kettle从入门到精通 第九十七课 ETL之kettle kettle资源仓库的5种方式

场景:接触kettle有一段时间了,kettle资源仓库的各种方式也都体验了一下,各自有自己的优缺点吧,今天有时间一起梳理下,互相探讨下。

1、文件仓库

文件仓库的意思kettle中设计的trans和job脚本文件放到本地文件,这种方式读取和保存速度相当快,适合单人作战模式。

  1. 打开spoon客户端,点击右上角的Connect->Repository Manager 进行设置仓库,如下图所示:

2)点击Add按钮,选择File Repository选项设置文件仓库,如下图哦所示:

3)设置仓库名称和仓库文件路径,点击保存即可完成文件仓库的设置。

2、数据库仓库

数据库仓库的意思kettle中设计的trans和job脚本文件放数据库中,这种方式读取和保存速度比较慢(另外若由文件仓库转换为数据库仓库文件路径引用也会有问题),适合团队协作,不过Spoon中已经不推荐数据库仓库方式了,如下图所示。

1)新建数据库仓库schema,我们这里设置为etl。

2)填写数据库仓库名称,点击create按钮设置数据库连接,如下图所示:

填写数据库仓库连接信息,如下图所示:

选择我们刚才设置的连接,点击保存按钮,如下图所示:

3)点击Connect按钮,然后输入用户名和密码点击登录完成。这里的用户名和密码默认为admin/admin。

4)数据库仓库方式社群小伙伴在使用过程中也反馈体验不好,大家谨慎使用。

3、Pentaho Repository

Pentaho Repository 方式也是官方推荐的一个数据库仓库,不过该方法需要单独部署一个Pentaho server服务,适合团队协作,不过该方法也增加了部署的复杂性。

1)部署Pentaho server,我这里使用的pentaho-server-ce-10.2.0.3-335版本,然后通过start-pentaho.sh/start-pentaho.bat 脚本文件启动服务即可。

2)启动服务之后,访问http://localhost:8080/pentaho/Home,输入用户名和密码登录pentaho server服务,用户名和密码默认为admin/password,如下图所示:

3)在spoon中选择Pentaho Repository,然后填写pentaho server地址,点击保存。

4)点击Connect按钮,填写pentaho server的用户名和密码完成登录即可。

4、git+文件仓库

git+文件的意思是我们将我们本地文件仓库中的脚本文件推送的git仓库,可以是公司内部部署的gitlab,也可以是gitee或者github。一般情况下是放到公司内部部署的gitlab比较合适。

该方式适合团队协作且有版本管理功能,不过该方式需要开发者本地电脑安装git版本客户端,手动提交本地文件仓库到gitlab,使用时手动从gitlab拉取文件。

5、git插件+文件仓库

这里的git插件是我们团队研发的kettle的git插件,可以直接在spoon客户端中提交或者拉取trans或者job脚本,适合团队协作且有版本管理功能。

相关推荐
喻师傅15 小时前
Hive 中 NULL 值在逻辑判断中的“陷阱”(踩坑复盘)
数据仓库·hive·hadoop
涤生大数据16 小时前
放弃Canal后,我们用Flink CDC实现了99.99%的数据一致性
大数据·数据仓库·flink·大数据开发·flink cdc·数据开发·实时数据
jinxinyuuuus1 天前
订阅指挥中心:数据可移植性、Schema设计与用户数据主权
数据仓库·人工智能
老徐电商数据笔记1 天前
技术复盘第四篇:Kimball维度建模在电商场景的实战应用
大数据·数据仓库·技术面试
程序员小羊!2 天前
数仓数据基线,在不借助平台下要怎么做?
大数据·数据仓库
老徐电商数据笔记2 天前
技术复盘第二篇:电商数据主题域划分企业级实践
大数据·数据库·数据仓库·零售·教育电商·技术面试
亲亲菱纱2 天前
hive数仓分层
数据仓库
老徐电商数据笔记3 天前
技术复盘第三篇:百果园新零售核心业务流程主题域划分详解
大数据·数据仓库·零售·技术面试
weixin_307779133 天前
Jenkins Pipeline: Input Step插件详解与实践指南
运维·开发语言·自动化·jenkins·etl
colorknight3 天前
数据编织-异构数据存储的自动化治理
数据仓库·人工智能·数据治理·数据湖·数据科学·数据编织·自动化治理