Talend Open Studio es una herramienta de integración de datos basada en Eclipse que permite el desarrollo gráfico de procesos ETL. Utiliza componentes y conectores para la gestión de datos, permitiendo la personalización a través de metadatos y contextos. Los trabajos se construyen mediante la agregación y configuración de componentes, que realizan transformaciones de datos y se pueden depurar como aplicaciones Java.

1. Talend Open Studio
Alejandro Alberca Manzaneque

2. Índice
 Introducción
 ETL
 Características
 Conceptos
 Jobs
 Componentes más importantes
 Algunos ejemplos

3. Índice
 Introducción
 ETL
 Características
 Conceptos
 Jobs
 Componentes más importantes
 Algunos ejemplos

4. Índice
 Introducción
 ETL
 Características
 Conceptos
 Jobs
 Componentes más importantes
 Algunos ejemplos

5. Características
 Herramienta GPL basada en Eclipse para la
gestión y la integración de datos.
 Basada en la programación por componentes
 Desarrollo principalmente gráfico
 Amplia gama de componentes y conectores
 Permite parametrizar los datos usados mediante
Metadatos y Contextos.
 Versionado de elementos
 Depuración del código generado

6. Índice
 Introducción
 ETL
 Características
 Conceptos
 Jobs
 Componentes más importantes
 Algunos ejemplos

7. Conceptos (I)
 Proyecto o Workspace: el espacio de trabajo
en el que se agrupan el resto de elementos. Se
usará un proyecto / Workspace para cada
aplicación: ARP, GINCO, CHORUS, etc.
 Business Models: modelos teóricos del
negocio. En el MCC no lo vamos a usar.
 Jobs: procesos de transformación de datos con
los que vamos a trabajar principalmente.

8. Conceptos (II)
 Componentes: son las subtareas que forman
los Jobs. Se comunican entre ellos mediante
conectores.
 Contextos: son agrupaciones de variables
globales del proyecto.
 Rutinas: son fragmentos de código escritos en
Java que son usados para realizar acciones
sobre los datos no contempladas en la
funcionalidad de los componentes.

9. Conceptos (III)
 Plantillas SQL: plantillas de consultas escritas
con SQL y Java con sintaxis parecida a la de
JSP.
 Ejemplo de plantilla SQL (OracleFilterRow):
<%
EXTRACT(__SCHEMA__);
EXTRACT(__SCHEMA_TARGET__);
%>
INSERT INTO <%=__TABLE_NAME_TARGET__%> (<%=
StringUtils.list(__SCHEMA_TARGET_NAME__, ",") %>)
SELECT <%= StringUtils.list(__SCHEMA_NAME__, ",") %> FROM <%=
__TABLE_NAME__ %>
WHERE <%=__WHERE_CLAUSE__%>;

10. Conceptos (IV)
 Metadatos: en ellos se guardan y pueden ser
reutilizados en Jobs y componentes:
 Conexiones de bases de datos
 Esquemas de bases de datos
 Ficheros de todo tipo (XML, CSV, Excel,
Posicionales, mediante expresiones regulares, etc.)
 Servicios web
 Conexiones FTP, LDAP, etc.

11. Conceptos (V)
 Documentación: en este apartado se pueden
almacenar documentos y ficheros relacionados
con el proyecto.

12. Conceptos (VI)
 Papelera de reciclaje (recycle bin): si se borra
un Job, un elemento del repositorio, contexto,
etc. se manda a la papelera de reciclaje antes
de poder ser borrado de forma definitiva.

13. Conceptos (VII)

14. Índice
 Introducción
 ETL
 Características
 Conceptos
 Jobs
 Componentes más importantes
 Algunos ejemplos

15. Jobs (I)
 Son los procesos que realizan las
transformaciones de los datos.
 Están definidos por la composición y las
relaciones entre los componentes que los
forman.
 Para desarrollar un Job lo que hay que hacer es
básicamente agregarle componentes,
comunicarlos entre ellos y configurarlos.

16. Jobs (II)
 Ejemplo de Job sencillo:
 Se lee de un fichero XML
 Se guarda el contenido con otro formato en otro
fichero XML
<movies>
<movie>
<title>A History of Violence</title>
<year>2005</year>
<country>USA</country>
<genre>Crime</genre>
<summary>Tom Stall, a humble family man and owner of a
popular neighborhood restaurant, lives a quiet but
fulfilling existence … SPOILERS NO!
</summary>
</movie>
….

17. Jobs (III)
 Ejemplo de Job sencillo:
 Se transforma el formato anterior en el siguiente:
<peliculas>
<pelicula>
<titulo>A History of Violence</titulo>
<año>2005</año>
<pais>USA</pais>
<genero>Crime</genero>
</pelicula>

18. Jobs (IV)
Esquema de entrada:

19. Jobs (V)
Esquema de salida:

20. Jobs (VI)
Resultado de la ejecución en la Consola:

21. Jobs (VII)
Los Jobs de Talend pueden depurarse como una aplicación
Java pulsando la opción “Java Debug” :

22. Jobs (VIII)
Ejemplo del Job en la perspectiva de depuración:

23. Jobs (IX)
Los datos de los Jobs también pueden depurarse pulsando la opción
“Traces Debug” para mostrar los datos conforme se vayan procesando:

24. Jobs (X)
Si algún componente tuviera alguna señal de error o de warning, estos
errores/advertencias se pueden consultar en la pestaña “Problems” así
como en la pestaña “Code” si el error/warning estuviera en el código
fuente

25. Índice
 Introducción
 ETL
 Características
 Conceptos
 Jobs
 Componentes más importantes
 Algunos ejemplos

26. Componentes más importantes
 Los Componentes son las “subtareas” que se
realizan dentro de un Job.
 Todos los Componentes de la aplicación se
encuentran en la Paleta de Componentes a la
derecha de la aplicación.

27. Componentes más importantes
 Se puede localizar un componente escribiendo
el texto en el campo ‘find component…’ para
que aparezcan todos los componentes cuyo
nombre sea similar al valor especificado.

28. Componentes más importantes
 tMessageBox

29. Componentes más importantes
 tPrejob y tPostjob

30. Componentes más importantes
 tRowGenerator

31. Componentes más importantes
 tFilterRow

32. Componentes más importantes
 tWarn

33. Componentes más importantes
 tLogCatcher
 Si en un Job se añaden componentes ‘tWarn’ pero no
se añade un tLogCatcher, no se mostrarán los logs
por consola.

34. Componentes más importantes
 tDie
 Escribe en el log, pero no mata el proceso, salvo que
se especifique de forma explícita.

35. Componentes más importantes
 tAggregateRow
 Sirve para obtener valores agrupados. Es decir,
valores obtenidos de la agrupación de alguno de los
valores de entrada (suma, media, máximo, mínimo,
etc.)

36. Componentes más importantes
 tSortRow
 Sirve para ordenar los registros mediante los valores
de determinadas columnas.

37. Componentes más importantes
 tMap (I)
 Componente para unificar los registros
correspondientes a varias fuentes de datos.
 Ejemplo. Supongamos las siguientes dos fuentes de
datos:

38. Componentes más importantes
 tMap (II)

39. Componentes más importantes
 tMap (III)

40. Índice
 Introducción
 ETL
 Características
 Conceptos
 Jobs
 Componentes más importantes
 Algunos ejemplos

41. Gracias por vuestra atención