kettle使用经验01

一、抽取的数据量特别大，2000万条数据，内存不能一次性加载出来时，可以采用分页查询的办法。构建分页、循环执行。

主体作业

双击loop_execute作业，设置对每个输入执行一次

具体做法：

1、build_query_page转换

1.1自定义常量数据，先确定元数据、然后确定数据

当然这里也可采用mysql查询出一个页码序列

SELECT help_keyword_id num
FROM mysql.help_keyword
HAVING num BETWEEN 1 AND 100
ORDER BY 1;

1.2字段选择，先确定字段名称、然后确定元数据

1.3复制记录到结果字符串

2、 loop_execute作业

2.1 设置变量转换

2.1.1从上一步获取结果

2.1.2增加常量

2.1.3 计算器1

2.1.4计算器2

2.1.5 设置变量

2.2 执行分页查询转换

转换的目的是为了将orcl中的NEW_TEST表中的数据部分更新，要与mysql中的STUDENT表进行关联，关联到student中的s_name，更新NEW_TEST中的NAME字段。

得出的结论是，kettle根本不适合不同库之间的关联，数据量小还好，太慢了。插入更新也慢得很。kettle最适合数据增量同步，表输出这种。最好的解决办法是把orcl的数据同步到mysql，在mysql关联查出出数据后再同步到orcl。

参考
https://www.cnblogs.com/greyzeng/p/5524614.html

二、作业的执行顺序