1.bi工程师是工l工做什么的?
2.开源etl工具有哪些
3.Flink深入浅出：JDBC Connector源码分析
4.基于spring-boot的kettle调度
5.对于E版安装psqlodbc工具，请问统信这服1务1器的具源具操作系统有啥方法？

bi工程师是做什么的?

       BI工程师的角色主要是负责商业智能的开发和数据分析工作。他们需要具备深厚的码开数据库背景，特别是工l工对SQL查询优化有深入理解，能熟练操作Oracle、具源具SQL Server、码开仿凡科建站系统源码MySQL等主流数据库，工l工进行源码应用设计、具源具性能调优和存储过程开发。码开在工具方面，工l工他们精通ETL工具（如SSIS），具源具能够利用OLAP工具（如SSAS）进行数据处理，码开掌握前端展示技术，工l工包括理解ETL逻辑、具源具设计OLAP模型以及运用数据挖掘算法。码开

       在知识技能方面，BI工程师的基础包括数学和统计学，以及计算机科学的基础。他们需要擅长数据的卡布西游kid辅助源码整理和分析，对数据有敏锐的洞察力，逻辑思维活跃，能够从大量数据中发现问题和趋势。此外，他们还需要广泛了解各行业知识，以便准确把握数据分析的需求。在团队合作中，他们引领实施数据分析方案，并对最终结果进行评估和反馈，确保其有效性和准确性。

开源etl工具有哪些

       开源ETL工具有：

       Talend、Apache NiFi、Pentaho Data Integration、Apache Flink等。

       以下是这些工具的详细解释：

       Talend：是一款广泛使用的开源ETL工具，支持数据集成、数据清洗和数据转换等多种功能。它提供了可视化界面，源码安装gcc及依赖包方便用户进行数据的抽取、转换和加载操作。同时，Talend也支持多种数据源和目标，包括数据库、文件、API等。

       Apache NiFi：是Apache软件基金会下的一个开源项目，用于自动化和协调数据的收集、分发和管理等任务。作为一个专注于大数据处理的可视化工具，Apache NiFi提供了一种简单的方式来连接各种数据源和目标，进行数据集成和转换。由于其高度灵活性和可扩展性，它在企业级大数据环境中得到广泛应用。

       Pentaho Data Integration：Pentaho是一个开放源码的商务智能平台，其中Data Integration是其组件之一。这是iapp云翼支付对接源码一个强大且灵活的ETL工具，提供了可视化设计环境来构建数据集成流程。Kettle支持多种数据源和多种数据转换任务，并且易于集成到现有的系统中。由于其易用性和强大的功能，Kettle在企业和开发社区中得到了广泛的应用。

       Apache Flink：虽然Flink主要是一个流处理框架，但在ETL场景中也有广泛的应用。它提供了强大的数据流处理能力，支持实时数据处理和分析。Flink提供了丰富的API和工具来支持数据的抽取、转换和加载，并且具有高性能和高可扩展性。随着大数据和实时处理需求的增长，Flink在ETL领域的应用也越来越广泛。

       这些开源ETL工具各具特色，根据具体的需求和环境，可以选择合适的工具进行数据集成和处理。

Flink深入浅出：JDBC Connector源码分析

       大数据开发中，怎么看页面的源码数据分析与报表制作是日常工作中最常遇到的任务。通常，我们通过读取Hive数据来进行计算，并将结果保存到数据库中，然后通过前端读取数据库来进行报表展示。然而，使用FlinkSQL可以简化这一过程，通过一个SQL语句即可完成整个ETL流程。

       在Flink中，读取Hive数据并将数据写入数据库是常见的需求。本文将重点讲解数据如何写入数据库的过程，包括刷写数据库的机制和原理。

       以下是本文将讲解的几个部分，以解答在使用过程中可能产生的疑问：

       1. 表的定义

       2. 定义的表如何找到具体的实现类（如何自定义第三方sink）

       3. 写入数据的机制原理

       （本篇基于1..0源码整理而成）

       1. 表的定义

       Flink官网提供了SQL中定义表的示例，以下以oracle为例：

       定义好这样的表后，就可以使用insert into student执行插入操作了。接下来，我们将探讨其中的技术细节。

       2. 如何找到实现类

       实际上，这一过程涉及到之前分享过的SPI（服务提供者接口），即DriverManager去寻找Driver的过程。在Flink SQL执行时，会通过translate方法将SQL语句转换为对应的Operation，例如insert into xxx中的xxx会转换为CatalogSinkModifyOperation。这个操作会获取表的信息，从而得到Table对象。如果这个Table对象是CatalogTable，则会进入TableFactoryService.find()方法找到对应的实现类。

       寻找实现类的过程就是SPI的过程。即通过查找路径下所有TableFactory.class的实现类，加载到内存中。这个SPI的定义位于resources下面的META-INFO下，定义接口以及实现类。

       加载到内存后，首先判断是否是TableFactory的实现类，然后检查必要的参数是否满足（如果不满足会抛出异常，很多人在第一次使用Flink SQL注册表时，都会遇到NoMatchingTableFactoryException异常，其实都是因为配置的属性不全或者Jar报不满足找不到对应的TableFactory实现类造成的）。

       找到对应的实现类后，调用对应的createTableSink方法就能创建具体的实现类了。

       3. 工厂模式+创建者模式，创建TableSink

       JDBCTableSourceSinkFactory是JDBC表的具体实现工厂，它实现了stream的sinkfactory。在1..0版本中，它不能在batch模式下使用，但在1.版本中据说会支持。这个类使用了经典的工厂模式，其中createStreamTableSink负责创建真正的Table，基于创建者模式构建JDBCUpsertTableSink。

       创建出TableSink之后，就可以使用Flink API，基于DataStream创建一个Sink，并配置对应的并行度。

       4. 消费数据写入数据库

       在消费数据的过程中，底层基于PreparedStatement进行批量提交。需要注意的是提交的时机和机制。

       控制刷写触发的最大数量 'connector.write.flush.max-rows' = ''

       控制定时刷写的时间 'connector.write.flush.interval' = '2s'

       这两个条件先到先触发，这两个参数都是可以通过with()属性配置的。

       JDBCUpsertFunction很简单，主要的工作是包装对应的Format，执行它的open和invoke方法。其中open负责开启连接，invoke方法负责消费每条数据提交。

       接下来，我们来看看关键的format.open()方法：

       接下来就是消费数据，执行提交了

       AppendWriter很简单，只是对PreparedStatement的封装而已

       5. 总结

       通过研究代码，我们应该了解了以下关键问题：

       1. JDBC Sink执行的机制，比如依赖哪些包？（flink-jdbc.jar，这个包提供了JDBCTableSinkFactory的实现）

       2. 如何找到对应的实现？基于SPI服务发现，扫描接口实现类，通过属性过滤，最终确定对应的实现类。

       3. 底层如何提交记录？目前只支持append模式，底层基于PreparedStatement的addbatch+executeBatch批量提交

       4. 数据写入数据库的时机和机制？一方面定时任务定时刷新，另一方面数量超过限制也会触发刷新。

       更多Flink内容参考：

基于spring-boot的kettle调度

        大家好，我是帅气小伙，由于最近公司项目辗转大数据，需要做数据抽取的工作，kettle是目前比较成熟的ETL工具，而传统的kettle客户端在任务调度这方面没有实现，于是在网上寻找开源的kettle调度项目。

        kettle-manager

        专门为kettle这款优秀的ETL工具开发的web端管理工具。貌似源码跑起来比较费劲，各种缺包，于是我为大家专门整理了一下这个项目。全maven管理的

        /konglinghai/kettle

        如果想学习kettle的可以用我的github项目运行，毕竟我在群里天天发现都有人因为无法运行项目而提问。

        kettle的集成

        由于kettle-manager是一个完整的web项目，功能也比较多，但是实际应用中，只需用到几个关键的点，就能够实现kettle的web调度。因此我们需要把kettle的调度从项目中分离出来，这样才能够更好地集成到自己的项目中去。于是我觉得将它抽出来，基于spring-boot，具体的业务也分离出来，kettle作为一个组件。

        renren-kettle

        项目说明

        项目实现功能

        项目结构

        实时websocket的接入例子

        部署指南

        如需加入项目，请邮件 @qq.com

对于E版安装psqlodbc工具，请问统信这服1务1器的操作系统有啥方法？

       应用场景

       硬件/整机信息：AMD平台

       OS版本信息：服务器e版

       软件信息：psqlodbc .版本

       功能介绍

       部分用户在使用etl工具连接数据库时，需要使用到odbc驱动，下面介绍下服务器e版系统中编译安装此工具的相关过程。

       ETL：是英文Extract-Transform-Load的缩写，用来描述将数据从来源端经过抽取（extract）、转换（transform）、加载（load）至目的端的过程。

       ODBC：是英文Open Database Connectivity的缩写，中文含义表示为开放数据库互连，是微软公司开放服务结构(WOSA，Windows Open Services Architecture)中有关数据库的一个组成部分，它建立了一组规范，并提供了一组对数据库访问的标准API（应用程序编程接口）。

       psqlodbc：即表示ODBC driver for PostgreSQL，是一种支持访问开放式互联数据库且支持PostgreSQL数据库的访问脚本。

       安装使用

       步骤一：安装相关依赖

       root@uos-PC:~# yum install unixODBC-devel

       root@uos-PC:~# yum install libpq-devel

       步骤二：编译安装

       psqlodbc项目各版本源码下载地址：https://www.postgresql.org/ftp/odbc/versions/src/

       本文中以.版本作为示例，此版本源码包如下：

       psqlodbc-...tar.gz

       .9 KB

       下载相关源码包拷贝至服务器系统中，解压安装包并进入对应目录执行：

       root@uos-PC:~# ./configure --with-odbcinst=/usr/local/etc --enable-pgsql

       root@uos-PC:~# make

       root@uos-PC:~# make install

       步骤三：配置环境变量

       在需要运行ODBC的用户下执行以下命令配置环境变量：

       （注意：此处是追加新增ODBC相关信息至环境变量参数项，而不是覆盖写入，执行指令时请勿遗漏相关的符号。）

       使环境变量生效：

       root@uos-PC:~# source ~/.bash_profile

       步骤四：验证配置

       执行以下命令查看 ODBC 的配置：

       root@uos-PC:~# odbcinst -j