Kettle:千亿数据仓库整合大数据平台[不学白不学]！！！保证你收益匪浅

Kettle整合大数据平台

Kettle整合Hadoop:

• Hadoop环境准备

1. 查看hadoop的文件系统

• 通过浏览器访问
  http://node1:50070/
• 通过终端访问
  hadoop fs -ls / # 查看文件

2. 在hadoop文件系统中创建/hadoop/test目录

hadoop fs -mkdir -p /hadoop/test  

3. 在本地创建1.txt
   vim 1.txt

id,name
1,itheima
2,itcast

4. 上传1.txt到hadoop文件系统的/hadoop/test目录

hadoop fs -put 1.txt /hadoop/test

kettle与hahoop环境整合

1、确保Hadoop的环境变量设置好HADOOP_USER_NAME为root

2、从hadoop下载核心配置文件

sz /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop/hdfs-site.xml
sz /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop/core-site.xml

文件会被下载到windows的下载目录

3、把hadoop核心配置文件放入kettle目录

data-integration\plugins\pentaho-big-data-plugin\hadoop-configurations\cdh514

4、修改 data-integration\plugins\pentaho-big-data-plugin\plugin.properties文件

• 修改plugin.properties

active.hadoop.configuration=cdh514

5、 创建Hadoop clusters

Hadoop file input组件

Kettle在Big data分类中提供了一个Hadoop file input 组件用来从hdfs文件系统中读取数据。

需求：

• 从Hadoop文件系统读取/hadoop/test/1.txt文件，把数据输入到Excel中。
  实现步骤:
  1、拖入以下组件

2、配置Hadoop File Input组件

Hadoop file output组件

Kettle在Big data分类中提供了一个Hadoop file output 组件用来向hdfs文件系统中保存数据

需求：

• 读取 user.json 把数据写入到hdfs文件系统的的/hadoop/test/2.txt中。

实现步骤：
1、拖入以下组件

2、配置 JSON 输入组件






3、配置Hadoop file output组件

Kettle整合Hive

启动hive：
hive --service hiveserver2 &
hive --service metastore &

初始化数据

1. 连接hive
   

2. 创建并切换数据库

create database test;
use test;

3. 创建表

create table a(a int,b int
)
row format delimited fields terminated by ',' stored as TEXTFILE;
show tables;

4. 创建数据文件

vim a.txt
1,11
2,22
3,33

5. 从文件加载数据到表

load data local inpath '/root/a.txt' into table a;

6. 查询表

select * from a;

kettle与Hive整合

1、从虚拟机下载Hadoop的jar包

sz /export/servers/hadoop-2.6.0-cdh5.14.0/share/hadoop/common/hadoop-common-2.6.0-cdh5.14.0.jar

2、把jar包放置在\data-integration\lib目录下

3、重启kettle，重新加载生效

从hive中读取数据

• hive数据库是通过jdbc来进行连接，可以通过表输入控件来获取数据。
  需求：
• 从hive数据库的test库的a表中获取数据，并把数据保存到Excel中。
  实现步骤：
  1、设计一下kettle组件结构
  
  2、配置表输入组件
  
  
  
  

把数据保存到hive数据库

hive数据库是通过jdbc来进行连接，可以通过表输出控件来保存数据。
需求：

• 从Excel中读取数据，把数据保存在hive数据库的test数据库的a表。
  实现步骤：

1、设计如下kettle组件结构

2、配置 Excel输入组件

2、配置表输出组件


验证：

执行Hive的HiveSQL语句：

Kettle中可以执行Hive的HiveSQL语句，使用作业的SQL脚本。
需求：

• 聚合查询a表表中a字段大于1的数据，同时建立一个新表new_a保存查询数据。
  实现步骤：

1、设计如下作业组件结构