在数据集成和数据仓库建设中,Kettle作为一个强大的开源ETL工具,提供了灵活的数据抽取、转换和加载功能。本文将通过实战案例,详细介绍Kettle在数据导入、ETL流程设计、自动化任务调度等方面的应用。
一、数据导入
1. SQL语句导入
导入sql语句,支持拖拽
加入你导入sql失败了,将sql语句中的创建数据库的语句删除掉,手动的创建shop数据库,再导入sql即可。
创建一个新的数据库:shop_bi
2. 数据库区分
- 业务数据库(
shop
):支撑业务运行。 - 分析型数据库(
shop_bi
):数据分析工程师操作,减轻业务数据库负担。
二、Kettle实现ETL
1. 数据同步
ODS层:
贴源层,与原数据库结构相似。
将 shop数据库中的数据导⼊到 shop_bi 中。
表同步:
areas表同步
设置更新操作,确保字段映射正确。
设置 更新 操作:
设置另个一数据库的连接:
执行SQL语句,创建表ods_areas:
此时发现ods_areas表中,需要一个字段(dt),该字段表示什么时候更新的这个数据。
goods_cats表同步
确保执行创建表SQL语句。
以上错误原因是没有执行创建表的SQL语句。
2. 定时任务
每周定时执行
设置Kettle作业,每周周一1点自动执行数据同步。
这样就可以达到每周周一1点进行数据同步的目的。
3. 日常数据抽取
获取特定日期数据:
如何获取一个orders表中某一天的数据
使用SQL语句筛选特定日期数据。
方式1:
select * from orders where createTime like '2019-06-22%';
方式2:
select * from orders where createTime >= '2019-06-22 00:00:00' and createTime <='2019-06-22 23:59:59';
方式3:
select * from orders where substr(createTime,1,10) = '2019-06-22';
select *,str_to_date('${dt}','%Y-%m-%d') dt from orders where substr(createTime,1,10) = '${dt}';
也可以使用下面这个:
SELECT *,str_to_date('${dt}','%Y-%m-%d') as dtime FROM shop.orders where createTime like '${dt}%'
如何传递参数
传递参数,确保数据准确性。
必须保证预览有数据才可以:
插入\更新操作设置:
执行SQL语句建表的时候:出现错误
一般出现这个错误,就把数据类型,变为小写,再执行一遍。
4. 多表数据同步
goods、users、order_goods:
goods数据:
SELECT *,str_to_date(now(),'%Y-%m-%d %H:%i:%s') as dt
FROM goods
where subStr(createTime,1,10) = '${dt}'
后面的users 以及order_goods 操作是一样的。
三、自动化任务调度
1. 每天执行的任务
Job任务:设置Kettle作业,每天自动执行数据抽取和同步任务。
每天执行的任务,做一个Job
以上步骤结束了,但是每天都需要修改一下dt 的参数。
目前还没有分析数据,没有分析任何的指标。分析的时候再shop_bi数据库上,减轻shop数据库的负担。
2. 获取前一天日期
方法一:使用正则表达式获取
使用正则表达式获取当前时间,传递给任务中的变量。
在sql语句中,可以获取前一天的日期:
select date_sub(str_to_date('2023-09-23','%Y-%m-%d'), INTERVAL 1 DAY);
INTERVAL 是间隔的意思
可以将以前的sql修改为:
select *,date_sub(str_to_date(?,'%Y-%m-%d'), INTERVAL 1 DAY) dt
from orders where substr(createTime,1,10) = date_sub(str_to_date(?,'%Y-%m-%
d'), INTERVAL 1 DAY);
获取前一天的数据另一个sql:
select adddate(str_to_date('2023-09-23','%Y-%m-%d'), -1);
新建转换:
通过这个工具可以获取当前时间。
在脚本中选择正则表达式脚本。为什么搞这个,因为我想从上一个步骤中获取年-月-日三个数据。
创建一个脚本,选择正则表达式,编写解析的正则表达式:
2023/09/25 10:20:07.986
(\d{4})/(\d{2})/(\d{2})\s\d{2}:\d{2}:\d{2}\.\d{3}
为什么在前面的年月日需要添加括号,因为括号括起来叫做组,可以通过别的方式获取组的数据,由于其他数据我不需要获取,所以不加括号
在脚本中创建正则表达式
新建作业--设置变量,使用线连接。
运行查看结果:
结果正确,保存,留着以后使用。
继续回归到项目中:
新建转换,选中 [ 作业 ],获取变量。
接着输入选择表输入,使用如下sql语句:
select *,date_sub(str_to_date(?,'%Y-%m-%d'), INTERVAL 1 DAY) dt
from orders where substr(createTime,1,10) = date_sub(str_to_date(?,'%Y-%m-%d'), INTERVAL 1 DAY);
开始编辑:获取变量这个 job
可以点击预览一下。
创建表输出为--插入更新 操作
修改数据库中的一条数据(orders表):
回顾:整个步骤只有两步,第一步设置变量
第二步:使用变量:
方法二:使用Java代码获取
使用Java代码获取前一天日期,并传递给任务中的变量。
1)编辑java代码
一个输入参数,一个输出参数,给定一个日期,获取这个日期的前一天的日期。
import java.util.Calendar;
import java.util.Date;
import java.text.SimpleDateFormat;
import java.text.ParseException;
public boolean processRow(StepMetaInterface smi, StepDataInterface sdi) throws KettleException {
if (first) {
first = false;
}
Object[] r = getRow();
if (r == null) {
setOutputDone();
return false;
}
r = createOutputRow(r, data.outputRowMeta.size());
String foobar = get(Fields.In, "dt").getString(r);
SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd");
SimpleDateFormat format = new SimpleDateFormat("yyyy/MM/dd HH:mm:ss");
// 创建Calendar对象,并设置为传⼊的时间
Calendar calendar = Calendar.getInstance();
try {
calendar.setTime(format.parse(foobar));
} catch (ParseException e) {
throw new RuntimeException(e);
}
// 将Calendar的⽇期减1,即为昨天的⽇期
calendar.add(Calendar.DATE, -1);
// 获取昨天的⽇期
Date yesterdayDate = calendar.getTime();
// System.out.println("昨天的时间:" + yesterdayDate);
// 将昨天的⽇期格式化为指定格式
String yesterdayStr = sdf.format(yesterdayDate);
// 设置需要输出的字段
get(Fields.Out, "yesterday").setValue(r, yesterdayStr);
// Send the row on to the next step.
putRow(data.outputRowMeta, r);
return true;
}
2) 设置输入 为系统时间
操作步骤跟之前一样,数据名称必须是 dt, 值是 系统时间(可变)
测试一下,从java代码中点击【测试类】
确实可以获取到dt的数据。
创建一个作业--设置变量,操作跟之前一样。
运行一下查看结果是否正确:
接着可以在项目中使用:
在作业中,拉取【获取变量】,输入是表输入,输出是插入更新
点击获取变量,输入yesterday。
表输入中的sql语句如下:
select *,str_to_date(?,'%Y-%m-%d') dt
from order_goods where substr(createTime,1,10) = str_to_date(?,'%Y-%m-%d');
修改获取变量,因为我的sql语句中有两个 ? ,表示需要两个参数。
表输出的设置:
记得先创建表,执行sql语句。
执行任务,查看结果。
四、总结
Kettle不仅提供了强大的数据抽取和转换功能,还支持灵活的任务调度和自动化处理。通过本文的实战案例,读者可以更好地理解和应用Kettle,提高数据集成的效率和准确性。希望这篇文章能帮助你更好地掌握Kettle的实战应用。
标签:导入到,-%,Kettle,获取,date,dt,数据,语句,ETL From: https://blog.csdn.net/weixin_64726356/article/details/142218429