1. 项目概述与Kettle能解决什么问题做数据工作的人迟早会遇到一个矛盾手里的数据七零八落Excel表、CSV文件、业务数据库、日志文本各说各话想要把它们整合到一块儿靠手工复制粘贴能把人逼疯。我第一次接触Kettle现在官方名字叫PDIPentaho Data Integration就是在这种场景下。那时候手里的活是给某公司的报表系统做数据对接上游给我一堆Excel和TXT格式的明细数据下游要求落进MySQL库。数据量不算大几万行而已但每周都要重复一次手工处理既慢又容易出错。Kettle就是在这个节点进入视野的。简单说Kettle是一个开源的ETL工具。ETL三个字母拆开是Extract、Transform、Load也就是抽取、转换、加载。它用图形化的方式让你把“从哪读数据、中间怎么处理、最后写到哪”这条链路拖拽出来存成一个转换文件以后想跑多少遍都行还能定时调度。比起写一堆Python脚本或者SQL存储过程Kettle的上手门槛低得多尤其适合业务人员和刚入行的数据开发。这篇教程是系列的第一篇我按自己实际使用的经验来写重点解决三个问题Kettle怎么装起来、核心概念怎么理解、第一个实际转换怎么做通。后面的系列再逐步讲作业调度、复杂转换、性能优化和集群部署。适合完全没有接触过ETL工具的新手也适合用过但一直没把概念理清的开发者。2. 安装部署与基础环境准备2.1 版本选择和我踩过的JDK坑Kettle的安装比大多数人想象中简单下载解压就能用。但版本和JDK的匹配关系是第一个坑我见过不少人在这一步卡住。目前主流的版本是8.x和9.x。8.3版本对应JDK 89.x版本用的是JDK 11或17不同小版本要求不一样。我的建议是新手直接选择9.x的最新稳定版配合JDK 11使用。选这个组合的原因是9.x在界面、性能和驱动支持上都比8.x完善而JDK 11既稳定又不会像17那样在一些老驱动的兼容性上出问题。下载的地方是官方发布的社区版压缩包注意选那个不带额外依赖的zip包就行。解压后目录结构大概是这样的>