Pentaho Data Integration Tutorial

Af: David Carter David Carter
Hours Opdateret

⚡ Smart opsummering

Pentaho Data Integration Tutorial introducerer open source ETL-platformen, også kendt som Kettle. Lessons dækker historie, applikationer, forudsætninger, komponenter, transformationer, job, installation samt fordele og ulemper ved at bruge Pentaho.

  • 🛠️ Hvad er Pentaho: Pentaho er en open source BI-suite med ETL-, rapporterings-, OLAP- og data mining-værktøjer.
  • 🔁 Kedel ETL: Pentahos dataintegrationsværktøj, kaldet Kettle, bygger visuelle ETL-transformationer og -job.
  • ???? Transformationer vs. job: Transformationer behandler dataflowrækker; job orkestrerer arbejdsgangskontrol på højere niveau.
  • 🌐 Bred forbindelse: Forbinder til relationelle databaser, big data-kilder, filer, cloud-lagring og SaaS API'er.
  • 📊 Rapporteringssuite: Integreret rapportering, dashboards og Mondrian OLAP leverer analyser til forretningsbrugere.
  • 🤖 AI-integration: Kombinér Pentaho ETL med AI-tjenester for prædiktiv scoring og automatiseret datakvalitet.
Læs mere

Pentaho Data Integration Tutorial

Hvad er Pentaho BI?

Pentaho er et Business Intelligence-værktøj, som leverer en bred vifte af business intelligence-løsninger til kunderne. Den er i stand til rapportering, dataanalyse, dataintegration, datamining osv. Pentaho tilbyder også et omfattende sæt BI-funktioner, som giver dig mulighed for at forbedre virksomhedens ydeevne og effektivitet.

Funktioner af Pentaho

Følgende er vigtige funktioner i Pentaho:

  • ETL-funktioner til business intelligence-behov
  • Forståelse af Pentaho Report Designer
  • Produktekspertise
  • Tilbyder side-by-side underrapporter
  • Låser op for nye muligheder
  • Professionel support
  • Forespørgsel og rapportering
  • Tilbyder forbedret funktionalitet
  • Fuld runtime-metadataunderstøttelse fra datakilder

Pentaho BI suite

Nu vil vi lære om Pentaho BI-pakken i denne Pentaho-tutorial:

Pentaho BI Suite
Pentaho BI Suite

Pentaho BI Suite indeholder følgende komponenter:

Pentaho-rapportering

Pentaho-rapportering afhænger af JFreeReport-projektet. Det hjælper dig med at opfylde dine virksomhedsrapporteringsbehov. Denne komponent tilbyder også både planlagt og on-demand rapportudgivelse i populære formater som XLS, PDF, TXT og HTML.

Analyse

Det tilbyder en bred vifte af analyser en bred vifte af funktioner, der inkluderer en pivottabelvisning. Værktøjet giver forbedrede GUI-funktioner (ved hjælp af Flash eller SVG), integrerede dashboard-widgets, portal og workflow-integration.

Desuden giver Pentaho Spreadsheet Services en bruger mulighed for at gennemse, pivotere og bruge diagrammet fra MS Excel.

Dashboards

Dashboardet tilbyder rapportering og analyse, som bidrager med indhold til Pentaho Dashboards. Selvbetjeningsdashboarddesigneren inkluderer omfattende indbyggede dashboardskabeloner og layout. Det giver forretningsbrugere mulighed for at bygge personlige dashboards med lidt træning.

Data Mining

Data mining værktøj opdager skjulte mønstre og indikatorer for fremtidig ydeevne. Det tilbyder det mest omfattende sæt af maskinlæringsalgoritmer fra Weka-projektet, som inkluderer klyngedannelse, beslutningstræer, tilfældige skove, hovedkomponentanalyse, neurale netværk.

Det giver dig mulighed for at se data grafisk, interagere med dem programmatisk eller bruge flere datakilder til rapporter, yderligere analyser og andre processer.

Pentaho dataintegration

Denne komponent bruges til at integrere data, uanset hvor de findes.

Rigt transformationsbibliotek med over 150 færdiglavede kortping objekter.

Det understøtter en bred vifte af datakilder, som omfatter mere end 30 open source og proprietære databaseplatforme, flade filer. Det hjælper også Big Data-analyse med integration og styring af Hadoop data.

Hvem bruger Pentaho BI?

Pentaho BI er et udbredt værktøj af mange software-professionelle som:

  • Open source-softwareprogrammer
  • Forretningsanalytiker og forsker
  • Kollegium studerende
  • Rådmand for Business Intelligence
Gå ikke glip af:

Sådan installeres Pentaho i AWS

Følgende er en trin for trin proces om, hvordan man installerer Pentaho i AWS.

Trin 1) Klik på Fortsæt for at abonnere
Gå til https://aws.amazon.com/marketplace/pp/prodview-mce2xdbgie4ro og klik på Fortsæt

Installer Pentaho i AWS

Trin 2) Accepter vilkår og betingelser
Accepter licensaftalen på næste side

Installer Pentaho i AWS

Trin 3) Klik på Fortsæt til konfiguration
Fortsæt til konfiguration

Installer Pentaho i AWS

Trin 4) Klik på Fortsæt for at starte
Behold indstillingerne som standard, og klik for at starte

Installer Pentaho i AWS

Trin 5) Vent f.eks. 5 minutter for at starte
Tjek brugsanvisningen og vent

Installer Pentaho i AWS

Trin 6) Få offentlig IP
Kopiér instansens offentlige IP-adresse.

Installer Pentaho i AWS

Trin 7) Brug den offentlige IP til login
Indsæt instansens offentlige IP for at få adgang til Pentaho.

Installer Pentaho i AWS

Forudsætning for Pentaho

  • Hardwarekrav
  • Softwarekrav
  • Downloader og installerer Bl suite
  • Starter Bl suiten
  • Administration af Bl suiten

Hardwarekrav

Pentaho Bl Suite-softwaren har ingen fixgrænser på en computer eller netværkshardware, så længe du kan opfylde minimumssoftwarekravene. Det er nemt at installere dette Business Intelligence-værktøj. Et anbefalet sæt systemspecifikationer:

RAM Minimum 2 GB
Plads på harddisken Minimum 1 GB
Processor Dual-core EM64T eller AMD64

Softwarekrav

  • Installation af Sun JRE 5.0
  • Miljøet kan være enten 32-bit eller 64-bit
  • Understøttet Operating systemer: Linux, Solaris, Windows, Mac
  • En arbejdsstation, der har en moderne webbrowsergrænseflade som Chrome, Internet Explorer, Firefox

For at starte Bl-server

  • On Windows fra starten, knap klik på start Bl server-ikonet.
  • På Linux OS kør start-pentaho script på /biserver-ce/directory

For at starte administratorserveren

  • On Windows fra startknappen klik på start Bl enterprise server.
  • For Linux: Gå til kommandovinduet og kør opstartsscriptet i /biserver-ce/administration-console/directory.

For at stoppe administratorserver

  • For at stoppe serveren i Windows skal du klikke på stop bi-server-ikoner.
  • På Linux. Du skal gå til terminalen og gå til den installerede mappe og køre stop.bat

Pentaho administrationskonsol

Rapportdesigner

Det er et avanceret værktøj til oprettelse af rapporter. Dette er et ideelt værktøj til dig, hvis du ønsker at bygge en komplet datadrev-rapport. Dette værktøj tilbyder masser af fleksibilitet og funktionalitet end ad hoc-rapporteringsfunktionerne i Pentaho-brugerkonsollen.

Design Studio

Det er en Eclipse-baseret værktøj. Det giver dig mulighed for at håndredigere en rapport eller analyse. Det er meget brugt til at tilføje ændringer til en eksisterende rapport, som ikke kan tilføjes med Report Designer.

Aggregationsdesigner

Dette grafiske værktøj giver dig mulighed for at forbedre Mondrian-terningens effektivitet.

Metadata Editor

Det bruges til at tilføje tilpasset metadatalag til enhver eksisterende datakilde.

Pentaho dataintegration

Kedel-ekstract, transform og load (ETL) værktøj, som muliggør

Pentaho Tool vs. BI stak

Pentaho værktøj BI stak
Dataintegration (PDI) ETL
Det tilbyder metadata Editor Det giver metadatastyring
Pentaho BA Analyse
Rapportdesigner Operational rapportering
Saiku Ad hoc rapportering
CDE Dashboards
Pentaho brugerkonsol (PUC) Governance/Overvågning

Fordele ved Pentaho

Nu i denne Pentaho dataintegration tutorial, vil vi lære om nogle fordele ved Pentaho Business Intelligence Tool:

  • Pentaho BI er et meget intuitivt værktøj. Med nogle grundlæggende koncepter kan du arbejde med det.
  • Enkelt og brugervenligt Business Intelligence-værktøj
  • Tilbyder en bred vifte af BI-funktioner, som inkluderer rapportering, dashboard, interaktiv analyse, dataintegration, datamining osv.
  • Leveres med en brugervenlig grænseflade og giver forskellige værktøjer til at hente data fra flere datakilder
  • Tilbyder enkelt pakke til at arbejde på Data
  • Har en community-udgave med mange bidragydere sammen med Enterprise-udgaven.
  • Evnen til at køre på Hadoop-klyngen
  • JavaScriptkode skrevet i trinkomponenterne kan genbruges i andre komponenter.

Ulemper ved Pentaho

Her er ulemper/ulemper ved at bruge Pentaho BI-værktøj:

  • Designet af grænsefladen kan være svagt, og der er ingen samlet grænseflade for alle komponenter.
  • Meget langsommere værktøjsudvikling sammenlignet med andre BI-værktøjer.
  • Pentaho Business analytics tilbyder et begrænset antal komponenter.
  • Dårlig støtte fra lokalsamfundet. Så hvis du ikke får en fungerende komponent, skal du vente til den næste version er udgivet.

Ofte Stillede Spørgsmål

Kettle er det oprindelige navn på Pentaho Data Integration, ETL-komponenten. Pentaho er den bredere pakke, der samler Kettle med rapportering, OLAP, dashboards og data mining-værktøjer.

Ja. AI-assistenter genererer transformationstrin, foreslår joins og forklarer Kettle-udtryk. De fremskynder onboarding og foreslår optimeret jokorrestrering for nye dataingeniører.

AI integreres med Pentaho ved at kalde eksterne scoringstjenester eller Python trin. Den markerer anomalier, forudsiger skemadrift og anbefaler regler, der fanger ukorrekte data før indlæsning af lageret.

Ja. Hitachi Vantara vedligeholder Pentaho Community Edition sammen med det kommercielle Enterprise-niveau. Community-udgivelser inkluderer kerne-ETL, rapporterings- og analysefunktioner til selvhostede implementeringer.

En transformation opererer på rækker af data, der passerer gennem trin samtidigt. Et job orkestrerer flowkontrol på højere niveau og kører transformationer sekventielt med betingelser, genforsøg og fejlhåndtering.

Pentaho forbinder til MySQL, PostgreSQL, Oracle, SQL Server, Hadoop, Spark, REST API'er, CSV, JSON, XML, cloudlagring og mange SaaS-apps via indbyggede plugins og JDBC-drivere.

Ja. Pentaho kan implementeres på AWS, Azure, Google Cloudog Kubernetes ved hjælp af containerbilleder. Hitachi leverer administrerede tjenester og referencearkitekturer til cloud-native ETL-implementeringer.

Begyndere bygger deres første transformation på en uge. Det tager typisk tre til seks måneder med praktisk ETL-projektarbejde at mestre jobrekorchestrering, performance tuning og clustered execution.

Opsummer dette indlæg med: