CentOS 8 安装 Kettle 9.1 指南

目标：在 CentOS 8 服务器上从零完成 Pentaho Data Integration（Kettle，下称 PDI）9.1 社区版的安装与验证，覆盖 JDK 8 前置环境、在线下载与离线导入两种安装方案、环境变量与 JVM 内存配置，并给出 kitchen/pan 命令行的实测验证输出。全文命令与回显已在 CentOS 8（x86_64）实测通过。

一、环境信息

操作系统：CentOS 8（x86_64）
PDI 版本：9.1.0.0-324（build date 2020-09-07）
安装包：pdi-ce-9.1.0.0-324.zip（约 1749 MB）
安装包 SHA256：0f3c031d6d0a2d6f7eedd918a4f3d44a02006d1c8ccca9b99f7ceded3bb07ad8
JDK：OpenJDK 1.8.0_312（java-1.8.0-openjdk）
安装目录：/opt/pentaho/data-integration
运行账户：root（生产环境建议使用专用低权限账户）
端口：CLI 工具本身不占端口；Carte 内嵌 Web 服务默认监听 8081（可选组件）

💡 说明：PDI 9.1 社区版（Pentaho Data Integration Community Edition）是 Hitachi Vantara 开源数据集成工具 Kettle 的最后一个独立社区发行版之一，pdi-ce-<版本>.zip 内含 Kitchen（作业执行器）、Pan（转换执行器）、Carte（内嵌 Web 服务器）、Spoon（图形设计器）等全部组件。

二、前置条件

2.1 硬件与系统要求

CPU：2 核起步（数据量增大时按需扩容）
内存：2 GB 起步；本文实测环境按 256–512 MB JVM 堆配置即可跑通验证
磁盘：安装目录约需 2.5 GB（压缩包 1.8 GB + 解压后约 1.8 GB，另有临时空间）
系统为 CentOS 8 x86_64，具备 root 或 sudo 权限

2.2 安装 JDK 8

PDI 9.1 的启动脚本（kitchen.sh/pan.sh/carte.sh/spoon.sh 共用）与 JDK 11+ 不兼容（详见"九、常见问题"Q1），必须使用 JDK 8：

dnf install -y java-1.8.0-openjdk

安装完成后确认版本：

java -version

实测输出：

openjdk version "1.8.0_312"
OpenJDK Runtime Environment (build 1.8.0_312-b07)
OpenJDK 64-Bit Server VM (build 25.312-b07, mixed mode)

2.3 安装 unzip 与下载工具

安装包为 zip 格式，且在线方案需要 wget：

dnf install -y unzip wget

2.4 创建安装目录

mkdir -p /opt/pentaho

三、版本选型说明

项目	说明
发行版	PDI Community Edition（社区版，免费开源），企业版为 Pentaho Data Integration EE
本次版本	9.1.0.0-324，社区版末期稳定版本，发布于 2020-09-07
JDK 要求	仅支持 JDK 8；JDK 11/17 会因启动脚本硬编码 `-Djava.endorsed.dirs` 而无法启动
安装包形态	`pdi-ce-<版本>.zip`，免编译免安装，解压即用
主要组件	kitchen.sh（作业）、pan.sh（转换）、carte.sh（Web 服务/集群）、spoon.sh（GUI）

💡 说明：社区版后续演进并入 Hitachi Vantara 平台（Pentaho 9.2+ 仅对企业版开放下载）。若需要长期维护版本，请评估企业版或锁定 9.1 社区版自维护。

四、在线安装方案（A：官方压缩包下载）

4.1 下载安装包

PDI 9.1 社区版的历史官方下载地址（SourceForge pentaho 项目）：

cd /opt/pentaho
wget https://sourceforge.net/projects/pentaho/files/Pentaho%209.1/client-tools/pdi-ce-9.1.0.0-324.zip

⚠️ 注意（渠道变迁）：Hitachi Vantara 已清空 SourceForge 上 pentaho 项目的文件区（现存仅说明文档），上述历史直链可能返回 404。若无法下载，请改用以下替代方式之一，并将安装包置于内网供离线导入：

Hitachi Vantara 官方网站的 Pentaho 产品页/支持门户，以官网实际提供的社区版入口为准（部分入口需注册账号）；

企业内部软件镜像或留存的历史安装包；

从可信的第三方 Docker Hub 镜像（内含完整 PDI 目录结构）中提取 data-integration 目录后重新打包为 zip。

下载完成后校验完整性（以本文实测包为准）：

sha256sum pdi-ce-9.1.0.0-324.zip

实测输出：

0f3c031d6d0a2d6f7eedd918a4f3d44a02006d1c8ccca9b99f7ceded3bb07ad8  pdi-ce-9.1.0.0-324.zip

4.2 解压安装

cd /opt/pentaho
unzip -q pdi-ce-9.1.0.0-324.zip

解压后得到 data-integration 目录：

ls /opt/pentaho/data-integration | head -20

实测输出（节选）：

ADDITIONAL-FILES
Carte.bat
carte.sh
classes
Data Integration.app
Data Service JDBC Driver
docs
drivers
Encr.bat
encr.sh
import.sh
kitchen.bat
kitchen.sh
lib
libswt
LICENSE.txt
Pan.bat
pan.sh
plugins
（其余行省略）

⚠️ 注意：解压耗时约 1–3 分钟（安装包近 1.8 GB），请耐心等待命令返回。解压后安装目录约 1.8 GB。

4.3 赋予脚本执行权限

zip 包内脚本可能不带执行位，统一补齐：

chmod +x /opt/pentaho/data-integration/*.sh

4.4 配置环境变量

写入 /etc/profile.d/pdi.sh 使全局生效（JAVA_HOME 按 java-1.8.0-openjdk 的实际安装路径，可用 readlink -f $(which java) 确认）：

cat > /etc/profile.d/pdi.sh <<'EOF'
export JAVA_HOME=/usr/lib/jvm/jre-1.8.0
export PENTAHO_DI_JAVA_OPTIONS="-Xms256m -Xmx512m"
export PATH=$PATH:/opt/pentaho/data-integration
EOF
source /etc/profile.d/pdi.sh

💡 说明：PENTAHO_DI_JAVA_OPTIONS 是 PDI 启动脚本读取的专用 JVM 参数变量，-Xms256m -Xmx512m 将 JVM 堆限制在 256–512 MB（小内存服务器推荐值）。JVM 参数验证方法见"七、配置说明"7.3 节。

五、离线安装方案（B：内网离线导入）

适用于服务器无法访问外网的场景。

5.1 在联网机获取安装包并校验

在可联网的机器上按 4.1 节任一方式取得 pdi-ce-9.1.0.0-324.zip，并校验：

sha256sum pdi-ce-9.1.0.0-324.zip

输出应与 4.1 节的 0f3c031d...07ad8 一致。

5.2 传输到内网服务器

scp pdi-ce-9.1.0.0-324.zip root@192.168.1.10:/opt/pentaho/

💡 说明：192.168.1.10 为示例内网服务器地址，请替换为实际目标机 IP。JDK 8 同样需离线准备：在联网机 dnf download --resolve java-1.8.0-openjdk 下载 rpm 及其依赖，拷入内网后 dnf install -y ./java-1.8.0-openjdk*.rpm 安装。

5.3 解压安装与环境变量

与在线方案完全一致，逐条执行：

cd /opt/pentaho
unzip -q pdi-ce-9.1.0.0-324.zip
chmod +x /opt/pentaho/data-integration/*.sh
cat > /etc/profile.d/pdi.sh <<'EOF'
export JAVA_HOME=/usr/lib/jvm/jre-1.8.0
export PENTAHO_DI_JAVA_OPTIONS="-Xms256m -Xmx512m"
export PATH=$PATH:/opt/pentaho/data-integration
EOF
source /etc/profile.d/pdi.sh

六、多方案对比与选择建议

维度	方案 A：在线下载	方案 B：离线导入
是否需联网	需（或经代理）	不需（仅传输步骤）
获取方式	历史官方 URL / 替代渠道直接 wget	联网机下载后 scp 导入
版本控制	下载即确定（9.1.0.0-324）	可固定唯一标准包，批量机器一致性好
适用场景	可直连外网的单台/少量服务器	内网隔离环境、批量标准化部署
优缺点	简单快捷，但受下载渠道变迁影响	稳定可控，多一次传输与校验步骤

选择建议：可联网且历史 URL 有效时选方案 A；内网隔离或需批量统一版本选方案 B。两种方案的最终安装结果完全一致。

七、配置说明

7.1 环境变量汇总

变量	示例值	作用
JAVA_HOME	/usr/lib/jvm/jre-1.8.0	指定 PDI 使用的 JDK；启动脚本据此定位 java
PENTAHO_DI_JAVA_OPTIONS	-Xms256m -Xmx512m	PDI 全组件共用的 JVM 参数（堆内存等）
KETTLE_HOME	/opt/pentaho/kettle-home	可选；指定 kettle.properties 等配置的根目录
PATH	追加 /opt/pentaho/data-integration	使命令可直接以 `kitchen.sh` 调用

7.2 JVM 内存调整

堆内存通过 PENTAHO_DI_JAVA_OPTIONS 控制，修改方式二选一：

全局持久化：编辑 /etc/profile.d/pdi.sh（4.4 节创建），改后 source 或重新登录生效；
单次运行：在命令前内联导出，仅影响本次执行：

PENTAHO_DI_JAVA_OPTIONS="-Xms256m -Xmx512m" ./kitchen.sh -file=/opt/pentaho/test_job.kjb

⚠️ 注意：小规格服务器请勿沿用默认大堆配置，256–512 MB 区间可满足常规验证与中小批量作业；-Xmx 过大可能在内存紧张的机器上触发 OOM。

7.3 JVM 参数生效验证

CLI 工具（kitchen/pan）运行结束即退出，进程级验证需在运行期抓取；以常驻的 Carte 为例：

PENTAHO_DI_JAVA_OPTIONS="-Xms256m -Xmx512m" ./carte.sh /opt/pentaho/carte-master.xml &
sleep 30
ps -ef | grep [j]ava | grep -o "Xms[0-9]*m -Xmx[0-9]*m"

实测输出：

Xms256m -Xmx512m

💡 说明：grep [j]ava 的方括号写法用于排除 grep 自身进程，是确认 JVM 参数是否生效的标准手段。

八、安装验证

8.1 确认版本

cd /opt/pentaho/data-integration
./kitchen.sh -version

实测输出：

2026/10/12 12:12:40 - Kitchen - Kettle version 9.1.0.0-324, build 9.1.0.0-324, build date : 2020-09-07 05.09.05
2026/10/12 12:12:40 - Kitchen - Start of run.
ERROR: Kitchen can't continue because the job couldn't be loaded.

⚠️ 注意：9.1 的 kitchen.sh 并无真正的 -version 选项，版本行打印后被当作作业文件名处理，因此随后出现 ERROR: ... couldn't be loaded 属正常现象，版本信息已在第一行给出。同理 pan.sh -version 亦如此。

8.2 运行示例转换（pan.sh）

创建测试转换 /opt/pentaho/test_gen_log.ktr（RowGenerator 生成 3 行写入日志）：

cat > /opt/pentaho/test_gen_log.ktr <<'EOF'
<?xml version="1.0" encoding="UTF-8"?>
<transformation>
  <info>
    <name>gen_log_test</name>
    <trans_type>Normal</trans_type>
    <directory>/</directory>
    <size_rowset>10000</size_rowset>
    <created_user>-</created_user>
    <created_date>2026/10/12 12:00:00.000</created_date>
    <modified_user>-</modified_user>
    <modified_date>2026/10/12 12:00:00.000</modified_date>
  </info>
  <order>
    <hop><from>gen</from><to>log</to><enabled>Y</enabled></hop>
  </order>
  <notepads></notepads>
  <step>
    <name>gen</name>
    <type>RowGenerator</type>
    <distribute>Y</distribute>
    <copies>1</copies>
    <partitioning><method>none</method><schema_name/></partitioning>
    <fields>
      <field>
        <name>msg</name>
        <type>String</type>
        <nullif>hello-kettle</nullif>
        <length>-1</length>
        <precision>-1</precision>
        <set_empty_string>N</set_empty_string>
      </field>
    </fields>
    <limit>3</limit>
    <never_ending>N</never_ending>
    <cluster_schema/>
    <GUI><xloc>100</xloc><yloc>100</yloc><draw>Y</draw></GUI>
  </step>
  <step>
    <name>log</name>
    <type>WriteToLog</type>
    <distribute>Y</distribute>
    <copies>1</copies>
    <partitioning><method>none</method><schema_name/></partitioning>
    <log_level>log_level_basic</log_level>
    <displayHeader>Y</displayHeader>
    <limitRows>N</limitRows>
    <limitRowsNumber>0</limitRowsNumber>
    <logmessage>msg</logmessage>
    <byname>Y</byname>
    <cluster_schema/>
    <GUI><xloc>300</xloc><yloc>100</yloc><draw>Y</draw></GUI>
  </step>
  <step_error_handling></step_error_handling>
  <slave_transformation>N</slave_transformation>
  <attributes/>
</transformation>
EOF

执行转换：

cd /opt/pentaho/data-integration
./pan.sh -file=/opt/pentaho/test_gen_log.ktr -level=Basic

实测输出（节选关键行）：

2026/10/12 12:14:06 - log.0 - msg = hello-kettle
2026/10/12 12:14:06 - log.0 - ------------> Linenr 3------------------------------
2026/10/12 12:14:06 - log.0 - ====================
2026/10/12 12:14:06 - Finished processing (I=0, O=0, R=3, W=3, U=0, E=0)
2026/10/12 12:14:06 - Finished!
2026/10/12 12:14:06 - Start=2026/10/12 12:14:06.259, Stop=2026/10/12 12:14:06.313
2026/10/12 12:14:06 - Processing ended after 0 seconds.
2026/10/12 12:14:06 - gen_log_test - Step gen.0 ended successfully, processed 3 lines. ( - lines/s)
2026/10/12 12:14:06 - gen_log_test - Step log.0 ended successfully, processed 3 lines. ( - lines/s)

Finished! 与 R=3, W=3 表明转换读取并写出 3 行，执行成功。

8.3 运行示例作业（kitchen.sh）

创建测试作业 /opt/pentaho/test_gen_log_job.kjb（START → 调用上述转换）：

cat > /opt/pentaho/test_gen_log_job.kjb <<'EOF'
<?xml version="1.0" encoding="UTF-8"?>
<job>
  <name>run_ktr_job</name>
  <directory>/</directory>
  <created_user>-</created_user>
  <created_date>2026/10/12 12:00:00.000</created_date>
  <modified_user>-</modified_user>
  <modified_date>2026/10/12 12:00:00.000</modified_date>
  <parameters></parameters>
  <slaveservers></slaveservers>
  <entries>
    <entry>
      <name>START</name>
      <type>SPECIAL</type>
      <start>Y</start>
      <dummy>N</dummy>
      <repeat>N</repeat>
      <schedulerType>0</schedulerType>
      <intervalSeconds>60</intervalSeconds>
      <intervalMinutes>60</intervalMinutes>
      <hour>12</hour>
      <minutes>0</minutes>
      <weekDay>1</weekDay>
      <DayOfMonth>1</DayOfMonth>
      <parallel>N</parallel>
      <draw>Y</draw>
      <nr>0</nr>
      <xloc>100</xloc>
      <yloc>100</yloc>
    </entry>
    <entry>
      <name>run trans</name>
      <type>TRANS</type>
      <filename>/opt/pentaho/test_gen_log.ktr</filename>
      <arg_from_previous>N</arg_from_previous>
      <exec_local>Y</exec_local>
      <exec_remote>N</exec_remote>
      <clear_rows>N</clear_rows>
      <wait_until_finished>Y</wait_until_finished>
      <parameters><pass_all_parameters>Y</pass_all_parameters></parameters>
      <parallel>N</parallel>
      <draw>Y</draw>
      <nr>0</nr>
      <xloc>300</xloc>
      <yloc>100</yloc>
    </entry>
  </entries>
  <hops>
    <hop>
      <from>START</from><to>run trans</to>
      <from_nr>0</from_nr><to_nr>0</to_nr><nr>0</nr>
      <enabled>Y</enabled><evaluation>Y</evaluation><unconditional>N</unconditional>
    </hop>
  </hops>
  <notepads></notepads>
</job>
EOF

执行作业：

./kitchen.sh -file=/opt/pentaho/test_gen_log_job.kjb -level=Basic

实测输出（节选关键行）：

2026/10/12 12:14:30 - run_ktr_job - Start of job execution
2026/10/12 12:14:30 - run_ktr_job - Job execution finished
2026/10/12 12:14:30 - Finished!
2026/10/12 12:14:30 - Start=2026/10/12 12:14:30.058, Stop=2026/10/12 12:14:30.108
2026/10/12 12:14:30 - Processing ended after 0 seconds.

Start of job execution / Job execution finished / Finished! 三行齐全即作业执行成功，安装验证完成。

8.4 libwebkitgtk 警告说明

首次执行 CLI 命令时通常伴随如下警告：

#######################################################################
WARNING:  no libwebkitgtk-1.0 detected, some features will be unavailable
    Consider installing the package with apt-get or yum.
    e.g. 'sudo apt-get install libwebkitgtk-1.0-0'
#######################################################################

💡 说明：该库仅影响 Spoon 图形界面中的部分预览功能，纯 CLI（kitchen/pan/carte）运行不受影响，可忽略。

九、常见问题（FAQ）

Q1：使用 JDK 11/17 时启动即报错？

现象（kitchen/pan/carte/spoon 通用）：

-Djava.endorsed.dirs=/usr/lib/jvm/jre-11/jre/lib/endorsed:... is not supported. Endorsed standards and standalone APIs
in modular form will be supported via the concept of upgradeable modules.
Error: Could not create the Java Virtual Machine.
Error: A fatal exception has occurred. Program will exit.

原因：PDI 9.1 启动脚本固定拼接非空的 -Djava.endorsed.dirs 参数，JDK 9+ 已移除对该参数的支持，直接拒绝创建 JVM。解决：安装并使用 JDK 8（见 2.2 节），确保 JAVA_HOME 指向 JDK 8 路径后重试。

Q2：kitchen.sh -version 打印版本后报 ERROR？

-version 在 9.1 中不是真实选项（见 8.1 节），版本行输出后的 ERROR: Kitchen can't continue because the job couldn't be loaded. 属预期现象，不代表安装有问题。

Q3：出现 libwebkitgtk 警告是否必须安装？

纯 CLI 使用可忽略（见 8.4 节）。若需使用 Spoon 图形界面，需另行配置桌面环境与相关图形依赖；服务器场景建议以 CLI 与 Carte 为主。

Q4：同一台机器连续运行多个 kitchen/pan，日志提示不同 Karaf Instance？

属正常现象。每次运行会在 data-integration/system/karaf/caches/ 下生成独立实例缓存（如 kitchen/data-1、data-2），Karaf 端口（8804 起）与 OSGI 端口（9053 起）自动递增避让，互不影响。

Q5：官方下载地址失效怎么办？

见 4.1 节渠道变迁说明：改用 Hitachi Vantara 官方入口、内部镜像或从可信 Docker 镜像提取安装目录重新打包，并以 4.1 节的 SHA256 校验包完整性。

Q6：作业运行中内存不足（OOM）？

降低并行度并调小/调大 PENTAHO_DI_JAVA_OPTIONS 堆参数（见 7.2 节）。排查时用 ps -ef | grep [j]ava 确认实际生效的 -Xmx 值，再结合作业步骤（如排序、大结果集聚合）评估堆需求。

十、卸载与清理

删除安装目录与配置即可，不产生系统服务残留：

rm -rf /opt/pentaho
rm -f /etc/profile.d/pdi.sh
rm -rf /root/.kettle
dnf remove -y java-1.8.0-openjdk

💡 说明：/root/.kettle 为 Kettle 运行期生成的用户配置目录（kettle.properties 等），如在其他用户下运行过，对应删除 ~/.kettle 即可。

十一、参考链接

历史官方下载地址（⚠️ 已失效，仅作版本溯源）：https://sourceforge.net/projects/pentaho/files/Pentaho%209.1/client-tools/pdi-ce-9.1.0.0-324.zip
Hitachi Vantara Pentaho 产品主页：https://www.hitachivantara.com/en-us/products/data-pipeline-management-platform/pentaho-data-integration.html
Pentaho 官方文档站：https://help.pentaho.com/Documentation/9.1
《Kettle 9.1 Carte 集群部署指南》——Carte 内嵌 Web 服务器与集群部署
《Kettle 9.1 Kitchen 与 Pan 命令详解》——作业/转换执行器全参数说明