I.                  Objetivos

Este curso está enfocado en el uso del componente de ETL de Pentaho: Pentaho Data Integration.

Al finalizar el curso, el alumno tendrá suficientes conocimientos para:

• Instalar el producto y la versión de Java correspondiente.
  • Realizar transformación de datos (ETL) desde distintas fuentes de datos a diferentes destinos.

II.                Requisitos

• Conocimientos de SQL.
  • Opcional:
    • Conocimiento de otras herramientas de ETL.

III.             Duración

• 20 horas.

IV.            Metodología

El curso se desarrolla mediante la exposición teórica acompañada de demostraciones prácticas y explicaciones de los resultados obtenidos.

El alumno lleva a cabo prácticas con el producto para cada concepto explicado. Se utilziarán distintas fuentes de datos, tanto ficheros de texto, como hojas de cálculo y bases de datos, principalmente relacionales (MySQL).

Resolución de dudas de los conceptos expuestos.

V.               Contenido

• Introducción a Pentaho Community Edition y sus componentes.
  • Componentes de PCE.
  • Requisitos de Java.
  • Instalación de Java y PDI.

• PDI. Pentaho Data Integrator.
  • Bases de datos:
    • Conexiones a bases de datos.
    • Uso de conexiones compartidas.
  • Componentes básicos de transformaciones:
    • Creación de transformaciones.
    • Importación y exportación usando tablas.
    • Importación y exportación desde ficheros de texto plano, csv, Excel, xml, etc.
    • Uso de calculadora y fórmulas.
    • Selección de columnas y filtros de datos.
    • Uso de lookup, group by, split, pivot.
    • Merge join.
    • Mapping.
  • Trabajos, variables y propiedades:
    • Modificación de propiedades de Kettle.
    • Creación de trabajos.
    • Uso de variables.
    • Uso de parámetros.
    • Flujo de trabajos y gestión de errores.
  • Elementos adicionales:
    • Uso de PDI desde terminal.
    • Ejecutar código en base de datos.
    • Procesamiento dinámico de ficheros.
    • Mover archivos en el sistema operativo.
    • Escritura en el «log» de PDI.
    • Espera de ficheros (filewatcher).
    • Comprobación de existencia de archivos.
    • Comprobación de existencia de tabla (BBDD).
  • Prácticas con transformaciones y trabajos.