最近因为公司业务需要，刚刚接触了kettle.这不看不知道，一看才发现kettle的功能是在是太强大了，让我有种相见恨晚的感觉。由于主要是应用kettle与hadoop集群和hive连接进行数据处理。所以这里简单叙述下kettle与hadoop集群连接时的大致步骤:
1.双击kettle(即data-integeration)目录下的spoon.bat,启动kettle
2.kettle启动后，新建一个作业（job）。可以命名为load_hdfs
3.在load_hdfs中有个Hadoop cluster子项，右键->New cluster,创建一个新集群
4.在新集群创建面板上填写好各个组件的IP+Port等信息
5.点击“测试”按钮，测试新集群能否正常连接
一般若你的kettle刚安装还没有配置过的话，这里会报错显示连接失败。这是正常的，接下来我们就要在kettle包里配置一下相关信息
6.首先到{$KETTLE_HOME}/plugins/pentaho-big-data-plugin/目录下找到名为plugin.properties的配置文件，并用notepad++（不一定非得用notepad++，只要是能打开此类文本的编辑器都可以）打开。文件位置和内容如下图所示：
上图中标蓝部分就是我们需要配置的信息了，在此处填远程集群的版本，如我的是cdh5.1，所以填的是cdh51.
7.保存修改，然后转到data-integration\plugins\pentaho-big-data-plugin\hadoop-configurations下，我这里只有
cdh54,所以我就直接用了这个配置，即上面配置文件中修改为cdh54（亲测可用）。cdh54文件夹内容如图，
8.接下来是最后一步，就是将上图中的.xml文件替换为远程集群中的相对应的文件
9.配置完成后，重启kettle，即再次执行1-5步（如果没保存作业的话）,会发现集群连接成功
至此，hadoop集群就连接成功了。