kettle从入门到精通 第七十三课 ETL之kettle kettle调用http分页接口教程

场景：kettle调用http接口获取数据（由于数据量比较大，鉴于网络和性能考虑，所以接口是个分页接口）。

方案：构造页码list，然后循环调用接口。

1、总体设计

1）、初始化分页参数pageNum=1,pageSize=20，这里的pageSize可以根据自己的需求自行调整，比如每次从接口取数100或者1000等等。

2）、第一次请求分页接口，然后保存数据&获取总页数。

3）、根据总分页数据，然后计算出页码list。

4）、循环页码list，单条数据请求http接口。

注：2和4调用的是同一个子trans

2、初始化分页参数

1）这里为了演示方便，使用的生成记录生成了一条数据，其中pageNum=1，pageSize=50

2）这里的pageSize可以根据自己的需求自行调整，比如每次从接口取数100或者1000等等。

3）实际业务场景中有可能用不到生成记录步骤，这个大家根据自己场景进行选择。

3、第一次请求http接口

1）从以前的结果获取记录步骤获取初始化的参数pageNum=1和pageSize=20

2）这里的模拟http请求使用的是写日志步骤，具体场景中使用的是http post步骤。

3）这里的模拟http响应数据落地是空步骤，具体场景中应该是json input、table output等步骤。

4）模拟接口返回的总页数这里使用的是增加常量，具体使用时应该从json input步骤解析出来totalNum字段。具体的业务场景总页数字段可能不叫totalNum，根据实际情况填写即可。

4、计算页码list

1） 这一步很重要，将单条数据变成list，如上一步的totalNum为3，这里会输出{"paggNum":"2","pageSize":"20"},{"paggNum":"3","pageSize":"20"}

2. 脚本如下

var max_page_int = str2num(totalNum);
for(var curr_page=2;curr_page<=max_page_int;curr_page++){
 var outputRow = new Array(_step_.getOutputRowMeta().size()); 
 outputRow[_step_.getOutputRowMeta().indexOfValue("pageNum")] = num2str(curr_page);
 outputRow[_step_.getOutputRowMeta().indexOfValue("pageSize")] = pageSize;
  _step_.putRow(_step_.getOutputRowMeta(), outputRow);
}
var trans_Status = SKIP_TRANSFORMATION;

5、循环请求http接口（从第二页开始）

1）这里一定要勾选执行每一个输入行，勾选之后才会执行for循环操作。会循环上一步的结果{"paggNum":"2","pageSize":"20"},{"paggNum":"3","pageSize":"20"}

2）这一步调用子trans和第一次请求http接口的子trans是一样的。细心的朋友可能会发现其实只有第一次请求http接口之后才关心totalNum，之后的请求都不会关心这个totalNum。

注：kettle是个非常灵活的工具，这里只是提供了一个思路而已，大家如果有更好的实现思路，评论区或者沟通交流群告诉我。