Business Intelligence con Pentaho Suite

Instalación y configuracion de Pentaho en Linux

Objetivo

Instalar y configurar Pentaho BI Suite, en un sistema operativo Linux, utilizando PotsgreSQL como base de datos.

Pentaho es el resultado de la fusión de varios proyectos de código abierto y algunas herramientas adicionales, para formar un producto BI de caracteristicas wolrd class.

Audiencia

Este documento es para personas con alguna experiencia en linux, manejo de la linea de comandos, que necesite implementar una herramienta BI 100% gratuita

Alcance

La intención es poder instalar y configurar todos los componentes de Pentaho, no haciendo una descripcion detallada de los mismos, ya que esto es motivos de otros documentos, incluso mas extensos.

Requisitos

• Una pc standard o notebook, con al menos 2Gb de RAM y un disco de 100Gb o mas y un procesador de de 2 cores o superior. Cuando mejor procesador, mejor resultado.
• Una version de linux instalada
• Un ambiente java SDK instalado (puede ser el del sistema operativo o puede ser una version de Oracle instalada a los efectos de utilizarla con Pentaho)
• Base de datos PostgreSQL

Proceso

Instalar Pentaho BI Server 3.10 (comunmente denominada 4.0)

Obtener el software de la pagina de pentaho.

Ingresar a la seccion Business Intelligence Server y descargar la ultima version estable.

• Crear un usuario llamado pentaho para administrar el software (no es conveniente que sea root). Salvo que se indique lo contrario, todos los comandos deben ser ejecutados con este usuario ($)
• Crear un directorio o carpeta la contener todo el software. Personalmente utilizo openSuse y me gusta instalar nuevos paquetes de software en la carpeta /local

 # mkdir /local/pentaho
 # chown pentaho:users /local/pentaho
 $ tar xvzf biserver-ce-3.10.0-stable.tar.gz

Esto creara dos carpetas, una llamada biserver-ce y la otra administration-console

En ésta version 3.10 hay algunos errores que hay que solucionar

• Una vez instaldo el software, descargar ésta version de jpivot
• Hacer un backup de la version instalada:

 $ cd /biserver-ce/tomcat/webapps/pentaho/WEB-INF/lib/
 $ mv jpivot-1.8.0-100420.jar jpivot-1.8.0-100420.bak

• Copiar la version de jpivot descargada en la carpeta mencionada mas arriba

 $ cp jpivot-1.8.0-100420.jar /biserver-ce/tomcat/webapps/pentaho/WEB-INF/lib/

• Verificar los permisos para ejecutar pentaho

 $ chmod +x *.sh pentaho/

Particularmente prefiero bajar la ultima version de java SDK desde el site de oracle a utilizar la que viene con el sistema operativo, ya que por problemas de licencias, ésta puede no estar incluída.

• Descargar la ultima version desde la pagina Java de Oracle
• Instalar Java en /local/java (Seguir las instrucciones de Oracle)
• Setear la variable de ambiente JAVA_HOME para el usuario pentaho

 $ vi /home/pentaho/.profile

• Añadir al final del archivo

 export JAVA_HOME=”/local/java"

• Cerrar la sesion de pentaho e ingresar nuevamente para que el ambiente tome la nueva variable definida
• Verificar con

 $ echo $JAVA_HOME

Realizadas esta tareas, podemos arrancar por primera vez el servidor pentaho, de la siguiente forma:

 $ cd /local/pentaho/biserver-ce
 $ ./start-pentaho.sh

Abrimos un navegador, por ejemplo firefox y colocamos:

 http://localhost:8080/pentaho

Podemos ingresar con los usuarios definidos por defecto, como ser joe/password, y verificar el funcionamiento de pentaho revisando algunos de los ejemplo que trae implementados (algunos contienen errores, que seran corregidos mas adelante en éste documento)

Si algo no funciono correctamente, podemos verificar los logs del sistema situados en:

• /local/pentaho/biserver-ce/tomcat/bin/pentaho.log
• /local/pentaho/biserver-ce/tomcat/logs/

Configurar Pentaho para utilizar con PostgreSQL

El servidor de Pentaho BI utiliza por defecto la base de datos HSQLDB. Esta base de datos se crea y se carga en momoria cada vez que si inicia el servidor pentaho.

La idea es cambiar al motor PostgreSQL, para darle mas potencia y generar así un ambiente de producción, ya que el anterior (HSQLDB) es eficiente solo a los efectos de una demostración del producto.

Debemos realizar las siguientes tareas:

• Crear dos bases de datos, hibernate and quartz. La primera utilizada para configuracion y la segunda para procesos internos (scheduling).
• Crear otra base de datos, sampledata, para contener los datos de la demo de la empresa SteelWheels.
• Crear una base de datos para un ejemplo mas complejo, que viene en mondrian: foodmart
• Crear una base de datos vacía para desarrolladores: loading_area
• y por último crear una base de datos llamada datamart para reportes

que serán descriptas mas adelante

Ahora vamos a modificar la configuracion de pentaho (7 archvivos), para poder indicarle que utilice PostgreSQL en vez de HSQLDB. Estos pasos son por un lado simple, pero por el otro tediosos y nos va a llevar un par de horas ponerlo en funcionamiento.

Vamos a necesitar:

• Una base de datos PostgreSQL, con acceso de administrador
• Comandos de SQL para crear las bases de datos y cargar su contenido.