Kettle 4.2源码分析第四讲

1. Job机制

一个job项代表ETL控制流中的一项逻辑任务。Job项将会顺序执行，每个job项会产生一个结果，能作为别的分支上job项的条件。



图 1 job项示例

1.1. Job类图简介

图 2 Job entry类图结构

1.1.1. JobEntryInteface接口

JobEntryInterface是Job Entry插件的主要实现接口。主要包含以下功能：
1 保存Job Entry设置
实现类使用私有变量保存设置的参数，通过get、set方法获取和设置。Dialog实现类会通过这些方法，保存或设置设置界面上的参数。同时，需要提供一个深度拷贝的方法，因为在一些保存参数且可能修改的地方会调用。


图 3 JobEntryTrans配置界面 2 序列化插件 插件要实现对本插件的序列化，实现两种方式xml与数据库。


图 4 转换插件xml序列化结果 3 输出信息提供
一个job entry支持三种类型的输出：true、flase和无条件。这三种情况不是所有的job entry插件都会同时支持的，例如dummy job entry仅支持true和false。所以，插件必须显现两类函数，来查看支持哪种结果。
public boolean evaluates()//是否支持true、false
public boolean isUnconditional()//是否支持无条件执行
4 执行任务
负责工作的执行。
public Result execute()//执行具体的逻辑，需要结果和开始到该项的距离
prev_result.setNrErrors()//设置执行过程中的异常数 prev_result.setResult()//设置结果，如果不知道true/false,结果不设置 最后返回prev_result。

1.1.2. JobEntryDialogInteface接口

负责构建和打开参数设置对话框。Spoon通过调用open函数打开该对话框，spoon是使用swt框架的，所以对话框也应使用swt来实现。

1.2. Job entry交互通信类

1.2.1. Result

每一个jobEntryInterface的实现类在完成相应功能时，返回结果的类型。
主要成员变量：

1 private boolean result;执行是否出现异常
2 
3 private int exitStatus; 执行结果状态
4 
5 private List<RowMetaAndData> rows;一个jobEntry完成处理后的数据（若存在）
6 
7 private Map<String, ResultFile> resultFiles;

1.3. Job配置及开启

图 5 Job开启时序图 Job的开启与Trans相类似，配置执行的参数，检查.kjb文件是否发生变化，实例化一个Job对象，开启该线程。

1.4. Job执行

1.4.1. 初始执行excute1（）

主要工作是从JobMeta的JobHopMeta找到job入口jobentry信息，根据开始条件调用真正执行jobentry的execute方法2，代码如下所示：
代码 4 Job.excute（）关键代码

1 startpoint=jobMeta.findJobEntry(JobMeta.STRING_SPECIAL_START, 0,    false);// 找到Job开始组件
 2 JobEntrySpecial jes = (JobEntrySpecial) startpoint.getEntry();
 3 // JobEntrySpecial是启动job的job项目
 4 Result res = null;
 5 while ( (jes.isRepeat() || isFirst) && !isStopped()){
 6 //符合开始条件时，调用execute方法2
 7 isFirst = false;
 8 res = execute(0, null, startpoint, null,
 9 Messages.getString("Job.Reason.Started"));
10 }

1.4.2. 实际执行execute2()

execute（）方法包含，的参数有执行次数（START不算，从0开始，顺序执行）、接一个Entry执行结果、当前Entry的拷贝、前一个Entry拷贝和原因。
主要功能是根据参数startpoint，提取对应的jobentry，执行对应的jobentry操作，再根据JobMeta的hop信息依次得到下一个jobentry，递归调用。具体的执行步骤如下所示：


图 6 Job执行步骤

1.5. JobEntry执行

1.5.1. JobEntry类

具体每个组件的执行体对应org.pentaho.di.job.entries包内每个entry的具体实现。
execute()方法2中调用jobEntry的execute()完成jobEntry的具体功能。

1.5.2. 不同jobEntry的实现

final Result result = cloneJei.execute(prevResult, nr, rep, this);
不同的Job项目（JobEntry）实现差别很大。

JobEntrySpecial

功能是开启一个job，只是简单地对传递来的preResult设置它的的result属性值为true，（Job项目据此判断前一结果执行完毕）。返回该对象即可。

JobEntryTableExit

功能是判断一个table是否存在数据库中。JobEntryTableExit Job项目有属性tablename和DatabaseMeta（对数据库的元数据信息描述）根据DatabaseMeta得到一个Dabase对象db，建立连接db.connect(); 调用db.checkTableExists(tablename)根据此返回值设置preResult的result属性为否为true。返回preResult对象。

JobEntryTrans

JobEntryJob和JobEntryTrans是嵌套job或trans的Job项目（JobEntry）。它们是比较复杂的job项目。
作用是执行一个trans。首先实例化一个TransMeta,之后实例化Trans。调用trans.start()，当执行完毕后调用函数trans.getResult()，并把结果加到preResult中，返回该对象即可。

补充说明

Result中也可以有处理数据，这些处理数据可以作为下一个Job项目（JobEntry）的输入。但是容量受内存容量限制。

2. 数据库插件

PDI使用数据库插件来进行数据库的正确连接、执行SQL，同时也考虑现有数据的各种特殊功能和不同限制。
在PDI里面，已经集成了非常多的数据库插件，大部分的插件都会继承自BaseDatabaseMeta。下面所示的方法通常都需要被重写，基类里面并没有相关的实现。要实现的方法主要分成3大主题：连接信息、SQL方言和功能标记。
1 连接详情
当PDI建立数据库连接时将会调用这些函数，或者数据库设置对话框里显示与方言有关的内容时也会调用。
public String getDriverClass()
public int getDefaultDatabasePort()
public int[] getAccessTypeList()
public boolean supportsOptionsInURL()
public String getURL()
2 SQL Generation 构建有效的SQL数据库方言时会调用这些方法。
public String getFieldDefinition()
public String getAddColumnStatement()
public String getSQLColumnExists()
public String getSQLQueryFields()
3 功能标记 查询使用的数据库是否支持该功能。 public boolean supportsTransactions()
public boolean releaseSavepoint()
public boolean supportsPreparedStatementMetadataRetrieval()
public boolean supportsResultSetMetadataRetrievalOnly()

PS:Kettle源码分析算是全部讲完了，最后奉送自己做的PPT http://pan.baidu.com/share/link?shareid=3803402535&uk=3792525916。Kettle应该算是比较小众的软件，但是在业界还是非常有名气的。我看到过好几个中国的公司，包括上市公司，说自己最新的ETL工具或者数据共享交换工具都是Kettle的改版。