下载地址：版权归出版社和原作者所有，链接已删除，请购买正版

 

电子版仅供预览及学习交流使用，下载后请24小时内删除，支持正版，喜欢的请购买正版书籍：《Pentaho Kettle解决方案：使用PDI构建开源ETL解决方案》

 

图书简介：
《Pentaho Kettle解决方案：使用PDI构建开源ETL解决方案》主要介绍如何使用开源ETL工具来完成数据整合工作。
《Pentaho Kettle解决方案：使用PDI构建开源ETL解决方案》介绍的PDI(Kettle)是一种开源的 ETL 解决方案，书中介绍了如何使用PDI来实现数据的剖析、清洗、校验、抽取、转换、加载等各类常见的ETL类工作。
　　除了ODS/DW类比较大型的应用外，Kettle 实际还可以为中小企业提供灵活的数据抽取和数据处理的功能。Kettle除了支持各种关系型数据库、HBase、MongoDB这样的NoSQL数据源外，它还支持Excel、Access这类小型的数据源。并且通过插件扩展，Kettle 可以支持各类数据源。本书详细介绍了Kettle可以处理的数据源，而且详细介绍了如何使用Kettle抽取增量数据。
　　Kettle 的数据处理功能也很强大，除了选择、过滤、分组、连接、排序这些常用的功能外，Kettle 里的Java表达式、正则表达式、Java脚本、Java类等功能都非常灵活而强大，都非常适合于各种数据处理功能。本书也使用了一些篇幅介绍Kettle这些灵活的数据处理功能。
《Pentaho Kettle解决方案：使用PDI构建开源ETL解决方案》后面章节介绍了如何在 Kettle 上开发插件，如何使用Kettle处理实时数据流，以及如何在Amazon AWS上运行Kettle 等一些高级主题。
除了介绍PDI(Kettle)工具的使用和功能，本书还结合Kimball博士的数据仓库和ETL子系统的理论，从实践的角度介绍数据仓库的模型设计、数据仓库的构建方法，以及如何使用 PDI实现Kimball博士提出的34种ETL子系统。

 

相关截图：

 

图书目录：
第一部分：开始
第1章　ETL入门
　1．1　OLTP和数据仓库对比 
　1．2　ETL是什么 
　1．2．1　ETL解决方案的演化过程 
　1．2．2　ETL基本构成 
　1．3　ETL、ELT和EII 
　1．3．1　ELT 
　1．3．2　EII：虚拟数据整合 
　1．4　数据整合面临的挑战 
　1．4．1　方法论：敏捷BI 
　1．4．2　ETL设计 
　1．4．3　获取数据 
　1．4．4　数据质量 
　1．5　ETL工具的功能 
　1．5．1　连接 
　1．5．2　平台独立 
　1．5．3　数据规模 
　1．5．4　设计灵活性 
　1．5．5　复用性 
　1．5．6　扩展性 
　1．5．7　数据转换 
　1．5．8　测试和调试 
　1．5．9　血统和影响分析 
　1．5．10　日志和审计 
　1．6　小结 
第2章　Kettle基本概念
　2．1　设计原则 
　2．2　Kettle设计模块 
　2．2．1　转换 
　2．2．2　作业 
　2．2．3　转换或作业的元数据 
　2．2．4　数据库连接 
　2．2．5　工具 
　2．2．6　资源库 
　2．2．7　虚拟文件系统 
　2．3　参数和变量 
　2．3．1　定义变量 
　2．3．2　命名参数 
　2．3．3　使用变量 
　2．4　可视化编程 
　2．4．1　开始 
　2．4．2　创建新的步骤 
　2．4．3　放在一起 
　2．5　小结 
第3章　安装和配置
　3．1　Kettle软件概览 
　3．1．1　集成开发环境：Spoon 
　3．1．2　命令行启动：Kitchen和Pan 
　3．1．3　作业服务器：Carte 
　3．1．4　Encr．bat和encr．sh 
　3．2　安装 
　3．2．1　Java环境 
　3．2．2　安装 Kettle 
　3．3　配置 
　3．3．1　配置文件和．kettle目录 
　3．3．2　用于启动Kettle程序的shell脚本 
　3．3．3　管理 JDBC 驱动 
　3．4　小结 
第4章　ETL示例解决方案――Sakila
　4．1　Sakila 
　4．1．1　sakila示例数据库 
　4．1．2　租赁业务的星型模型 
　4．2　预备知识和一些基础的Spoon技巧 
　4．2．1　安装ETL解决方案 
　4．2．2　Spoon使用 
　4．3　ETL示例解决方案 
　4．3．1　生成静态维度 
　4．3．2　循环加载 
　4．4　小结 
第二部分：ETL
第5章　ETL子系统
　5．1　34种子系统介绍 
　5．1．1　抽取 
　5．1．2　清洗和更正数据 
　5．1．3　数据发布 
　5．1．4　管理ETL环境 
　5．2　小结 
第6章　数据抽取
　6．1　Kettle数据抽取概览 
　6．1．1　文件抽取 
　6．1．2　数据库抽取 
　6．1．3　Web数据抽取 
　6．1．4　基于流的和实时的抽取 
　6．2　处理ERP和CRM系统 
　6．2．1　ERP 挑战 
　6．2．2　Kettle ERP插件 
　6．2．3　处理SAP数据 
　6．2．4　ERP和CDC 问题 
　6．3　数据剖析 
　6．4　CDC：变更数据捕获 
　6．4．1　基于源数据的CDC 
　6．4．2　基于触发器的CDC 
　6．4．3　基于快照的CDC 
　6．4．4　基于日志的CDC 
　6．4．5　哪个CDC方案更适合你 
　6．5　发布数据 
　6．6　小结 
第7章　清洗和校验 
　7．1　数据清洗 
　7．1．1　数据清洗步骤 
　7．1．2　使用参照表 
　7．1．3　数据校验 
　7．2　错误处理 
　7．2．1　处理过程错误 
　7．2．2　转换错误 
　7．2．3　处理数据（校验）错误 
　7．3　审计数据和过程质量 
　7．4　数据排重 
　7．4．1　去除完全重复的数据 
　7．4．2　不完全重复问题 
　7．4．3　设计排除重复记录的转换 
　7．5　脚本 
　7．5．1　公式 
　7．5．2　Java脚本 
　7．5．3　用户自定义Java表达式 
　7．5．4　正则表达式 
　7．6　小结 
第8章　处理维度表 
　8．1　管理各种键 
　8．1．1　管理业务键 
　8．1．2　生成代理键 
　8．2　加载维度表 
　8．2．1　雪花维度表 
　8．2．2　星型维度表 
　8．3　缓慢变更维度 
　8．3．1　缓慢变更维类型 
　8．3．2　类型1的缓慢变更维 
　8．3．3　类型2的缓慢变更维 
　8．3．4　其他类型的缓慢变更维 
　8．4　更多维度 
　8．4．1　生成维（Generated Dimensions） 
　8．4．2　杂项维度（Junk Dimensions） 
　8．4．3　递归层次 
　8．5　小结 
第9章　加载事实表 
　9．1　批量加载 
　9．1．1　STDIN和FIFO 
　9．1．2　Kettle批量加载 
　9．1．3　批量加载一般要考虑的问题 
　9．2　维度查询 
　9．2．1　维护参照完整性 
　9．2．2　代理键管道 
　9．2．3　迟到数据 
　9．3　处理事实表 
　9．3．1　周期快照和累积快照 
　9．3．2　面向状态的事实表 
　9．3．3　加载周期快照表 
　9．3．4　加载累积快照表 
　9．3．5　加载面向状态事实表 
　9．3．6　加载聚集表 
　9．4　小结 
第10章　处理OLAP数据 
　10．1　OLAP的价值和挑战 
　10．1．1　OLAP 存储类型 
　10．1．2　OLAP在系统中的位置 
　10．1．3　Kettle OLAP选项 
　10．2　Mondrian 
　10．3　XML/A服务 
　10．4　Palo 
　10．4．1　建立Palo 连接 
　10．4．2　Palo 架构 
　10．4．3　读Palo数据 
　10．4．4　写Palo数据 
　10．5　小结 
第三部分：管理和部署
第11章　ETL开发生命期 
　11．1　解决方案设计 
　11．1．1　好习惯和坏习惯 
　11．1．2　ETL流设计 
　11．1．3　可重用性和可维护性 
　11．2　敏捷开发 
　11．3　测试和调试 
　11．3．1　测试活动 
　11．3．2　ETL测试 
　11．3．3　调试 
　11．4　解决方案文档化 
　11．4．1　为什么实际情况下文档很少 
　11．4．2　Kettle的文档功能 
　11．4．3　生成文档 
　11．5　小结 
第12章　调度和监控 
　12．1　调度 
　12．1．1　操作系统级调度 
　12．1．2　使用Pentaho 内置的调度程序 
　12．2　监控 
　12．2．1　日志 
　
　12．2．2　邮件通知 
　12．3　小结 
第13章　版本和移植 
　13．1　版本控制系统 
　13．1．1　基于文件的版本控制系统 239 
　13．1．2　内容管理系统 
　13．2　Kettle 元数据 
　13．2．1　Kettle XML 元数据 
　13．2．2　Kettle 资源库元数据 
　13．3　管理资源库 
　13．3．1　导出和导入资源库 
　13．3．2　资源库升级 
　13．4　版本移植系统 
　13．4．1　管理XML文件 
　13．4．2　管理资源库 
　13．4．3　解决方案参数化 
　13．5　小结 
第14章　血统和审计 
　14．1　批量血统抽取 
　14．2　血统 
　14．2．1　血统信息 
　14．2．2　影响分析信息 
　14．3　日志和操作元数据 
　14．3．1　日志基础 
　14．3．2　日志架构 
　14．3．3　日志表 
　14．4　小结 
第四部分：性能和扩展性
第15章　性能调优 
　15．1　转换性能：找到最弱连接 
　15．1．1　通过简化找到性能瓶颈 
　15．1．2　通过度量值找到性能瓶颈 
　15．1．3　复制数据行 
　15．2　提高转换性能 
　15．2．1　提高读文本文件的性能 
　15．2．2　写文本文件时使用延迟转换 
　15．2．3　提高数据库性能 
　15．2．4　数据排序 
　15．2．5　减少CPU消耗 
　15．3　提高作业性能 
　15．3．1　作业里的循环 
　15．3．2　数据库连接池 
　15．4　小结 
第16章　并行、集群和分区 
　16．1　多线程 
　16．1．1　数据行分发 
　16．1．2　记录行合并 
　16．1．3　记录行再分发 
　16．1．4　数据流水线 
　16．1．5　多线程的问题 
　16．1．6　作业中的并行执行 
　16．2　使用Carte子服务器 
　16．2．1　配置文件 
　16．2．2　定义子服务器 
　16．2．3　远程执行 
　16．2．4　监视子服务器 
　16．2．5　Carte安全 
　16．2．6　服务 
　16．3　集群转换 
　16．3．1　定义一个集群模式 
　16．3．2　设计集群转换 
　16．3．3　执行和监控 
　16．3．4　元数据转换 
　16．4　分区 
　16．4．1　定义分区模式 
　16．4．2　分区的目标 
　16．4．3　实现分区 
　16．4．4　内部变量 
　16．4．5　数据库分区 
　16．4．6　集群转换中的分区 
　16．5　小结 
第17章　云计算中的动态集群 
　17．1　动态集群 
　17．1．1　建立动态集群 
　17．1．2　使用动态集群 
　17．2　云计算 
　17．3　EC2 
　17．3．1　如何使用EC2 
　17．3．2　成本 
　17．3．3　自定义AMI 
　17．3．4　打包新AMI 
　17．3．5　中止AMI 
　17．3．6　运行主节点 
　17．3．7　运行子节点 
　17．3．8　使用EC2 集群 
　17．3．9　监控 
　17．3．10　轻量原则和持久性 
　17．4　小结 
第18章　实时数据整合 
　18．1　实时ETL介绍 
　18．1．1　实时处理面临的挑战 
　18．1．2　需求 
　18．2　基于流的转换 
　18．2．1　一个基于流的转换实例 
　18．2．2　调试 
　18．2．3第三方软件和实时整合 
　18．2．4　Java 消息服务 
　18．3　小结 
第五部分：高级主题
第19章　Data Vault管理 
　19．1　Data Vault 模型介绍 
　19．2　你是否需要Data Vault 
　
　19．3　Data Vault的组成部分 
　19．3．1　中心表 
　19．3．2　链接表 
　19．3．3　附属表 
　19．3．4　Data Vault 特点 
　19．3．5　构建 Data Vault 模型 
　19．4　将Sakila的例子转换成Data Vault 模型 
　19．4．1　Sakila中心表 
　19．4．2　Sakila 链接表 
　19．4．3　Sakila 附属表 
　19．5　加载Data Vault 模型：简单的ETL解决
　方案 
　19．5．1　安装Sakila Data Vault 
　19．5．2　安装ETL方案 
　19．5．3　创建一个数据库账户 
　19．5．4　ETL解决方案的例子 
　19．5．5　加载 Data Vault 表 
　19．6　从Data Vault 模型更新数据集市 
　19．6．1　ETL解决方案例子 
　19．6．2　dim_actor 转换 
　19．6．3　dim_customer 转换 
　19．6．4　dim_film 转换 
　19．6．5　dim_film_actor_bridge 转换 
　19．6．6　fact_rental 转换 
　19．6．7　加载星型模型里的所有表 
　19．7　小结 
第20章　处理复杂数据格式 
　20．1　非关系型和非表格型的数据格式 
　20．2　非结构化的表格型数据 
　20．2．1　处理多值字段 
　20．2．2　处理重复的字段组 
　20．3　半结构化和非结构化数据 
　20．4　键/值对 
　20．5　小结 
第21章　Web Services 
　21．1　Web 页面和Web Services 
　21．2　数据格式 
　21．2．1　XML 
　21．2．2　HTML 
　21．2．3　JavaScript Object Notation 
　21．3　XML例子 
　21．3．1　XML例子文件 
　21．3．2　从XML中抽取数据 
　21．3．3　生成XML文档 
　21．4　SOAP例子 
　21．4．1　使用“Web服务查询”步骤 
　21．4．2　直接访问 SOAP服务 
　21．5　JSON例子 
　21．5．1　Freebase项目 
　21．5．2　使用Kettle 抽取Freebase数据 
　21．6　RSS 
　21．6．1　RSS结构 
　21．6．2　Kettle对RSS的支持 
　21．7　小结 
第22章　Kettle集成 
　22．1　Kettle API 
　22．1．1　LGPL协议 
　22．1．2　Kettle Java API 
　22．2　执行存在的转换和作业 
　22．2．1　执行一个转换 
　22．2．2　执行一个作业 
　22．3　应用程序中嵌入Kettle 
　22．3．1　Pentaho 报表 
　22．3．2　把数据放到转换里 
　22．3．3　动态转换 
　22．3．4　动态模板 
　22．3．5　动态作业 
　22．3．6　在Kettle里执行动态ETL 
　22．3．7　Result 
　22．3．8　替换元数据 
　22．4　OEM版本和二次发布版本 
　22．4．1　创建PDI的OEM版本 
　22．4．2　Kettle的二次发布（Forking） 
　22．5　小结 
第23章　扩展Kettle 
　23．1　插件架构 
　23．1．1　插件类型 
　23．1．2　架构 
　23．1．3　前提 
　23．2　转换步骤插件 
　23．2．1　StepMetaInterface 
　23．2．2　StepDataInterface 
　23．2．3　StepDialogInterface 
　23．2．4　StepInterface 
　23．3　用户自定义 Java 类步骤 
　23．3．1　传递元数据 
　23．3．2　访问输入和字段 
　23．3．3　代码片段 
　23．3．4　例子 
　23．4　作业项插件 
　23．4．1　JobEntryInterface 
　23．4．2　JobEntryDialogInterface 
　23．5　分区插件 
　23．6　资源库插件 
　23．7　数据库类型插件 
　23．8　小结 
　附录A　Kettle生态群 
　附录B Kettle 企业版特性 
　附录C　内置的变量和属性参考