以连接为例 说明Kettle和SQL处理数据的区别

首先声明本人不懂Java，只是从执行结果推测Kettle的处理机制，有不对的地方，还请多多指教。

据我推测：SQL对数据的处理是批量处理的，而Kettle对数据的处理是逐行处理的。

先理解一下meger（合并）和join（连接），假设A表两个字段，B表两个字段

meger: 结果为两个字段。

join: 结果为4个字段。

下面从Kettle中的连接与合并，说明Kettle与SQL的区别。因为Kettle是逐行处理的，所以做连接前一定要根据关键字排好序。

1. Join Rows (cartesian product)

a>从多个数据源获取数据

b>指定一个主数据源，指定对主数据源的筛选条件

c>从主数据源取一条数据。如果不符合筛选条件，则丢弃；如果符合筛选条件，把其它数据源的数据循环添加到这条数据后面。

d>从主数据源取下一条数据，重复c步骤，直到主数据源数据取完。

类似SQL（Kettle执行结果与SQL是一致的）如下：

--无筛选SELECT
    *
FROM     TEST_JOIN_1 A
JOIN TEST_JOIN_2 B
JOIN TEST_JOIN_3 C
;

--有筛选SELECT
    *
FROM
      TEST_JOIN_1 A
JOIN  TEST_JOIN_2 B
JOIN  TEST_JOIN_3 CWHERE      A.ID = ‘123‘AND   A.NAME = ‘Lio5n‘　
;

2. Merge Join

a>从两个数据源获取数据

b>逐行对两个数据源数据进行关联（包括：内、左、右、外关联），以关键字想等为条件。

类似SQL（Kettle执行结果与SQL是一致的）如下：

SELECT
    *
FROM      TEST_JOIN_1 A
JOIN  TEST_JOIN_2 B ON A.ID = B.ID
;

3. Merge Rows (diff)

a>从两个数据源获取数据

b>以一个数据源为参考（Reference）数据源，以另外外一个为合并（Compare）数据源

c>以关键字段的顺序，逐行从 Reference 和 Compare 取数据，并合并到一起，并添加标记变化（identical, delete, new）字段

d>注意：identical情况下，Compare 的非关键字段出现在结果集里

类似SQL如下（只是类似，一般情况下不是下面的结果，因为 Kettle 是按排序后的关键字逐行处理的）：

SELECT
     A.ID          ID
    ,A.NAME     NAME
    ,‘deleted‘ FALGFIELD
FROM
          TEST_JOIN_1 A
LEFT JOIN TEST_JOIN_2 B ON A.ID = B.ID
WHERE
     B.ID IS NULL
UNION
SELECT
     B.ID        ID
    ,B.NAME      NAME
    ,‘identical‘ FALGFIELD
FROM
     TEST_JOIN_1 A
JOIN TEST_JOIN_2 B ON A.ID = B.ID
UNION
SELECT
     B.ID   ID
    ,B.NAME NAME
    ,‘new‘  FALGFIELD
FROM
           TEST_JOIN_1 A
RIGHT JOIN TEST_JOIN_2 B ON A.ID = B.ID
WHERE
     A.ID IS NULL
;

4. Multiway Merge Join

a>从多个数据源获取数据

b>并关联（包括：内、外关联）字段相等的记录。

类似SQL（Kettle执行结果与SQL是一致的）如下：

SELECT
    *
FROM
      TEST_JOIN_1 A
JOIN  TEST_JOIN_2 B ON A.ID = B.ID
JOIN  TEST_JOIN_3 C ON A.ID = C.ID
;

5. Sorted Merge

a>从多个数据源获取数据

b>根据关键字顺序分别从两个流里抽取数据

c>最终把两个流里的数据以关键字为顺序合并到一起

类似SQL（Kettle执行结果与SQL是一致的）如下：

SELECT ID, NAME FROM TEST_JOIN_1
UNION ALL
SELECT ID, NAME FROM TEST_JOIN_2
UNION ALL
SELECT ID, NAME FROM TEST_JOIN_3
ORDER BY ID
;

6. Append streams

a>从两个数据源获取数据

b>取出第一个流里的所有数据

c>把第二个流里的数据追加到第一个流后面

类似SQL（Kettle执行结果与SQL是一致的）如下：

SELECT ID, NAME FROM TEST_JOIN_1
UNION ALL
SELECT ID, NAME FROM TEST_JOIN_2
;

7. Prioritize streams

a>从多个数据源获取数据

b>根据指定的顺序依次追加到一个流里

类似SQL（Kettle执行结果与SQL是一致的）如下：

SELECT ID, NAME FROM TEST_JOIN_1
UNION ALL
SELECT ID, NAME FROM TEST_JOIN_2
UNION ALL
SELECT ID, NAME FROM TEST_JOIN_3

;