简介：本资源是一份面向1–3年经验研发人员的Kettle（Pentaho Data Integration）入门级教学PPT，聚焦ETL核心流程与工具实操，解决数据同步、清洗与集成场景中的基础建模与落地难题。全包仅含1个859KB的pptx文件，内容覆盖ETL概念本质、PDI 9.2安装部署、目录结构解析、转换（Transformation）与作业（Job）双范式设计、数据库连接配置、步骤（Step）与跳（Hop）的数据流机制、常见注意事项及同步调优要点，辅以字段类型、元数据定义、并发模型等底层原理说明。已有1463人学习下载，适合具备MySQL/Oracle等数据库开发基础的读者边学边练——PPT中嵌入了典型CSV→Excel、多源集成等快速入门案例，并明确标注了Spoon/Kitchen/Pan等核心脚本用途及集群配置路径，便于对照环境快速上手与问题定位。
1. 别被“ETL”和“Kettle”吓住：它其实就是一个帮你自动搬数据、洗数据、存数据的智能流水线
你有没有遇到过这样的场景：
早上刚到公司，运营同事甩来一个 Excel 表，说“这是昨天各渠道的订单数据，快导进报表系统里”；
中午 DBA 发来消息：“MySQL 里的用户表结构改了，老字段user_name拆成了first_name和last_name，请把历史数据按新规则补上”；
下午又收到一封邮件：“BI 团队需要把微信小程序日志、APP 埋点、CRM 客户库三份数据合并成一张宽表，明天一早要跑看板”……
——这些事，不是写几行 SQL 就能搞定的。它们要连不同系统的账号密码、要处理空值/乱码/时间格式不一致、要校验逻辑（比如“下单时间不能晚于支付时间”）、要分批跑避免卡死数据库、还要出错时自动重试、留日志、发通知……
Kettle（现在叫 PDI）干的就是这件事：它不写代码，但比手写脚本更稳；它不碰业务逻辑，却让数据流动像拧开水龙头一样可控。
它不是给数据库管理员（DBA）或大数据工程师专属的黑匣子，而是给有基本 SQL 能力、会双击运行程序、想摆脱重复粘贴复制的 1–3 年研发同学准备的一套“可视化数据搬运说明书”。
这份《ETL之kettle基础-PPT讲解》就是从零带你摸清这套说明书怎么读、哪页该先翻、哪个按钮点了不会翻车——它不讲源码编译，不推分布式集群，就讲清楚：怎么装、怎么连库、怎么拖两个组件就把 CSV 变成 Excel、怎么让数据自己按时跑、出错了去哪找线索。
你不需要懂 Java 多线程，也不用背 Kafka 协议，只要你会在 MySQL 里SELECT * FROM user LIMIT 10;，就能今天装好、明天跑通第一个转换。
2. 先搞懂一个本质区别：为什么“转换（Transformation）”和“作业（Job）”不能混着用？
很多新手第一次打开 Kettle（PDI），拖了“表输入”和“表输出”，连上线、点运行——结果报错：“找不到驱动”“连接超时”“字段类型不匹配”……
不是你手速慢，是还没看清这张图的底层逻辑：
Kettle 不是“顺序执行命令”的脚本工具，而是一条并行运转的数据流水线。
它默认把每个步骤当成独立工人，大家同时开工、各干各的活，靠“缓存区”（行集）传递半成品。这就像一条汽车装配线：焊装工、喷漆工、总装工不是等前一个人干完才动手，而是每人面前都有个暂存台，台满了就停手，台空了就等料——这样效率最高，但也意味着：你不能指望“先删表、再建表、最后插数据”这种强依赖顺序的操作，在一个转换里靠连线搞定。
2.1 什么是 Transformation（转换）？——专治“数据变形”
- 核心任务：对“一行一行的数据”做加工。比如：
- 把
2024-03-15T08:30:45Z这种字符串，转成数据库认的datetime类型； - 把
email字段里所有大写字母转小写； - 把
order_amount小于 0 的记录直接过滤掉； - 把
province_code（如BJ）通过查字典表，补全成province_name（如北京市）。
- 把
- 关键特征：
- 所有步骤并发执行（你拖的 5 个步骤，几乎同时启动）；
- 数据以“行”为单位流动，每行包含若干字段（String/Number/Date 等）；
- 步骤之间用Hop（跳）连接，Hop 是带方向的单向通道，背后是内存缓存区（默认 50000 行，可调）；
- 一个转换文件后缀是
.ktr（kettle transformation）。
提示：如果你的任务是“清洗、计算、映射、校验、格式化”，那它 99% 属于 Transformation。别硬塞进 Job 里——就像不能让快递员一边打包、一边开车、一边签收合同。
2.2 什么是 Job（作业）？——专管“流程调度”
- 核心任务：控制“整个任务流”的执行节奏和条件分支。比如：
- 先运行一个转换（清洗数据），成功后再运行另一个转换（加载进数仓）；
- 如果清洗失败，发邮件告警，并把错误日志存到指定目录；
- 每天凌晨 2 点自动触发，但只在周一至周五运行；
- 同时启动 3 个转换（分别处理订单、用户、商品），全部成功才算 Job 成功。
- 关键特征：
- 步骤是串行或条件执行（Job 里的步骤叫 “Job Entry”，不是 Transformation 里的 Step）；
- 不处理“数据行”，只处理“成功/失败/跳过”这类状态信号；
- 支持邮件、FTP、Shell 脚本、HTTP 请求、等待定时器等“运维级操作”；
- 一个作业文件后缀是
.kjb（kettle job）。
提示：Job 就像车间主任，不管焊得漂不漂亮，只管“谁该什么时候开工、谁干砸了要扣钱、今天要不要加班”。Transformation 才是焊工本人。
2.3 举个真实例子：同步聊天记录到星网总（来自 PPT 案例）
PPT 里提到的“同步聊天信息到星网总”这个需求，拆解下来其实是典型的Job + Transformation 组合拳：
| 角色 | 做什么 | 对应 Kettle 组件 | 为什么非它不可 |
|---|---|---|---|
| Transformation（转换） | 从微信接口拉取原始 JSON 日志 → 解析出sender_id,msg_content,send_time→ 过滤掉测试账号消息 → 把send_time字符串转成标准日期 → 补全channel_type='wechat'字段 | HTTP Client+JSON Input+Filter Rows+Select Values+Add Constants | 需要逐行解析、转换、过滤，必须用 Transformation 的数据流能力 |
| Job（作业） | 每小时触发一次；先检查目标表是否存在，不存在则建表；运行上述转换；转换成功后，压缩本次日志文件并归档；失败则发企业微信告警 | Start+SQL+Transformation+Move Files+Mail | 需要“先建表再跑转换”这种强顺序，且涉及文件、邮件等非数据操作，只能用 Job |
注意：这个例子在 PPT 第 18 页有截图。你会发现：作业（Job）画布上只有几个方块（Start / SQL / Transformation / Mail），而点开那个“Transformation”方块，里面才是密密麻麻的步骤连线图——这就是层级关系：Job 管流程，Transformation 管数据。
2.4 新手最常混淆的 3 个点（血泪经验）
现象：在 Transformation 里连了“删除表”→“创建表”→“插入数据”，结果运行时报错“表不存在”或“表正在被使用”。
原因：三个步骤并发执行！“删除表”还没删完，“创建表”就去建了，而“插入数据”可能已经冲进去写第一行了。
解决：把“删表”“建表”放到 Job 里，作为 Job 的前序步骤；Transformation 只负责“插入数据”。现象：用“表输入”读 MySQL，字段名显示为
col1,col2，而不是真实的user_id,user_name。
原因：Kettle 默认不主动获取元数据（字段名、类型），尤其当 SQL 里用了SELECT *或子查询时。
解决：双击“表输入”步骤 → 勾选“执行 SQL 语句前获取字段”（Execute SQL before getting fields），或手动在“字段”标签页里填好字段名和类型。现象：转换里用了“JavaScript 代码”步骤，写了
var new_date = new Date();，结果报错ReferenceError: "Date" is not defined。
原因：Kettle 内置的 JS 引擎（Nashorn）不支持完整浏览器 API，Date、JSON、console等都不能直接用。
解决：改用 Kettle 提供的内置函数，比如newdate()获取当前时间，str2date()转日期，create_date()构造日期对象——这些在“JavaScript 代码”编辑框右上角的“函数”按钮里都能找到。
3. 第一步动手：5 分钟装好 PDI 9.2，启动 UI，连上你的 MySQL（不装数据库也能练）
别急着翻 PPT 第 3 页的“安装步骤”，我们跳过所有文字描述，直接给你一条可复制、可粘贴、零失败的实操路径。你只需要一台 Windows 或 macOS 电脑（Linux 同理，把.bat换成.sh即可），以及一个已有的 MySQL 实例（没有？后面教你用 Docker 快速起一个，30 秒）。
3.1 下载与解压：绿色免安装，解压即用
- 打开浏览器，访问官方源（注意：不是百度搜的第三方站）：
https://sourceforge.net/projects/pentaho/files/Pentaho%209.2/client-tools/ - 找到文件名含
pdi-ce-9.2.0.0-290.zip的压缩包（大小约 700MB），点击下载； - 下载完成后，右键解压到当前文件夹（不要解压到桌面根目录！建议新建文件夹如
D:\kettle-pdi或~/Downloads/kettle-pdi）； - 解压后，进入文件夹，你会看到一堆
.bat（Windows）或.sh（macOS/Linux）文件——这就是全部。
提示：PPT 里说的“绿色无需安装”，指的就是这个：没有注册表、不改系统环境变量、删掉整个文件夹就干净卸载。这也是它适合新手的原因——不怕装错、不怕污染系统。
3.2 启动 Spoon（图形界面）：双击就进，不是命令行
- Windows 用户：直接双击
spoon.bat（别点spoonDebug.bat，那是给开发人员看日志用的）； - macOS 用户：打开终端，进入解压目录，运行：
chmod +x spoon.sh ./spoon.sh - 等待 20–40 秒（首次启动较慢，因要加载插件和图标），你会看到一个蓝白相间的窗口弹出，标题栏写着“Spoon - Pentaho Data Integration”——这就是 Kettle 的主界面，PPT 第 5 页截图就是它。
注意：如果双击没反应，或提示“找不到 Java”，说明你电脑没装 JDK 8 或 11（PDI 9.2 要求 JDK 8+）。去 Oracle 或 Adoptium 官网下载安装即可，装完重启电脑再试。这是新手唯一可能卡住的前置条件。
3.3 连接 MySQL：3 步填对，比连 Wi-Fi 还简单
假设你本地有一个 MySQL，账号root，密码123456，端口3306，数据库名test_db。我们来连它：
- 在 Spoon 界面顶部菜单栏，点击“视图（View）” → “数据库连接（Database Connections）”；
- 在右侧“数据库连接”面板，右键 →“新建连接（New Connection）”；
- 在弹出窗口中，按顺序填：
- 连接名称：随便起，比如
my_local_mysql（后续所有步骤里都用这个名字）； - 连接类型：下拉选
MySQL； - 主机名称：填
localhost（如果是远程库，填 IP 或域名）； - 数据库名称：填
test_db； - 端口号：填
3306； - 用户名：填
root； - 密码：填
123456； - 其他选项全不勾（尤其别点“使用 SSL”——除非你真配了证书）；
- 连接名称：随便起，比如
- 点右下角“测试（Test）”按钮 → 出现绿色提示“连接成功！”→ 点“确定”保存。
提示：PPT 第 7 页的“数据库连接配置”截图，就是这个界面。你会发现，它比 Navicat 或 DBeaver 的连接向导还少两步——因为 Kettle 把 JDBC 驱动（
mysql-connector-java-8.0.28.jar）已经自带在lib/目录下了，你不用手动下载、复制、粘贴。
3.4 没有 MySQL？用 Docker 30 秒搭一个（附命令）
如果你电脑没装 MySQL，或者不想动本地环境，用 Docker 起一个临时库（仅用于练习，关机就消失）：
# 一行命令，拉镜像 + 启动 + 暴露 3306 端口 + 设 root 密码 + 创建 test_db 库 docker run -d \ --name my-mysql \ -p 3306:3306 \ -e MYSQL_ROOT_PASSWORD=123456 \ -e MYSQL_DATABASE=test_db \ -v $(pwd)/mysql-data:/var/lib/mysql \ -d mysql:8.0提示：这条命令在 macOS/Linux 终端或 Windows 的 Docker Desktop 里直接运行即可。启动后，你就拥有了一个纯净的 MySQL 8.0 实例，账号
root/123456，库test_db，端口3306，完全匹配上面的连接配置。PPT 里没提 Docker，但这招是某导师教 A 同学的“后悔药”——练废了重来，30 秒。
4. 避坑指南：新手跑第一个转换必踩的 5 个坑（附定位和修复方法）
别笑，这 5 条全是某开发者（就是我）第一次用 Kettle 时，花 3 小时才搞懂的血泪教训。PPT 里没写，但你一定会撞上。
4.1 坑一：中文乱码——CSV 读出来全是“???”，Excel 写进去全是“□□□”
- 现象：用“CSV 文件输入”读一个 UTF-8 编码的中文 CSV，预览时字段值显示为问号；或用“Excel 输出”生成的表格，打开后中文变方块。
- 原因：Kettle 默认编码是
ISO-8859-1（西欧字符集），不认 UTF-8。这不是 Bug，是 Java 早期的遗留设定。 - 解决：
- 对“CSV 文件输入”：双击步骤 → “内容”标签页 → 找到“编码（Encoding）”输入框 → 手动填
UTF-8（注意大小写，不能写utf8或utf-8）； - 对“Excel 输出”：双击步骤 → “内容”标签页 → 同样填
UTF-8； - 全局设置（推荐）：在 Spoon 顶部菜单“工具（Tools）” → “选项（Options）” → “环境（Environment）”→ 把 “Default encoding for text files” 改成
UTF-8→ 点“确定”。以后所有新步骤默认就是 UTF-8。
- 对“CSV 文件输入”：双击步骤 → “内容”标签页 → 找到“编码（Encoding）”输入框 → 手动填
提示：PPT 第 12 页提到“字符编码”，但没说具体在哪改。这个坑不填，你永远看不到正确的中文。
4.2 坑二：字段名大小写敏感——MySQL 里user_id和USER_ID是同一个，Kettle 里不是
- 现象：从 MySQL 读数据，字段名是小写的
user_id；但在“选择值（Select Values）”步骤里，你手输USER_ID去重命名，结果运行时报错“字段 USER_ID 不存在”。 - 原因：Kettle 内部字段名严格区分大小写，且完全继承数据库返回的原始大小写。MySQL 默认不区分，但 Kettle 的元数据获取机制会原样保留。
- 解决：
- 在“表输入”步骤里，点“预览”看实际字段名（一定是小写）；
- 所有后续步骤（如“选择值”“字段选择”）里，必须用预览看到的大小写拼写；
- 更稳妥法：在“表输入”的 SQL 里，用别名统一风格，比如
SELECT user_id AS user_id, user_name AS user_name FROM user。
4.3 坑三：日期格式错乱——数据库里2024-03-15，Kettle 里变成Mon Mar 15 00:00:00 CST 2024
- 现象：从 MySQL 读
DATE类型字段，预览时显示为长字符串（含星期、时区）；或写入时提示“无法将字符串转为日期”。 - 原因：Kettle 的 Date 类型内部是 Java 的
java.util.Date，显示时用默认格式，但存储是毫秒值。你需要显式告诉它“怎么读”和“怎么写”。 - 解决：
- 在“表输入”步骤：SQL 里别直接
SELECT create_date，改成SELECT DATE_FORMAT(create_date, '%Y-%m-%d') AS create_date_str，然后在“字段”标签页里，把create_date_str类型设为String； - 或者，保持
create_date为 Date 类型，但在“选择值”步骤里，用“元数据（Metadata）”功能：选中字段 → 点“编辑” → 设置“格式”为yyyy-MM-dd（注意是小写y和M）； - 写入时同理：在“表输出”步骤，“日期格式”填
yyyy-MM-dd。
- 在“表输入”步骤：SQL 里别直接
4.4 坑四：空值（NULL）被当成字符串“null”——数据库里明明是 NULL，Kettle 里变成了字符串 "null"
- 现象：从 MySQL 读一个允许 NULL 的
VARCHAR字段，预览时看到null（带引号），而不是空白；或写入时，null字符串被插进数据库，而不是真正的 NULL。 - 原因：Kettle 默认把数据库 NULL 映射为字符串
"null"，这是为了兼容性（避免空指针），但不符合直觉。 - 解决：
- 在“表输入”步骤 → “内容”标签页 → 勾选“替换 NULL 值（Replace null values）”；
- 在右边“替换为”框里，留空（什么都不填）；
- 这样，数据库的 NULL 就会变成 Kettle 内部的真正 NULL，预览显示为空白，写入时也正确。
4.5 坑五：转换跑一半卡住不动——进度条停在 85%，CPU 占用 100%，等 10 分钟没反应
- 现象：转换里用了“表输入”读百万级数据，或“排序”步骤，运行后界面卡死，日志没报错。
- 原因：Kettle 的“排序”“分组”“唯一行”等步骤，默认把所有数据加载进内存排序。数据量一大，内存爆了，就假死。
- 解决：
- 首选：避免在 Transformation 里做全量排序。用数据库的
ORDER BY在“表输入”的 SQL 里完成； - 次选：如果必须用 Kettle 排序，双击“排序行”步骤 → “内容”标签页 → 勾选“使用外部排序（Use external sorting）”→ 设置“临时文件目录”（确保磁盘有空间）；
- 通用技巧：在转换空白处右键 → “转换属性（Transformation properties）” → “常规”标签页 → 把“行集大小（Rows in rowset）”从默认 50000 调小到
1000（减少内存占用，牺牲一点速度）。
- 首选：避免在 Transformation 里做全量排序。用数据库的
提示：这个坑在 PPT 第 15 页“性能调优”里有提，但没说“卡住”就是它。记住口诀：“排序、分组、唯一，三步慎用内存；SQL 能干的，别让 Kettle 干。”
5. 第一个实战：3 分钟做出“CSV → 清洗 → Excel”全流程（附每步截图逻辑）
现在，我们把前面所有概念串起来，做一个 PPT 里第 10 页提到的“快速入门案例”：把一份用户 CSV 数据，清洗掉空邮箱、统一手机号格式、补全城市名，最后导出为 Excel 报表。
全程不写一行代码，只拖拽、点选、填空。你做完，就真正理解了 Kettle 的“数据流”是什么。
5.1 准备测试数据：一个 5 行的 CSV（复制就能用）
新建一个文本文件，命名为users.csv，内容如下（用记事本或 VS Code 保存为 UTF-8 编码）：
id,name,email,phone,city_code 1,Alice,alice@gmail.com,13800138000,BJ 2,Bob,,13900139000,SH 3,Charlie,charlie@outlook.com,13700137000,GZ 4,Dave,dave@qq.com,13600136000, 5,Eve,eve@163.com,13500135000,SH提示：这个 CSV 有典型脏数据：第 2 行
city_code为空；phone都是 11 位数字，但没加区号或分隔符；city_code是缩写，需映射为全称。
5.2 步骤一：拖“CSV 文件输入”——告诉 Kettle 从哪读
- 在 Spoon 主界面，点击顶部菜单“文件（File）” → “新建（New）” → “转换（Transformation）”；
- 左侧“核心对象（Core Objects）”面板，展开“输入（Input）”，把“CSV 文件输入”拖到画布中央；
- 双击该步骤，配置：
- 文件（File）：点“浏览”找到你刚保存的
users.csv； - 内容（Content）：
- 勾选“首行包含字段名（Header）”；
- “分隔符（Delimiter）”填
,； - “编码（Encoding）”填
UTF-8（避坑指南第一条！）；
- 字段（Fields）：点右下角“获取字段”（Get Fields）按钮 → 自动识别出 5 个字段；
- 确认后点“确定”。
- 文件（File）：点“浏览”找到你刚保存的
逻辑说明：这一步只是“声明”数据源，不真正读取。Kettle 的设计哲学是“声明式”，所有步骤都是蓝图，运行时才干活。
5.3 步骤二：拖“过滤行”——筛掉空邮箱
- 从“核心对象”→“流程（Flow）”，拖一个“过滤行（Filter rows）”到画布，放在 CSV 步骤右侧；
- 用鼠标左键，从 CSV 步骤的右端（出现小箭头）拖到“过滤行”左端，连一条 Hop（跳）；
- 双击“过滤行”，配置：
- 过滤条件（Condition）：点“新建” → 左边字段选
email，中间选IS NOT NULL，右边留空； - 发送到（Send to）：
- “true”分支（满足条件）→ 命名为
valid_email； - “false”分支（不满足）→ 命名为
invalid_email（我们先不管它，后续可加日志）；
- “true”分支（满足条件）→ 命名为
- 过滤条件（Condition）：点“新建” → 左边字段选
- 点“确定”。
参数说明：
IS NOT NULL是 Kettle 内置条件，比写email <> ''更安全，因它同时过滤NULL和空字符串。valid_email是分支名，后续连线要用。
5.4 步骤三：拖“JavaScript 代码”——统一手机号、补全城市
- 从“核心对象”→“脚本（Scripting）”，拖一个“JavaScript 代码（JavaScript code）”到画布，放在“过滤行”的
valid_email分支右侧； - 用 Hop 连接
valid_email→ JavaScript 步骤； - 双击 JavaScript 步骤，重点填“脚本（Script）”框（别动其他默认项）：
// 1. 统一手机号：11位数字，转成 138-0013-8000 格式 if (phone != null && phone.length == 11 && isNumber(phone)) { var p = phone + ""; phone = p.substring(0,3) + "-" + p.substring(3,7) + "-" + p.substring(7,11); } // 2. 补全城市名：city_code -> city_name if (city_code == "BJ") { city_name = "北京市"; } else if (city_code == "SH") { city_name = "上海市"; } else if (city_code == "GZ") { city_name = "广州市"; } else { city_name = "未知城市"; }逻辑说明：这段 JS 不是浏览器 JS，是 Kettle 的 Nashorn 引擎。
phone、city_code是输入字段名，直接可用；city_name是新字段，赋值后自动加入数据流；isNumber()是内置函数，判断是否为数字。PPT 第 13 页的“JS 脚本”示例，就是这个逻辑。
5.5 步骤四：拖“Excel 输出”——导出结果
- 从“核心对象”→“输出（Output）”，拖一个“Excel 输出（Excel output）”到画布，放在 JavaScript 步骤右侧；
- Hop 连接 JavaScript → Excel 输出；
- 双击 Excel 输出，配置：
- 文件（File）：点“浏览”，选保存路径，填
cleaned_users.xlsx； - 内容（Content）：
- “编码（Encoding）”填
UTF-8； - “工作表名称（Sheet name）”填
users；
- “编码（Encoding）”填
- 字段（Fields）：点“获取字段” → 自动列出
id,name,email,phone,city_code,city_name； - 确认后点“确定”。
- 文件（File）：点“浏览”，选保存路径，填
5.6 运行与验证：点绿色三角，3 秒出 Excel
- 点击顶部工具栏绿色三角形“运行（Run）”按钮；
- 弹出“运行转换”窗口，点“执行（Execute）”；
- 看底部“执行结果（Execution results）”面板：
- 如果显示
转换结束（Finished），且读取行数（Read）= 4（因第 2 行被过滤），写入行数（Written）= 4，说明成功；
- 如果显示
- 打开生成的
cleaned_users.xlsx，你应该看到：
| id | name | phone | city_code | city_name | |
|---|---|---|---|---|---|
| 1 | Alice | alice@gmail.com | 138-0013-8000 | BJ | 北京市 |
| 3 | Charlie | charlie@outlook.com | 137-0013-7000 | GZ | 广州市 |
| 4 | Dave | dave@qq.com | 136-0013-6000 | 未知城市 | |
| 5 | Eve | eve@163.com | 135-0013-5000 | SH | 上海市 |
提示：第 4 行
city_code为空，所以city_name是“未知城市”——这正是我们 JS 逻辑写的。你已经完成了 ETL 的核心闭环：Extract（CSV）→ Transform（过滤+JS）→ Load（Excel）。
6. 下一步学什么？从“能跑通”到“敢上线”的 4 个进阶台阶（附学习资源锚点）
你现在已经能装、能连、能拖、能跑通第一个转换。但真实项目不会让你只导 Excel，它会问：“每天凌晨 2 点自动跑，失败发钉钉？”“数据量从 1 万涨到 100 万，怎么不卡？”“老板要加个新字段，怎么不影响线上？”——这些问题，就是从“会用”到“敢扛事”的分水岭。下面这 4 个台阶，是我带 A 同学从零到独立负责数据同步模块的真实路径，每一步都对应 PPT 里的具体页码和可练的点。
6.1 台阶一：把“手动点运行”变成“自动定时跑”（Job + Carte）
你现在点一次绿色三角，只跑一次。生产环境要的是“每天固定时间、自动、可靠、可监控”。这就必须用Job（作业） + Carte（轻量级服务）。
- 怎么做：
- 新建一个 Job（文件 → 新建 → 作业）；
- 拖一个“转换（Transformation）”入口（不是 Transformation 本身，是 Job 里的 Entry）；
- 配置它指向你刚做的
csv_to_excel.ktr文件； - 再拖一个“邮件（Mail）”Entry，配置 SMTP（如 QQ 邮箱的 smtp.qq.com:587）；
- 用 Job 的“成功”“失败”跳，把转换成功连到“发成功邮件”，失败连到“发失败邮件”；
- 保存为
daily_clean_job.kjb； - 打开终端，进入 Kettle 目录，运行：
# 启动 Carte 服务（默认端口 8080） carte.bat # Windows # 或 ./carte.sh # macOS/Linux - 浏览器打开
http://localhost:8080，上传daily_clean_job.kjb，点“执行”； - 再用
kitchen.bat命令行调用（适合加到系统定时任务）：kitchen.bat /file:"D:\kettle-pdi\daily_clean_job.kjb" /level:Basic
- PPT 锚点：第 16 页“作业调度”、第 17 页“Carte 集群”；
- 为什么重要：这是你脱离“手工操作”的第一步。上线后，你再也不用守着电脑点运行，而是看邮件收报告。
6.2 台阶二：让“单机跑”变成“多线程并发跑”（分区 & 并行转换）
你现在的转换是单线程读 CSV。如果数据量涨到 100 万行，可能要 5 分钟。用分区（Partitioning），可以把它切成 4 份，4 个线程同时跑，2 分钟搞定。
- 怎么做：
- 在你的
csv_to_excel.ktr转换里，右键空白处 → “转换属性” → “分区”标签页； - 勾选“启用分区（Enable partitioning）”，分区方案选“哈希分区（Hash partitioning）”；
- 点“添加分区” → 字段选
id（数值型，分布均匀），分区数填4； - 保存，重新运行——你会看到日志里出现
Thread-1,Thread-2… 并发执行；
- 在你的
- PPT 锚点：第 14 页“并行处理”、第 15 页“性能调优”；
- 为什么重要：这是 Kettle 最被低估的能力。很多新人以为“ETL 就是慢”，其实是没开分区。某跨平台系统用这招，把日志同步从 40 分钟压到 6 分钟。
6.3 台阶三：把“裸奔转换”变成“带监控和回滚”（日志 + 事务）
现在转换失败，你只能看控制台一堆英文。生产环境要的是“哪里错了？影响多少行？能一键撤回吗？”
- 怎么做：
- 在转换里，拖
本文还有配套的精品资源，点击获取
