前言

这并不是一篇入门教学，且不是一篇高阶教学，仅仅针对kettle的database join。

那么问题来了，kettle的database join是什么？简而言之，不同库之间sql语句传值（个人自定义，如有不当，请海涵）。

案例1——一条数据传值

数据库A中有一张学生表student，表中有一个字段最近更新时间(last_update_date)，数据库B中有一张教师表teacher，同样有一个字段（last_update_date），现在需要根据学生表的最近更新时间增量获取教师表数据，即获取教师表中大于学生表MAX(last_update_date)的数据。

方案如下：

1. 获取学生表MAX(last_update_date)，即表输入1的sql语句为：

select
	IFNULL(MAX(last_update_date),STR_TO_DATE('1970101','%Y%m%d'))
FROM student

2. 将表输入1获取的查询结果传给表输入2，即表输入2的sql语句为

select * from teacher 
where last_update_date >= ?

且在表输入2的sql下方"从步骤输入数据"一栏，填写表输入1的步骤名称。

其中，？代表从表输入1传来的值。

扩展：如果要传一条数据中的多个值，根据数据中值的顺序，依次用?对应即可。

案例2——多条数据传值

案例1中表student有一个字段teacher_id，部分数据对应表teacher主键id，现在需要查询表student中老师属于表teacher的数据。

方案如下：

1. 获取teacher表所有主键id集合，即表输入1的sql语句为：

select id from teacher

2. 将表输入1的结果集传值给表输入2，即表输入2的sql语句为：

select * from student 
where teacher_id = ?

在表输入2的sql下方"从步骤输入数据"一栏，填写表输入1的步骤名称,且在“执行每一行？”一栏勾选上。

这里kettle做的相当于一个循环遍历结果集的？值。

结语

kettle对于数据处理不管是性能还是操作上都是相当友好的，关于增量更新方面还可以结合定时任务quarts使用，关于数据处理方面也可以结合其他代码脚本使用，目前感觉不太友好的是中文资料甚少。。。