Kettle 适配GaussDB开源开发任务
背景介绍
开源for Huawei(参考:https://developer.huaweicloud.com/programs/opensource/contributing/) 通过和公司、高校、社区的开发者合作,完成鲲鹏、昇腾、欧拉、鸿蒙、高斯、云服务等与开源软件的适配开发,帮助繁荣Huawei的基础生态,同时让开源软件能够更加简单、高效的运行于华为云上。
开始之前,开发者可以下载 开源for Huawei Wiki(参考:https://gitcode.com/HuaweiCloudDeveloper/OpenSourceForHuaweiWiki/overview) 了解详细的开发步骤,技术准备,以及开发过程需要的各种资源。
1 需求分析
1.1 项目影响力
Kettle (现在已经更名为PDI,Pentaho Data Integration-Pentaho 数据集成) 是一款国外开源的 ETL 工具,对商业用户也没有限制,纯 Java 编写,可以在 Window、Linux、Unix 上运行,绿色无需安装,数据抽取高效稳定。Kettle 中文名称叫水壶,它允许管理来自不同数据库的数据,把各种数据放到一个壶里,然后以一种指定的格式流出。Kettle 中有两种脚本文件,Transformation 和 Job, Transformation 完成针对数据的基础转换,Job 则完成整个工作流的控制。通过图形界面设计实现做什么业务,并在 Job 下的 start 模块,有一个定时功能,可以每日,每周等方式进行定时。
Kettle 的核心组件:
Chef(中文:厨师)、Kitchen(中文:厨房)、Spoon(中文:勺子)、Pan(中文:平底锅)
Chef—工作(job)设计工具 (GUI方式)。
Kitchen—工作(job)执行器 (命令行方式)。
Spoon—转换(transform)设计工具 (GUI方式)。
Pan—转换(transform)执行器 (命令行方式)。
Job和Transformation的差别:Transformation专注于数据的ETL,而Job的范围比较广,可以是Transformation,也可以是Mail、SQL、Shell、FTP等,甚至可以是另外一个Job。
项目数据:Fork 3.4K,Star 7.6K,Contributors 211+,最近一次提交:2024-9-10
主要开发语言:
源代码仓库:https://github.com/pentaho/pentaho-kettle
star历史(https://star-history.com/):
1.2 任务目的和范围
本任务的主要目的是让Kettle支持华为云 GuassDB数据库,拓展GuassDB数据库的影响力,让Kettle的用户使用华为云服务时能够顺利对接GuassDB数据库。
- 适配任务清单
生态 |
生态细类 |
是否需要验证 |
验证逻辑说明 |
是否需要适配 |
适配场景说明 |
昇腾生态 |
指令 |
否 |
使用昇腾处理器运行应用。 |
否 |
使用昇腾指令实现适配逻辑。 |
CANN |
否 |
应用功能依赖于CANN运行。 |
否 |
使用CANN实现适配逻辑。 |
|
MindSpore |
否 |
应用功能依赖于MindSpore运行。 |
否 |
使用MindSpore实现适配逻辑。 |
|
鲲鹏生态 |
指令 |
是 |
使用鲲鹏处理器运行应用。 |
否 |
使用鲲鹏指令实现适配逻辑。 |
Euler |
是 |
使用Euler系统运行应用。 |
否 |
使用Euler系统调用实现适配逻辑。 |
|
数据库生态 |
GaussDB |
是 |
使用GaussDB功能。 |
是 |
使用GaussDB的驱动和SQL实现适配逻辑。 |
GaussDB(DWS) |
否 |
使用GaussDB(DWS)功能。 |
否 |
使用GaussDB(DWS)的驱动和SQL实现适配逻辑。 |
|
存储生态 |
OBS |
否 |
使用OBS功能。 |
否 |
基于OBS API访问实现适配逻辑。 |
鸿蒙生态 |
HarmonyOS |
否 |
使用HarmonyOS系统运行应用。 |
否 |
使用HarmonyOS系统调用实现适配逻辑。 |
2 工作量评估和任务分解
2.1 工作量评估
任务 |
人/天 |
基于华为云ECS完成 Kettle安装和部署调试 |
1 |
完成GuassDB数据库适配功能开发 |
5 |
完成DEMO设计和验证 |
1 |
输出开发资料和博客 |
3 |
代码推送上游社区和更新社区资料 |
1 |
总计 |
11人天 |
2.2 基于华为云ECS完成Kettle安装和部署调试
要求在华为鲲鹏云ECS中部署调试Kettle,部署调试成功后,根据DEMO设计,能够使用GUI方式 操作Kettle的 Job和Transformation核心功能;能够使用命令行方式 操作Kettle的Kitchen和Pan,以使其能(用命令行方式)分别执行Job和Transformation功能。
Kettle概念模型:
参考:
代码仓库:https://github.com/pentaho/pentaho-kettle
2.3 完成GuassDB数据库适配功能开发
包括能够使用GUI和命令行方式 让GaussDB参与2个核心功能点的适配工作。
GaussDB 参与 Transformation ETL
GaussDB 参与 Job 工作流(调度)
参考:
https://github.com/pentaho/pentaho-kettle/tree/master/plugins/mysql-bulk-loader
https://github.com/pentaho/pentaho-kettle/tree/master/plugins/oracle-bulk-loader
2.4 完成DEMO设计和验证
Transformation: 使用GUI方式,实现 场景a: 把GuassDB的数据抽取、转换、落库到Mysql;场景b: 把Mysql的数据抽取、转换、落库到GuassDB;场景c: 把GuassDB的数据抽取、转换、落库到GuassDB。
Job: 使用GUI方式,把上述Transformation 3个场景串连 从而形成一个Job,并在首尾增加Start和End元素, 在【Start】中添加调度,调度频率为 每日凌晨2:00执行该Job一次。
2.5 在华为云开发者论坛输出博客
访问华为云开发者论坛(参考:https://bbs.huaweicloud.com/blogs)发表博客,介绍完成这些任务的过程和心得。
内容包括不限于如下内容:
- 开源for Huawei的背景
- 开源软件的功能介绍
- 开发适配过程及碰到和解决的问题
- DEMO设计、开发、部署过程
- 代码推送开源社区及互动过程
博客打上如下标签:
- 开源(必选)
- 开发者(必选)
- GaussDB数据库(可选)
- 云数据库 GaussDB(可选)
- 鲲鹏(可选)
- 昇腾(可选)
- 鸿蒙(可选)
2.6 代码推送上游社区
将代码合并到Kettle官网主干代码,更新Kettle官网资料,包括版本说明、开发指南等。
3 验收材料
验收细则 |
评分说明 |
是否为验收必选项 |
结果(通过/不通过) |
开发者举证 |
功能开发:完成与华为三大根技术生态(鲲鹏云、昇腾云、鸿蒙)适配的功能开发 |
完成GaussDB数据库适配功能开发。 |
是 |
||
代码质量:适配华为三大根技术生态的代码质量经过工具检测达标 |
推送给开源社区的代码符合开源社区关于代码风格、功能、自动化测试等要求。 |
是 |
||
提供相关文档,比如部署文档、使用文档、配置文档等 |
根据社区要求,完善相关的开发指南和部署指导 |
否 |
||
合入到开源项目主仓:代码推送上游社区 |
代码合并到当前主干分支。 |
是 |
||
Deomo设计&开发:完成功能演示Demo的开发 |
提供DEMO仓库地址。 |
是 |
||
Demo部署&验证:完成功能演示DEMO基于华为云鲲鹏环境的部署和功能验证 |
提供DEMO部署验证结果的关键截图进行举证。提供DEMO运行环境和资源的截图举证。 |
是 |
||
发布博客:发布博客介绍适配心得。 |
提供博客的地址。 |
是 |
||
制作单机版无高危开源镜像。 |
上架云商店。 |
否 |
||
单机版镜像上架时支持模板部署。 |
否 |
|||
制作集群版无高危开源镜像 |
上架云商店。 |
否 |
||
集群版镜像上架时支持模板部署 |
否 |
4 参考资料
- 开源for Huawei介绍、环境搭建、示例项目、开发和部署指南:https://gitcode.com/HuaweiCloudDeveloper/OpenSourceForHuaweiWiki/overview
- 点赞
- 收藏
- 关注作者
评论(0)