kettle中调用java类

       有时需要在kettle调用java类，如：验证、查询或自定义加密等。有时甚至连基本的数据访问都不那么简单，如获取一个存储文件或使用一个数据库连接，某些数据源可能封装在应用程序中，手工使用自定义的java客户端访问是唯一的方法。本文介绍如何在kettle中调用java类。示例代码在这里下载。

       注:如果你使用kettle4.0及以上版本，也你也可以使用user defined java class 步骤实现。

Modified Java ScriptValue 步骤

       关键要在kettle中使用ModifiedJava Script Value 步骤。从名称上看是仅仅执行javascript来实现该步骤，其实也可以执行java代码。为了理解，我们需要知道该步骤使用Rhino javaScript 引擎来实现，使其可以在jvm中实现javascript，也使其成为可能，让脚本去访问java类。为了说明其如何实现，让我们来看一个简单的转换示例，使用java去计算某个字段的md5码。如下图所示:

       javascript步骤实现md5计算，包含如下代码：

// simulate java imports

varMessageDigest =java.security.MessageDigest;

varString =java.lang.String;

varStringBuffer =java.lang.StringBuffer;

varInteger =java.lang.Integer;

// get the md5 digest algorithm

varalgorithm =MessageDigest.getInstance("MD5");

// get the input as bytes

varbytes = newString(test_value).getBytes("UTF-8");

// calculate the digest

algorithm.reset();

algorithm.update(bytes);

varmd5Digest =algorithm.digest();

// turn the digest into a hex-stringrepresentation

varhexString = newStringBuffer();

for(vari =0; i < md5Digest.length; i++){

    varhex= Integer.toHexString(0xFF & md5Digest[i]);

    if(hex.length()== 1){

        hexString.append(‘0‘);

    }

    hexString.append(hex);

}

// write output value

varmd5_hash =hexString.toString().toUpperCase();

       让我们详细解释以上代码。

       第一部分是就如java 导入包环节，事实上和java中import实现同样目的。声明变量指向java类，是为了避免我们后面引用每个java类使用完整java长类名带来不便。当使用自己定义的类是，要注意不小心覆盖了javascript类。javascript也有其自己的Date类实例，稍不在意，使用这种方式很容易覆盖。

       接着是调用简单的java API生成md5值，需要指出的是，输入字段作为javascript对象，“test_value”字段是javascript String对象，有多种方法将其转换成java String对象，这里使用简单的构造函数实现；java String的getBytes（）方法返回字节数组；

       md5摘要值计算好后，接着通过一小段循环代码生成表现该值的字符串，最后作为一个新字段写到输出行。

使用外部jar包中的类

       执行太多的脚步可能影响性能，所以总是把复杂的业务让编译好的java代码来做，通常是一些整洁的实现我们业务的java类库，有时我们可能自己去创建。kettle现有的功能当然不能满足我们的所有需求，调用几个外部类库可以避免写一个完整kettle插件。kettle启动时加载libext目录及子目录下所有jar文件，如果你需要访问自定义jar包的类，需要放在libext文件中。我们示例是关于MD5,从kettle3.2已经有了相应的jar包（apache commons codec项目）。codec项目有很好的方法计算输入字符串的MD5十六进制字符串，正好是我们需要的；我们仅仅使用DigestUtil类的方法即可。

//get a nice md5 hash

varmd5_hash = org.apache.commons.codec.digest.DigestUtils.md5Hex(test_value);

在我笔记本上运行新转换大概10500行/秒，第一版本的仅仅大概2900行/秒.

两者的处理速度差别很大，所以用封装好的功能似乎真的飞快，当然有可能apache项目采用完全不同的MD5算法实现。无论怎样，后者的实现既简单又快。

结论

Modified Java Script Value 步骤允许访问任何jvm中java类。如果你ETL项目有特定的需求，你已经使用java实现过的需求，这时你可以考虑使用这种方法试试。当使用脚步代码总是需要监视性能问题。如果你使用了大量的外部库，就需要有正确的版本依赖管理，否则在测试环境或部署环境中会产生问题。

kettle中调用java类