表输出，文本文件输出，写日志输出等。也可以输出到关系型数据库，hadoop output 等文件系统。
下次继续更新。