一、把数据从HDFS抽取到RDBMS
1. 从下面的地址下载示例文件。
2. 用下面的命令把解压缩后的weblogs_aggregate.txt文件放到HDFS的/user/grid/aggregate_mr/目录下。
hadoop fs -put weblogs_aggregate.txt /user/grid/aggregate_mr/
3. 打开PDI，新建一个转换，如图1所示。
图1
4. 编辑‘Hadoop File Input‘步骤，如图2到图4所示。
图2
图3
图4
说明：
. PDI连接Hadoop集群参考http://blog.csdn.net/wzy0623/article/details/51086821。
. 以tab作为分隔符。
5. 编辑‘Table Output‘步骤，如图5所示。
图5
说明：
. mysql_local是已经建好的一个本地mysql数据库连接，设置如图6所示。
图6
. “数据库字段”标签不需要设置
6. 执行下面的脚本建立mysql的表
use test;
create table aggregate_hdfs (
client_ip varchar(15),
year smallint,
month_num tinyint,
pageviews bigint
);
7. 保存并执行转换，日志如图7所示。
图7
从图7可以看到，转换已经成功执行。
8. 查询mysql表，结果如图8所示
图8
从图8可以看到，数据已经从HDFS抽取到了mysql表中。
二、把数据从Hive抽取到RDBMS
1. 执行下面的脚本建立hive的表
create table weblogs (
client_ip string,
full_request_date string,
day string,
month string,
month_num int,
year string,
hour string,
minute string,
second string,
timezone string,
http_verb string,
uri string,
http_status_code string,
bytes_returned string,
referrer string,
user_agent string)
row format delimited
fields terminated by '\t';
2. 从下面的地址下载示例文件。
3. 用下面的命令把解压缩后的weblogs_parse.txt文件放到HDFS的/user/grid/parse/目录下。
hadoop fs -put weblogs_parse.txt /user/hive/warehouse/test.db/weblogs/
至此，hive表里的数据如图9所示。
图9
4. 打开PDI，新建一个转换，如图10所示。
图10
5. 编辑‘Table input‘步骤，如图11所示。
图11
说明：hive_101是已经建好的一个hive数据库连接，设置如图12所示。
图12
说明：PDI连接 Hadoop hive 2，参考http://blog.csdn.net/wzy0623/article/details/50903133。
6. 编辑‘Table output‘步骤，如图13所示。
图13
说明：
. mysql_local是已经建好的一个本地mysql数据库连接，设置如图6所示。
. “数据库字段”标签不需要设置
7. 执行下面的脚本建立mysql的表
use test;
create table aggregate_hive (
client_ip varchar(15),
year varchar(4),
month varchar(10),
month_num tinyint,
pageviews bigint
);
8. 保存并执行转换，日志如图14所示。
图14
从图14可以看到，转换已经成功执行。
9. 查询mysql表，结果如图15所示
图15
从图15可以看到，数据已经从hive数据库抽取到了mysql表中。
参考：
http://wiki.pentaho.com/display/BAD/Extracting+Data+from+HDFS+to+Load+an+RDBMS
http://wiki.pentaho.com/display/BAD/Extracting+Data+from+Hive+to+Load+an+RDBMS