Apache Hop:开源版本的Kettle

今天给大家分享一个开源数据集成与工作流引擎:Apache Hop

功能简介

Apache Hop 最初来源于我们熟悉的 ETL 工具 Kettle(Pentaho Data Integration),并且在 2020 年成为 Apache 软件基金会的顶级项目。

Apache Hop 的主要特点包括:

  • 可视化开发,提供了图形界面用于设计工作流(workflow)和数据管道(pipeline),用户可以专注于业务逻辑而不是代码实现。
  • 跨引擎支持,工作流和数据管道支持原生 Hop 引擎的本地和远程运行,数据管道也可以通过 Apache Spark、Apache Flink 以及 Google Dataflow 运行。
  • 内置生命周期管理,Hop Gui 工具提供了不同的项目、环境以及运行时配置等管理功能。
  • 元数据驱动,使用元数据(Metadata)描述针对数据的操作以及工作流和数据管道的编排,同时对于各种插件和功能的使用也通过元数据进行定义。

Apache Hop 常用的业务场景如下:

  • 大数据加载,利用云环境、集群以及大规模并行处理将海量数据加载到数据库中。
  • 数据仓库,利用内置的 SCD、CDC 以及代理主键创建功能执行 ETL 任务。
  • 数据集成,实现关系型数据库、文件系统、NoSQL 数据库等不同架构的数据整合。
  • 数据迁移,完成不同数据库和系统之间的数据迁移。
  • 数据分析和数据清洗。

下载安装

打开 Apache Hop 官方下载页面:

https://hop.apache.org/download/

对于初学者,建议下载二进制安装包(Binaries)。

下载完成后进行解压即可完成安装。

注意:Apache Hop 基于 Java 开发,因此我们需要安装 JVM。目前的版本需要使用 64 位的 Java 17 以上版本。

学习示例

Apache Hop 提供了各种开发和运行工具,其中 Hop Gui 就是主要的图形开发工具,点击 hop-gui.bat 或者 hop-gui.sh 启动:

我们首先设置一下界面语言,点击界面左侧的配置视图(⚙),打开"Look & Feel"页面,选择"简体中文":

修改配置之后,需要重启 Apache Hop 才能生效。

Apache Hop 自带了大量的学习案例,位于安装目录下的 config\projects\samples 子目录,可以通过"打开"菜单加载:

Apache Hop 中的概念和操作方法和 Kettle 非常类似,后者的使用方法可以参考这篇文章

相关推荐
liliangcsdn4 小时前
mac测试ollama llamaindex
数据仓库·人工智能·prompt·llama
晴天彩虹雨21 小时前
统一调度与编排:构建自动化数据驱动平台
大数据·运维·数据仓库·自动化·big data·etl
Sirius Wu1 天前
Hive的窗口函数
数据仓库·hive·hadoop
isNotNullX2 天前
数据集成难在哪?制造企业该怎么做?
大数据·数据库·数据仓库·人工智能·制造
Sirius Wu2 天前
一文说清楚Hive
数据仓库·hive·hadoop·后端
天翼云开发者社区3 天前
离线数仓优化简述
数据仓库
Leo.yuan3 天前
小白做投资测算,如何快速上手?
数据库·数据仓库·人工智能·算法·信息可视化
摘星编程3 天前
MCP与企业数据集成:ERP、CRM、数据仓库的统一接入
数据仓库·erp系统·mcp协议·crm集成·企业数据集成
sheep85213 天前
HIVE实战处理(二十四)留存用户数
数据仓库·hive·hadoop
AI扶我青云志7 天前
Hive数据仓库工具
数据仓库·hive·hadoop