数据仓库工具 kettle first demo

 

 

 

Hop眺： 就是步骤之间带箭头的连线，眺定义了步骤之间的数据通路。跳实际是两个步骤之间的被称为——行集的数据缓存，在流程运行过程中数据会先往hop中写。当行集满了，向行集数据写入数据就会停止，知道行集里又有了空间。当行集空了，从行集读取数据的步骤会停止，直到行集里又有了可读的数据。行集的大小可以在转换的设置里进行设置，如下图：

                   

               

 

 

 

 

 

 

 

 

kettle核心概念：

转换：   转换是ETL解决方案中最主要的部分，它处理抽取、转换、加载各种对数据行操作。 转换包含一个或者多个步骤，如读取文件、过滤数据行、数据清洗或将数据加载到数据库。 转换中的步骤通过 跳（hop）来链接，跳定义一个单向通道，允许数据从一个步骤向另一个步骤流动。

数据流：在kettle 中，数据的单位是行，数据流就是数据行从一个步骤到另一个步骤的移动，一个数据行是零到多个字段的集                    合。数据流也被称为记录流。

step 步骤： 步骤（控件）是转换中的基本组成部分；

          步骤的关键特性：

              1、步骤需要有一个整个转换过程中唯一的名字；

              2、每个步骤都会读、写数据行（唯一例外的是“生成记录”步骤，该步骤只写数据）；

              3、 步骤将数据写到与之相连的一个或多个输出跳，再传送到跳的另一端的步骤；

              4、 大多数的步骤都可以有多个输出跳。一个步骤的数据发送可以被设置为分发和复制，分发是目标步骤轮流接收记                          录，复制是所有的记录被同时发送到所有的目标步骤。

 

hop跳：就是步骤之间带箭头的连线，眺定义了步骤之间的数据通路。跳实际是两个步骤之间的被称为——行集的数据缓存，在                流程运行过程中数据会先往hop中写。当行集满了，向行集数据写入数据就会停止，知道行集里又有了空间。当行集空                了，从行集读取数据的步骤会停止，直到行集里又有了可读的数据

kettle中数据行中数据类型：

              1 String  字符类型数据

              2 Number 双精度浮点数

              3 Integer 带符号长整型（64位）

              4 BigNumber 任意精度数据

              5 Date 带毫秒精度的日期时间值

              6 Boolean 取值为true和false的布尔值

              7 Binary  二进制字段可以包含图像、声音、视频及其他类型的二进制数据

       

数据行——元数据：