Kettle变量设置与使用详解

我们来详细讲解一下 Kettle（现称为 Pentaho Data Integration, PDI）中的变量。变量在 PDI 中是一个非常重要且强大的功能，它允许你动态地传递值，使你的 ETL 作业和转换更加灵活和可配置。

---

一、Kettle (PDI) 变量的核心概念

1. 变量的作用

• 参数化配置：将硬编码在转换或作业中的值（如文件路径、数据库连接信息、日期范围、阈值等）替换为变量，使得无需修改代码即可改变其行为。
• 在作业和转换间传递数据：父作业可以设置变量，子转换或作业可以读取这些变量，实现数据流和控制流的结合。
• 环境隔离：为开发、测试、生产等不同环境使用不同的变量值（通过配置文件或命令行设置），实现“一次开发，多处运行”。

2. 变量的层级（作用域）

这是理解 PDI 变量的关键。变量的值遵循一个特定的查找顺序（由近及远）：

1. Root（根变量） / JVM 变量：通过 -D 参数在启动时传递给 JVM 的变量，作用域最广，整个 PDI 进程都可用。例如：-Dmy.app.home=/opt/app。
2. 父作业（Parent Job）：在作业中通过 “设置变量” 步骤设置的变量。这些变量对其所有子对象（子作业或子转换）可见。
3. Grand-parent Job（祖父作业）：如果存在多层嵌套，变量会逐级向下传递。
4. 当前作业（Current Job）：在作业内部设置的变量。
5. 当前转换（Current Transformation）：在转换内部通过 “设置变量” 步骤设置的变量。其作用域仅限于该转换的后续步骤。
6. 内部变量（Internal Variables）：PDI 内置的变量，如 ${Internal.Transformation.Filename}（当前转换文件名）、${Internal.Job.Name}（当前作业名）、${date}（系统日期）等。

重要规则：如果一个变量在多个层级被定义，PDI 会优先使用它找到的第一个值（从最接近当前上下文的作用域开始查找）。例如，如果父作业和转换都设置了同名变量