Kettle的一些应用问题

Kettle的一些应用问题

摘要：本文主要介绍使用kettle设计一些ETL任务的时候可能遇到的跟kettle环境有关的一些问题，这些问题大部分都不在官方FAQ上，你可以在kettle的论坛上找到一些问题的答案

1. Join

我得到A 数据流（不管是基于文件或数据库），A包含field1 , field2 , field3 字段，然后我还有一个B数据流，B包含field4 , field5 , field6 , 我现在想把它们 ‘加’ 起来, 应该怎么样做.

这是新手最容易犯错的一个地方，A数据流跟B数据流能够Join，肯定是它们包含join key ,join key 可以是一个字段也可以是多个字段。如果两个数据流没有join key ,那么它们就是在做笛卡尔积，一般很少会这样。比如你现在需要列出一个员工的姓名和他所在部门的姓名，如果这是在同一个数据库，************************



5 .事务型ETL

Kettle里面是没有所谓事务的概念的，每个步骤都是自己管理自己的连接的，在这个步骤开始的时候打开数据库连接，在结束的时候关闭数据库连接，一个步骤是肯定不会跨session的（数据库里面的session）, 另外，由于kettle是并行执行的，所以不可能把一个数据库连接打×××××××××××××



7. kettle的性能

kettle本身的性能绝对是能够应对大型应用的，一般的基于平均行长100的一条记录，即使源数据库和目标数据库以及kettle都在同一台机器上（最常见的桌面工作模式，双核，1G内存），速度大概都可以到

尽量使用数据库连接池

尽量提高批处理的commit size

尽量使用缓存，缓存尽量大一些

Kettle 是Java 做的，尽量用大一点的内存参数启动Kettle.

可以使用sql 来做的一些操作尽量用sql

Group , merge , stream lookup ,split field 这些操作都是比较慢的，想办法避免他们.

插入大量数据的时***********************