Kettle是一款开源的ETL工具，以其高效和可扩展性而闻名于业内。其高效的一个重要原因就是其多线程和集群功能。 Kettle的多线程采用的是一种流水线并发的机制，我们在另外的文章中专门有介绍。这里主要介绍的是kettle .

Kettle是一款开源的ETL工具，以其高效和可扩展性而闻名于业内。其高效的一个重要原因就是其多线程和集群功能。

Kettle的多线程采用的是一种流水线并发的机制，我们在另外的文章中专门有介绍。这里主要介绍的是kettle的集群。

集群允许转换以及转换中的步骤在多个服务器上并发执行。在使用kettle集群时，首先需要定义的是Cluster schema。所谓的Cluster schema就是一系列的子服务器的集合。在一个集群中，它包含一个主服务器（Master）和多个从属服务器服务器(slave)。如下图所示:

子服务器（Slave servers）允许你在远程服务器上执行转换。建立一个子服务器需要你在远程服务器上建立一个叫做“Carte”的 web 服务器，该服务器可以从Spoon(远程或者集群执行)或者转换任务中接受输入。

在以后的描述中，如果我们提到的是子服务器，则包括集群中的主服务器和从属服务器；否则我们会以主服务器和从属服务器来进行特别指定。

注意: 在集群环境下执行转化时，你必须有一个子服务器作为主服务器（master server）而其余所有的子服务器都作从属服务器（slave server）

选项	描述
代理服务器主机名	设置你要通过代理进行连接的主机名
代理服务器端口	设置与代理进行连接时所需的端口号
Ignore proxy for hosts: regexp\|separated	指定哪些服务器不需要通过代理来进行连接。该选项支持你使用正则表达式来制定多个服务器，多个服务器之间以' \| ' 字符来进行分割

创建cluster schema

选项	描述
Schema 名称	集群schema的名称
端口号	这里定义的端口号是指从哪一个端口号开始分配给子服务器。每一个在子服务器中执行的步骤都要消耗一端口号。注意: 确保没有别的网络协议会使用你定义的范围之类的端口，否则会引起问题
Sockets缓存大小	TCP内部缓存的大小
Sockets刷新间隔(rows)	当TCP的内部缓存通过网络完全发送出去并且被清空时处理的行数
Sockets数据是否压缩	如果该选项被选中，则所有的数据都会使用Gzip压缩算法进行压缩以减轻网络传输量
Dynamic Cluster	动态集群指的是在运行的时候才能获知从属服务器的信息。这种情形适用于主机可以自动增加或者去除的情形，例如云计算。主服务器的设置不变,但是它可以接受从属服务器的注册。一旦接受了某个从属服务器的注册，则每隔30秒去监视该从属服务器是否还处于有效状态
子服务器	这里是一个要在集群中使用的服务器列表。这个列表中包含一个主服务器和任意数目的从属服务器。在dynamic Cluster的情况下，只需要选择主服务器即可

定义转换

定义完了 cluster schema 后，下一步就是定义在集群环境下执行的转换。我们这里展现的只是一个最简单的例子，完全是为了演示而用。现实情况中的集群有可能非常复杂。

首先你像平时一样创建转换，以hop连接连个两个步骤。然后你指定第二个步骤将在集群下执行

然后选择需要使用的集群。转换如图一样显示在GUI中。

注意 Cx4显示这个步骤将在集群中运行，而这个集群中有4个从属服务器。假设我们将计算结果再次存入到数据表中

这个转换虽然定义了集群，但是我们同样可以让它在单机环境下执行，而且可以得到相同的结果。这意味着你可以使用普通的本地模式来测试它。

要想以集群方式来运行转换或者作业，首先需要启动在Cluster schema中定义的主服务器和从属服务器，然后再运行转换或者作业。

子服务器其实是一个嵌入式的名为 Carte 的小web server。要进行集群转换，首先需要启动cluster schema中的子服务器

kettle 提供了 carte.bat 和 carte.sh （ linux ）批处理脚本来启动子服务器，这种启动方式分为两种

Carte 127.0.0.1 8080
Carte 192.168.1.221 8081

Carte  /foo/bar/carte-config.xml
Carte http://www.example.com/carte-config.xml

来源：oschina

链接：https://my.oschina.net/u/103999/blog/117802

标签