如何通过Pentaho(Kettle)作业从ChEBI FTP服务器下载文件

ChEBI所属的EBI公共文件服务并非仅支持传统FTP协议，你当前持有的访问地址是HTTPS协议的静态文件路径，且使用了仅支持FTP协议的「Get a file with FTP」步骤填写HTTPS地址连接，必然报错。该服务为公开匿名服务，不需要申请专属用户名密码。

方案1：使用HTTP下载步骤（最匹配你持有的链接，成功率最高） #

• 移除作业里原有的「Get a file with FTP」步骤，替换为Pentaho作业中的HTTP File Download（HTTP文件下载）步骤
• 核心参数配置：
  • 远程文件URL：填写你要下载的具体文件的完整HTTPS地址，不要仅填写目录路径，例如下载化合物分类文件就补全到具体文件名
  • 本地存储路径：填写你本地用于存放下载文件的目录
  • 认证相关字段（用户名、密码）全部留空，该公共资源不需要身份校验
  • 勾选「跟随重定向」选项，连接超时设置为300秒以上（ChEBI全量文件体积较大，避免超时中断）

方案2：使用原有FTP步骤连接（走FTP协议） #

如果必须使用「Get a file with FTP」步骤，按照以下参数配置：

• 服务器地址：填写ftp.ebi.ac.uk，端口保持默认21，不要填HTTPS开头的完整URL
• 认证配置（匿名FTP通用规则）：
  • 用户名：anonymous
  • 密码：填写任意符合邮箱格式的字符串即可（匿名FTP的惯例校验要求，不需要是真实邮箱）
• 远程路径：填写/pub/databases/chebi/Flat_file_tab_delimited/后拼接你要下载的具体文件名
• 连接选项：必须勾选「被动模式（Passive Mode）」，公网FTP服务默认要求被动模式连接，不勾选大概率会被防火墙拦截

方案3：使用SFTP步骤连接 #

如果本地网络限制FTP端口访问，可以用SFTP步骤：

• 服务器地址：ftp.ebi.ac.uk，端口填22
• 用户名填anonymous，密码填任意邮箱格式字符串
• 远程文件路径和FTP方案的路径配置一致即可

• 连接超时：先确认本地网络没有防火墙拦截21/22/443端口，FTP连接必须开启被动模式
• 文件不存在报错：所有下载步骤都不支持直接读取目录下的文件列表，必须把远程路径补全到具体文件名，可先通过浏览器打开目录页确认准确文件名后再配置
• 认证失败：匿名FTP/SFTP连接不能留空用户名，必须填anonymous，密码不能完全留空，填任意符合格式的字符串即可

内容的提问来源于stack exchange，提问作者lacinquette