Pentaho Data Integration (PDI) es una herramienta que pertenece a Pentaho, un sistema de business intelligence que busca ayudar a los empresas con la toma de decisiones por medio de procesos ETL, esto es extracción, transformación y carga de datos. A continuación profundizamos en qué es Pentaho Data Integration.

¿Qué encontrarás en este post?

Pentaho

Pentaho es una suite (o conjunto) de herramientas pertenecientes al Business Intelligence que se utiliza en las empresas para los procesos de gestión de datos. Es open source y fue creada en 2004. Posee una plataforma Java y está disponible en dos ediciones: Community Edition (CE) y Enterprise Edition (EE).

Productos de Pentaho

Existen diversos componentes de etl pentaho que se dividen en varias subcategorías, entre ellas:

Aplicaciones de servidor

Pentaho BA Platform
Pentaho Analysis Services (Mondrian)
Pentaho Dashboard Designer (PDD)
Pentaho Analysis (Analyzer/PAZ)
Pentaho Interactive Reporting (PIR)
Pentaho Data Access Wizard
Pentaho Mobile

Aplicaciones de escritorio o del cliente

Pentaho Data Integration (PDI o Kettle, pdi data integration)
Pentaho for Big Data
Pentaho Report Designer
Pentaho Data Mining
Pentaho Metadata Editor (PME)
Pentaho Aggregate designer (PAD)
Pentaho Schema Workbench (PSW)
Pentaho Design Studio (PDS)

Plugins creados por la comunidad de código abierto

Ctools
Community Charting Components (CCC)
Community Build Framework (CBF)
Community Data Access (CDA)
Community Data Browser (CDB)
Community Distributed Cache (CDC)
Community Data Generator (CDG)
Community Data Validation (CDV)
Community Graphics Generator (CGG)
Community Dashboard Editor (CDE)
Community Dashboard Framework (CDF)
Community Startup Tabs (CST)
Saiku (pentaho saiku)
Saiku-Reporting

Pentaho Data Integration (Kettle)

Pentaho Data Integration es una de las herramientas de Pentaho. Anteriormente se llamaba Kettle y posee un servicio de integración de datos ETL (extract, transform, load), es decir, con esta herramienta se pueden extraer, transformar y cargar datos. Asimismo, se pueden diseñar flujos de datos que se ejecutan en un servidor o en procesos independientes.

Pentaho posee una de las más grandes bibliotecas de transformaciones, con más de 150 objetos de mapeo. Además, admite una amplia gama de fuentes de datos que incluye más de 30 plataformas de bases de datos de código abierto.

Algunos usos de Pentaho Data Integration

Con Pentaho Data Integration se pueden ejecutar varias labores relacionadas con la gestión de datos, entre ellas:

Migración de datos entre diferentes bases de datos y aplicaciones.
Carga de grandes volúmenes de datos entre bases de datos. Esto se logra gracias al servicio de procesamiento en la nube.
Limpieza de datos que consisten en transformaciones simples o complejas.
Integración de datos por medio de herramientas ETL en tiempo real, con la ayuda de Pentaho Reporting.

Pentaho Data Integration permite trabajar con Big data y análisis de datos. Esto se logra a través de flujos de trabajo que se pueden crear utilizando pasos o entradas unidas por saltos que pasan datos de un elemento al siguiente.

Los flujos de trabajo utilizan dos tipos de archivos:

Transformaciones que realizan tareas ETL.
Trabajos que organizan actividades de ETL, como la definición del flujo, dependencias y ejecución.

Gracias a los pasos de transformación, nos podemos conectar a fuentes de datos diversas, como Hadoop o NoSQL, y bases de datos analíticas, como MongoDB.

Componentes clave de Pentaho Data Integration

Spoon

Es una aplicación que permite a los desarrolladores crear flujos de trabajo, transformaciones y trabajos. Las transformaciones implican procesos como la obtención, el procesamiento y la carga de los datos. Por su parte, los trabajos permiten la ejecución de actividades ETL.

En pocas palabras, con Spoon se podrá realizar data warehouse con modelo estrella, lo cual nos posibilitará la creación de tablas de hechos y dimensiones con sus respectivas relaciones.

Con esta herramienta podremos hacer todo tipo de operaciones, como crear conexiones de datos, transformaciones o inserción de fórmulas, entre otras.

Este es, sin duda, el componente más destacado de Pentaho Data Integration, ya que posee un sinnúmero de funcionalidades que nos pueden servir para realizar procesos de eEjecución, transformación y carga de datos.

Pan

Es una herramienta que crea líneas de comandos para ejecutar transformaciones, que van desde repositorios PDI hasta archivos locales.

Kitchen

Una herramienta de línea de comandos para ejecutar trabajos desarrollados a través de Spoon.

Carte

Es un servidor web que permite ejecutar transformaciones y trabajos.

¿Quieres saber más?

Has aprendido qué es Pentaho y en qué consiste una de sus herramientas de integración de datos más destacadas: Pentaho Data Integration. Aun así, existen otras herramientas con las que se puede hacer integración de datos y, si quieres conocerlas, te recomendamos echarle un vistazo al Big Data, Inteligencia Artificial & Machine Learning Full Stack Bootcamp. En esta formación intensiva aprenderás todo lo que necesitas para abrirte paso en el sector IT como un experto. ¡No dudes en darle un giro a tu vida y solicítanos más información!