Este documento describe Talend ETL, un software de integración de datos que permite la extracción, transformación y carga de datos desde y hacia diferentes fuentes como Excel, CSV, bases de datos MySQL y Oracle. Talend ETL está desarrollado en Java y se puede ejecutar en Linux, Mac y Windows. Incluye numerosos conectores y permite automatizar procesos de manipulación de archivos y datos.

1. Talend ETL
Talend Open Studio
www.chileforma.cl
Introducción

2. Que podemos hacer?
Manejo de Big Data
Procesos BPM
Data Integration
Data Quality
ESB

3. Algunos Usos Data Integration
Extracto, Transformación, Carga (ETL)
Desde un Excel/CSV/txt a una BD
Desde un MySQL/MsSQL a un Oracle y viceversa
Volcados/Transformaciones Programados
Cientos de opciones y tecnologías
Conexiones con multiples DBMS
Manejos de archivos y data automatizados

4. Tecnologia en que esta desarrollado
JAVA
Con esto podremos correrlo en la JVM ganando
toda la potencia de esta maquina virtual
Lo podemos ejecutar en un Linux/Mac/Window
Genera un .JAR con lo desarrollado
Este jar lo podemos poner dentro de una tarea
programada, para ser ejecutado
Puede estar parametrizado para distintas
conexiones
Entorno (IDE) Basado en Eclipse

5. Ejemplo de un Flujo con Talend
xls
csv
Mysqljoin
1. Tenemos un archivo
excel.
2. Tenemos un archivo cdv
con información
complementaria.
3. Unimos la información y
obtenemos un resultado.
4. Ese resultado temporal
lo llevamos a un motor
de BD MySQL.
5. Podríamos como opción
llevarlo a otro motor, a
un excel, en un txt, etc.

6. Arquitectura de un ETL
Input se refiere la fuente
de datos, de donde
estamos extrayendo
información, puede ser
desde una BD, un
Excel, un CSV, un txt
con nuestro propio
patrón, es decir
cualquier fuente de
información válida.
input OutputTransformación
Este item es el más
importante, ya que solo volcar
información no es algo muy
complejo, lo que lo hace algo
complejo es la capacidad de
transformar esta información,
agregarle nueva, borrar otra,
etc. Con esto podremos
manipular a gusto nuestros
datos.
Output es la salida
general de nuestros
datos, estos pueden
ser a alguna BD, un
excel, CSV, un archivo
creado en el mismo
proceso, incluso
pasado via FTP.

7. Razones para elegir Talend?
Optimiza Tiempo, Costo, Funcionalidades y Performance
Cantidad enorme de conectores
WS
DBMS
FILES
CRMS
Una gran comunidad
Ayuda, Wiki, Foros, Blogs, BugTracker
Rápida Curva de Aprendizaje
Levantamiento de ambiente sencillo

8. Versiones

9. Plataformas
Windows
Versión portable o instalable
Requisitos JDK (Variable de entorno JAVA_HOME)
Linux/Mac
Version Portable
JDK Instalado (Variable de entorno JAVA_HOME)
http://www.talend.com/download

10. Hola Mundo!
Ejecutamos
Creamos

11. Componentes
Nos sirve para obtener un
archivo que este delimitado
por algún tipo de patrón, en
este caso usaremos un csv
Nos sirve para ir depurando,
o mostrando la información
obtenida, o transformada
Cada job se maneja de
forma separada y cumple un
objetivo, la clave es ir
abstrayendo y no tener todo
en 1 solo job, se pueden
comunicar y orquestar entre
sí.
Esta row nos sirve para
conectar los componentes,
es la parte vital que sostiene
la forma de trabajo de talen

12. Configurando
Creamos un Job
Creamos un csv
De la paleta de
componentes
arrastramos
tFileInputDelimeted y
tLogRow
Ingresamos el archivo
csv al componente

13. Schemas!
Editamos el
Schema
Settings del
componente
Agregamos las
columnas del CSV
por orden

14. Conectando
Click derecho
en el
componente
Arrastramos hasta
tLog
En tLog damos click en
Sync Columns
Seleccionamos mode
table, para que lo
muestre en orden

15. Ejecutando
Vemos la consola
con el resultado
RUN!
Ya tenemos los datos
Para volcarlos a una BD
otra fuente de datos!