前言

Kettle 是小有名气的开源ETL工具，现已改名为PDI（Pentaho Data Integration），其Web版本为：WebSpoon，本文记录了从官方Git仓库中拉取代码并成功运行的过程。

一、在本地拉取并编译项目

参考来源：Kettle的Git官方页面的webspoon-9.0分支的README文件

编译依赖项目

根据 _Build and locally publish dependent libraries _部分可知，需要预先在本地编译部分依赖项目。

pentaho-xul-swt

$ git clone -b webspoon-9.0 https://github.com/HiromuHota/pentaho-commons-xul.git
$ cd pentaho-commons-xul
$ mvn clean install -pl swt

rap

$ git clone -b webspoon-3.12.0 https://github.com/HiromuHota/rap.git
$ cd rap
$ mvn clean install

在mvn install出现报错时，可能的解决方案：
jetty-repo 版本修改为：9.4.48.v20220622
rap-extra-repo 修改为： https://download.eclipse.org/rt/rap/base-platforms/3.14/extra-dependencies/

pentaho-vfs-browser

$ git clone -b webspoon-9.0 https://github.com/HiromuHota/apache-vfs-browser.git
$ cd apache-vfs-browser
$ mvn clean install

将上述三个依赖项目编译后，在maven仓库的对应目录下会生成相应的jar文件。

编译本体项目

$ git clone -b webspoon-9.0 https://github.com/HiromuHota/pentaho-kettle.git
$ cd pentaho-kettle
$ mvn clean install -DskipTests

成功示例：
（在assemblies模块下的client模块中的target文件夹内生成对应的war包）

可能的报错：

1. 大面积报错找不到pom文件

解决方法：根据 Kettle官方Git页面master分支的README文件 中的setting.xml文件配置maven

2. 找不到某个依赖的artifact文件

下图为示例：

原因分析及解决方案：maven配置的pentaho-public镜像地址所在的仓库有一些依赖版本缺失，当出现此错误后分析了项目源码，并未搜索到缺失依赖版本的明文引用，但是在编译时仍有报错，所以可以认为是在编译时由于间接引用了特定版本导致了报错。通过去pentaho-public仓库中逐个查找发现确实没有报错的pom版本（恰好丢失了该版本），一个取巧的解决方法是在本地的maven仓库目录中新建该版本，并将最临近的最新一版的pom及签名文件复制进去，再按需改名后即可通过编译。如: 报错1.2版本丢失，经仓库地址查找发现确实不存在1.2版本，但是有1.3版本，就可以把1.3版本复制到本地1.2对应目录下并改成对应的名字，以实现绕过maven的检查机制。

二、在本地运行项目

1. 将war包放在 \webapps 文件夹下（示例：pdi-ce-9.0.0.0-423-22.war）

2. 修改tomcat主目录/conf/server.xml文件, 在<Host>标签内加入：

<Context path="/pdi" docBase="pdi-ce-9.0.0.0-423-22" reloadable="false" source="org.eclipse.jst.jee.server:tsj-spring"/>
<!-- /pdi为浏览器地址栏ip:port后的访问地址 -->
<!-- docBase中的pdi-ce-9.0.0.0-423-22为项目在webapps目录下,编译后项目文件的实际路径；配置该项是为了读取下文的驱动文件 -->

3. 访问本地url：http://localhost:8080/pdi/spoon

4. 完成数据库的连接工作（数据库的准备工作略去）

   • 下载MySQL的jdbc驱动文件：mysql-connector-java-5.1.49.jar（因版本过高的jdbc文件目录结构改变，kettle无法支持）
   • 将驱动文件放置于：tomcat主目录\webapps\pdi-ce-9.0.0.0-423-22\WEB-INF\lib

三、在服务器运行项目

1. 拉取docker镜像

docker pull hiromuhota/webspoon

2. 创建并运行docker容器

docker run -d -p 8080:8080 hiromuhota/webspoon --name webspoon --restart=always
#-d 后台映射
#8080:8080 服务器实际端口:映射的容器端口
#hiromuhota/webspoon 要运行的镜像名称
#--name webspoon 容器名设定为webspoon
#--restart=always 容器设定为随docker重启而自动重启
#记得打开服务器的端口防火墙

3. 测试运行结果：http://服务器IP:8080/spoon/spoon
4. 汉化界面(可选)
5. 上传MySQL驱动文件至容器内

cd /home/upload_files/
#无此文件夹则创建，将驱动文件上传至本目录下

docker cp mysql-connector-java-5.1.49.jar webspoon:/usr/local/tomcat/webapps/spoon/WEB-INF/lib
#将MySQL驱动复制到容器webspoon的/usr/local/tomcat/webapps/spoon/WEB-INF/lib路径下面

docker restart webspoon
#重启以生效，并在浏览器进行数据库连接测试

6. 挂载服务器本地路径至容器内，方便文件的生成与交换

参考文章
可能出现的问题：

1. systemctl start docker启动失败
   解决办法：使用systemctl status docker确认启动状态，根据报错信息修复配置文件

doker ps 
cd /var/lib/docker/containers/容器id
systeamctl stop docker
#获取容器id，进入容器配置路径修改配置文件

"/home/pdi_files": {"Source": "/home/kettle/pdi_files","Destination": "/home/pdi_files","RW": true,"Name": "","Driver": "","Type": "bind","Propagation": "rprivate","Spec": {"Type": "bind","Source":"/home/kettle/pdi_files","Target": "/home/pdi_files"},"SkipMountpointCreation": false}
## 修改config.v2.json，将本地的/home/kettle/pdi_files 路径映射到容器的 /home/pdi_files

"Binds":["/home/kettle/pdi_files:/home/pdi_files"]
#修改hostconfig.json

systemctl start docker
docker start 容器名
#重启docker及容器
# 挂载失败时会无法找到并启动容器，需要二次确认配置文件是否修改正确

docker exec -it 容器名 /bin/bash 
# 进入容器路径确认是否挂载成功

7. 配置文件夹权限

如果没有对容器内的路径做权限配置，文件将无法读取和写入

sudo docker exec -it -u root 容器id bash
# 以root权限进入容器

cd /home/
chmod 777 ./pdi_files
#给特定目录赋权

8. 自定义数据库表并测试转换任务

该作业涉及到表输入、文件输出、文件输入、表输出、日志记录，可以简单测试pdi是否成功工作。

9. 配置资源库（可选）

• 点击主页右上角的connect按钮，填入个人的etl资源库连接信息。
  

• 在连接资源库时需要选择数据库连接，在编辑数据库连接时修改参数以使中文正常显示：
  

10. 修改kettle配置文件，开启api访问功能（可选）
    使用官方镜像部署kettle之后，可以通过进入容器的方式修改相关文件

docker exec -it 容器ID /bin/bash
vim ./system/kettle/slave-server-config.xml

将slave-server-config.xml文件内容修改为：

<slave_config>
  <max_log_lines>10000</max_log_lines>
  <max_log_timeout_minutes>2880</max_log_timeout_minutes>
  <object_timeout_minutes>240</object_timeout_minutes>
  <repository>
	<!-- 填入你自己拥有的Kettle资源库名称，与上方第九步图示中的名称一致 -->
	<!-- 该名称决定了在使用api方式访问kettle时，kettle默认连接的配置资源库 -->
    <name>etl</name>
    <username>xxxxx</username> <!-- 填入目标资源库连接账号 -->
    <password>xxxxx</password> <!-- 填入目标资源库连接密码 -->
  </repository>
</slave_config>

这样就开启了kettle的内置API访问功能，功能入口有：

测试访问API效果：

问题来了，这些api入口都是可用的吗，需要传输哪些参数？有没有文档？
我的回答是：可以去网上搜搜，没有找到答案的话最好自己看源码。

Kettle目前已经转为了商业化项目(hitachivantara公司官网)，也有自己的社区(hitachivantara公司论坛)，感兴趣的可自行探索。

结束语

• Git拉项目确实要多看一下README文件，该有的准备工作不可少
• PDI的C/S和B/S架构、页面都差不多，可看作是孪生项目
• 市面上支持Web端且免费的ETL工具不多，WebSpoon可作为一个选择