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:

· Java 98.9% 

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

2 工作量评估和任务分解

2.1 工作量评估

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

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