Big Data

Pentaho Data Integration, como las demás herramientas de Pentaho CE, está basada en Java, lo que va a permitir que sea multiplataforma y esté desarrollada en un lenguaje mucho más extendido y conocido.

También es Open Source, por lo que contamos con una amplia comunidad, como ya vimos en el video anterior.

Tiene una interfaz Drag&Drop, mediante la cual podemos arrastrar las tareas, de una forma sencilla y simple, y conectarlas para dirigir el flujo de datos. De esta forma, siempre vamos a tener una vista general de cómo fluyen los datos y qué lógica se les aplica a esos datos.

Es compatible con multitud de orígenes, por lo tanto, podremos conectarlo tanto a una base de datos, sea del tipo que sea, a un fichero de texto, a un documento Excel o a cualquier tipo de origen desde el que podamos leer.

También es compatible con aplicaciones de terceros de tipo Big Data, como puede ser Hadoop o Spark.

Interfaz de Pentaho Data Integration

Vamos a echar un vistazo a la interfaz del programa.

Como vemos en la imagen, contamos con una amplia área dónde podemos arrastrar los diferentes Steps, que contienen las tareas específicas a tratar en los datos, y están categorizadas por el tipo.

Por ejemplo, podemos coger una tarea de entrada, como puede ser una tabla de base de datos, después podemos aplicarle algún tipo de lógica, como puede ser un filtro (Flow) para filtrar filas.

A continuación, para conectar estos dos elementos, hacemos click en el icono de conexión del primer elemento, y arrastramos la flecha al siguiente elemento.

De esta forma, las filas que nos generen esta entrada de tabla, pasarán al filtro que hemos seleccionado.

Cada paso tiene una configuración en concreto. En este caso, la entrada de tabla tiene para especificar la consulta y una conexión.

Y el filtro, nos va a permitir filtrar los flujos de datos por algún campo específico, y mandar, en caso de verdadero o falso, a un paso u otro.