pentaho pdi是一个用于创建、管理、运行和监视etl工作流的工具。它可以与hadoop、rdbms、队列、文件等一起工作。hadoop是一个用于分布式计算的平台（map reduce framework、hdfs等）。许多工具可以在hadoop上运行，也可以连接到hadoop并使用它的数据、运行进程。
pentaho pdi可以使用hadoop自己的连接器连接到hadoop并写入/读取数据。您可以从pdi启动hadopp作业，它也可以在转换流中自行处理数据，并将结果存储或发送到HDF、rdbms、一些队列、电子邮件等。当然，您可以为etl工作流发明自己的工具，或者简单地使用bash+hive等，但pdi允许etl以统一的方式处理，而不依赖于数据源和目标。pentaho也有很好的视觉效果。

etl是一种工具，用于提取数据、转换（连接、丰富、过滤等）数据并将结果加载到另一个数据存储中。好的etl是可视化的，数据存储不可知，并且易于自动化。
hadoop是一个分布在集群网络上的数据存储，加上处理不确定数据的软件。数据转换专门处理一些基本的操作，这些操作可以针对通常大量的数据进行优化，例如（但不仅限于）map reduce。
pentaho data integrator具有连接到hadoop系统的连接器，易于设置和调整。因此，最好的策略是建立一个hadoop网络作为数据存储，并通过pdi对其进行操作。