1.    KETTLE是什么？
首先普及一点知识：
Kettle是一个开源的ETL（Extract-Transform-Load的缩写，即数据抽取、转换、装载的过程）项目，项目名很有意思，水壶。按项目负责人Matt的说法：把各种数据放到一个壶里，然后呢，以一种你希望的格式流出。Kettle包括三大块：
     Spoon——转换/工作(transform/job)设计工具 (GUI方式)
     Kitchen——工作(job)执行器 (命令行方式)
     Span——转换(trasform)执行器 (命令行方式)
Kettle是一款国外开源的etl工具，纯java编写，可以在Window、Linux、Unix上运行吗，绿色无需安装，数据抽取高效稳定。
Kettle 中文名称叫水壶，该项目的主程序员MATT 希望把各种数据放到一个壶里，然后以一种指定的格式流出。
Kettle这个ETL工具集，它允许你管理来自不同数据库的数据，通过提供一个图形化的用户环境来描述你想做什么，而不是你想怎么做。
Kettle中有两种脚本文件，transformation和job，transformation完成针对数据的基础转换，job则完成整个工作流的控制。
2.    为什么使用KETTLE？
这里简单概括一下几种具体的应用场景，按网络环境划分主要包括：
表视图模式：这种情况我们经常遇到，就是在同一网络环境下，我们对各种数据源的表数据进行抽取、过滤、清洗等，例如历史数据同步、异构系统数据交互、数据对称发布或备份等都归属于这个模式；传统的实现方式一般都要进行研发（一小部分例如两个相同表结构的表之间的数据同步，如果sqlserver数据库可以通过发布/订阅实现），涉及到一些复杂的一些业务逻辑如果我们研发出来还容易出各种bug；
前置机模式：这是一种典型的数据交换应用场景，数据交换的双方A和B网络不通，但是A和B都可以和前置机C连接，一般的情况是双方约定好前置机的数据结构，这个结构跟A和B的数据结构基本上是不一致的，这样我们就需要把应用上的数据按照数据标准推送到前置机上，这个研发工作量还是比较大的；
文件模式: 数据交互的双方A和B是完全的物理隔离，这样就只能通过以文件的方式来进行数据交互了，例如XML格式，在应用A中我们开发一个接口用来生成标准格式的XML，然后用优盘或者别的介质在某一时间把XML数据拷贝之后，然后接入到应用B上，应用B上在按照标准接口解析相应的文件把数据接收过来；
综上3种模式如果我们都用传统的模式无疑工作量是巨大的，那么怎么做才能更高效更节省时间又不容易出错呢？答案是我们可以使用Kettle！
3.    使用KETTLE需要了解的知识？
Kettle提供了资源库方式的方式来整合所有的工作，但是因为资源库移植不方便，所以我们选择没有资源库；
a)    Kettle的使用
i.    创建一个新的transformation，点击保存到本地路径，例如保存到D:/etltest下，保存文件名为EtltestTrans，kettle默认transformation文件保存后后缀名为ktr；
ii.    创建一个新的job，点击 保存到本地路径，例如保存到D:/etltest下，保存文件名为EtltestJob，kettle默认job文件保存后后缀名为kjb；
b)    组件树介绍
 
c)    Transformation转换介绍
i.    每一个环节可以通过鼠标拖动来将环节添加到主窗口中。并可通过shift+鼠标拖动，实现环节之间的连接。
 
ii.    转换常用步骤介绍
 
d)    Job作业介绍
i.    作结
 
ii.    作业常用步骤

4.    下载
a)    下载地址：https://community.hitachivantara.com/docs/DOC-1009855
b)    网址打开后显示如下：
 
c)    往下翻找到如图所示，点击后下载
 
5.    如何配置？
a)    环境变量配置
i.    安装 JDK
1.    首先到官网上下载对应JDK包，JDK1.5或以上版本就行；
2.    安装JDK；
3.    配置环境变量（安装完成后，还要对它进行相关的配置才可以使用，先来设置一些环境变量，对于Java来说，最需要设置的环境变量是系统路径变量path。）
a)    要打开环境变量的设置窗口。右击“我的电脑”，在弹出的快捷菜单中选择“属性”选项，进入“系统属性”对话框，如图所示。选择“高级”标签，进入“高级”选项卡，再单击“环境变量”按钮，进入“环境变量”对话框，如图1.7所示：
 
b)    在“Administrator的用户变量”列表框中，选择变量PATH，待其所在行变高亮后，单击“编辑”按钮，如图1.8所示。
c)    在弹出的“编辑系统变量”对话框中，将JDK安装路径下的bin目录路径设置到Path变量中，如图1.10所示。
 
编辑完后，单击“确定”按钮，进行保存,环境变量Path的设置就正式完成。注意：设置Path变量的路径，必须是JDK安装目录中的bin目录，有时候在JDK安装目录的同一层会有JRE的安装目录，因此请谨慎选取相关路径，避免将路径设置成JRE目录下的bin目录。
b)     测试JDK配置是否成功
设置好环境变量后，就可以对刚设置好的变量进行测试，并检测Java是否可以运行。
i.    Win键+R打开运行对话框，输入cmd命令。
ii.    点击确定打开命令行窗口。
iii.    在光标处输入：javac命令，按下Enter键执行，即可看到测试结果如图所示：
 
c)    解压pdi-ce-7.1.0.0-12.zip，将mysql-connector-java-5.1.21-bin.jar驱动手动放入data-integration/lib文件夹。
6.    如何使用
a)    KETTLE 的几个子程序的功能和启动方式
i.    Spoon.bat 图形界面方式启动作业和转换设计器。
ii.    Pan.bat命令方式执行转换。
iii.    Kitchen.bat命令方式执行作业。
b)    转换和作业
Kettle的Spoon设计器用来设计转换（Transformation）和作业（Job）。
i.    转换主要是对数据的各种处理，一个转换可以包含多个步骤（Step）。
ii.    作业是比转换更高一级的处理流程，一个作业里包含多个作业项（Job Entry），一个作业项代表一项工作，转换也是一个作业项。
c)    输入步骤简介
输入类步骤用来从外部获取数据，可以获取数据的数据源包括，文本文件（txt，csv，xml，json）数据库、 Excel 文件等桌面文件，自定义的数据等。对特殊数据源和应用需求可以自定义输入插件。 例子：生成随机数步骤。
d)    转换步骤简介
转换类步骤是对数据进行各种形式转换所用到的步骤。例如：字段选择、计算器、增加常量。
e)    流程步骤简介
流程步骤是用来控制数据流的步骤。一般不对数据进行操作，只是控制数据流。 例如：过滤步骤。
f)    连接步骤简介
连接步骤用来将不同数据集连接到一起。 例如：笛卡尔乘积。
g)    输出步骤简介
输出步骤是输出数据的步骤，常见的输出包括文本文件输出、表输出等，可以根据应用的需求开发插件以其他形式输出。例如：表输出。
h)    在kettle里元数据的存储方式
i.    资源库 资源库包括文件资源库、数据库资源库 Kettle 4.0 以后资源库类型可以插件扩展 。
ii.    XML 文件 .ktr 转换文件的XML的根节点必须是 transformation .kjb 作业XML的根节点是job。
iii.    数据库资源库：
1.    把 Kettle 的元数据串行化到数据库中，如 R_TRANSFORMATION 表保存了Kettle 转换的名称、描述等属性。 
2.    在Spoon 里创建和升级数据库资源库。
iv.    文件资源库： 
在文件的基础上的封装，实现了 org.pentaho.di.repository.Repository 接口。是Kettle 4.0 以后版本里增加的资源库类型 
不使用资源库： 直接保存为ktr 或 kjb 文件。
i)    Kettle资源库-如何选择资源库
i.    数据资源库的缺点：
1.    不能存储转换或作业的多个版本。
2.    严重依赖于数据库的锁机制来防止工作丢失。
3.    没有考虑到团队开发，开发人员不能锁住每个作业自己开发。
ii.    文件资源库的缺点：
1.    对象（如转换、作业、数据库连接等对象）之间的关联关系难以处理，所以删除、重命名等操作会比较麻烦。
2.    没有历史版本。
3.    难以进行团队开发。
不使用资源库，使用svn进行文件版本控制。