使用Kettle同步数据

同步数据常见的应用场景包括以下4个种类型：

Ø  只增加、无更新、无删除

Ø  只更新、无增加、无删除

Ø  增加+更新、无删除

Ø  增加+更新+删除

只增加、无更新、无删除

对于这种只增加数据的情况，可细分为以下2种类型：

1)        基表存在更新字段。

通过获取目标表上最大的更新时间或最大ID，在“表输入”步骤中加入条件限制只读取新增的数据。



这里要注意的是，获取最大更新时间或最大ID时，如果目标表还没有数据，最大值会获取不了。其中的一个解决方法是在“获取最大ID”步骤的SQL中，加入最小日期或ID的联合查询即可，如：

SELECT MAX(ID) FROM

(SELECT MAX(ID) AS ID FROM T1 UNION ALL SELECT 0 AS ID FROM DUAL)

2)        基表不存在更新字段。

通过“插入/更新”步骤进行插入。



插入/更新步骤选项：



只更新、无增加、无删除

通过“更新”步骤进行更新。



更新选项：



只更新、无增加、无删除

通过“更新”步骤进行更新。



更新选项：



增加+更新+删除

这种数据同步情况，可细分为以下2种情况：

1)        源库有表保存删除、更新和新增的信息。

通过条件判断，分别进行“插入/更新”和“删除”即可，如下图所示。



2)        源库没有保存增删改信息

Kettle提供了一种对比增量更新的机制处理这种情况，可通过“合并记录”步骤实现，该步骤的输入是新旧两个数据源，通过关键字进行数据值比对，对比结果分为以下4种类型：

“Identical” : 关键字在新旧数据源中都存在，域值相同

“changed” : 关键字在新旧数据源中都存在，但域值不同

“new” :  旧数据源中没有找到关键字

“deleted”:  新数据源中没有找到关键字

两个数据源的数据都进入下一步骤，上述4种结果类型作为输出表的标志字段进行保存。

以下为示例：

Ø  源数据库测试脚本

create table k1 (f1 varchar2(200),f2varchar2(200))

truncate table k1;

insert into k1(f1,f2) values('1','11');

insert into k1(f1,f2) values('2','22');

insert into k1(f1,f2) values('5','5');

commit;

Ø  目标数据库测试脚本

create table k1 (f1 varchar2(200),f2varchar2(200))

truncate table k1;

insert into k1(f1,f2) values('1','1');

insert into k1(f1,f2) values('2','2');

insert into k1(f1,f2) values('3','3');

insert into k1(f1,f2) values('4','4');

commit;

         

合并过程如下：



其中“合并记录”步骤的选项：



执行后，查询K1_TEST结果如下：



可以看到，该结果表的BZ字段保存了更新、删除、新增的记录信息，通过条件分支即可分别对这些记录进行相应的处理。

“条件”选项：



Kettle提供了可视化的设计工具，基本上可通过拖拉配置的方式实现以上4种类型的数据同步，操作上相对较为简单。

数据同步的性能与源数据库、目标数据库以及执行Kettle转换操作的主机相关，在笔者的测试环境上（源数据库和目标数据库部署在双核CPU/4G内存的PC机上、执行Kettle转换操作的主机配置为双核CPUx2/4G内存，JVM内存堆栈为256M）、最后一种类型的数据同步，15w的数据，在3分钟内可以完成。