《Pentaho Kettle解决方案--使用PDI构建开源ETL解决方案》(作者卡斯特、布曼、东恩)详细介绍了如何使用Kettle创建、测试和部署ETL和数据整合解决方案。通过本书，读者可以学会如何用Kettle来创建转换和作业，如何进行版本控制，审计数据和进行调度。读者可以进一步了解到一些更深入的主题，如集群和云计算、实时数据整合、加载Dafa Vault模型和开发Kettle插件。另外，本书还提供了一些案例，通过这些案例，读者可以了解如何在实际中应用Kettle。

《Pentaho Kettle解决方案--使用PDI构建开源ETL解决方案》(作者卡斯特、布曼、东恩)主要介绍如何使用开源ETL工具来完成数据整合工作。

《Pentaho Kettle解决方案--使用PDI构建开源ETL解决方案》介绍的PDI(Kettle)是一种开源的 ETL 解决方案，书中介绍了如何使用PDI来实现数据的剖析、清洗、校验、抽取、转换、加载等各类常见的ETL类工作。

除了ODS/DW类比较大型的应用外，Kettle实际还可以为中小企业提供灵活的数据抽取和数据处理的功能。Kettle除了支持各种关系型数据库、HBase、MongoDB这样的NoSQL数据源外，它还支持Excel、Access这类小型的数据源。并且通过插件扩展，Kettle可以支持各类数据源。本书详细介绍了Kettle可以处理的数据源，而且详细介绍了如何使用Kettle抽取增量数据。

Kettle的数据处理功能也很强大，除了选择、过滤、分组、连接、排序这些常用的功能外，Kettle里的Java表达式、正则表达式、Java脚本、Java类等功能都非常灵活而强大，都非常适合于各种数据处理功能。本书也使用了一些篇幅介绍Kettle这些灵活的数据处理功能。

《Pentaho Kettle解决方案：使用PDI构建开源ETL解决方案》后面章节介绍了如何在 Kettle上开发插件，如何使用Kettle处理实时数据流，以及如何在Amazon AWS上运行Kettle等一些高级主题。

除了介绍PDI(Kettle)工具的使用和功能，本书还结合Kimball博士的数据仓库和ETL子系统的理论，从实践的角度介绍数据仓库的模型设计、数据仓库的构建方法，以及如何使用PDI实现Kimball博士提出的34种ETL子系统。

第一部分：开始

第1章　ETL入门

　1.1 OLTP和数据仓库对比

 1.2 ETL是什么

 　1.2.1 ETL解决方案的演化过程

 　1.2.2 ETL基本构成

1.3 ETL、ELT和EII

 　1.3.1 ELT

 　1.3.2 EII：虚拟数据整合

 1.4 数据整合面临的挑战

 　1.4.1 方法论：敏捷BI

 　1.4.2 ETL设计

 　1.4.3 获取数据

 　1.4.4 数据质量

 1.5 ETL工具的功能

1.5.1 连接

 　1.5.2 平台独立

 　1.5.3 数据规模

 　1.5.4 设计灵活性

 　1.5.5 复用性

 　1.5.6 扩展性

 　1.5.7 数据转换

 　1.5.8 测试和调试

 　1.5.9 血统和影响分析

 　1.5.10　日志和审计

1.6 小结

第2章　Kettle基本概念

第3章　安装和配置

第4章　ETL示例解决方案――Sakila

第二部分：ETL

第5章　ETL子系统

第6章　数据抽取

第7章　清洗和校验

第8章　处理维度表

第9章　加载事实表

第10章　处理OLAP数据

第三部分：管理和部署

第11章　ETL开发生命期

第12章　调度和监控

第13章　版本和移植

第14章　血统和审计

第四部分：性能和扩展性

第15章　性能调优

第16章　并行、集群和分区

第17章　云计算中的动态集群

第18章　实时数据整合

第五部分：高级主题

第19章　Data Vault管理

第20章　处理复杂数据格式

第21章　Web Services

第22章　Kettle集成

第23章　扩展Kettle

附录