如何在Pentaho Data Integration中删除表2中不在源表的ID行？

方案一：直接执行SQL脚本（高效推荐） #

这种方式性能最优，尤其适合数据量较大的场景：

• 新建转换，添加「执行SQL脚本」组件
• 配置目标数据库连接，在脚本框中编写删除语句，推荐使用LEFT JOIN方式避免NULL值干扰：

DELETE t2 FROM 表2 t2 
LEFT JOIN 表1 t1 ON t2.ID = t1.ID 
WHERE t1.ID IS NULL

或者用NOT IN（注意表1的ID不能有NULL值）：

DELETE FROM 表2 WHERE ID NOT IN (SELECT ID FROM 表1)

• 先通过「预览SQL」验证语句正确性，确认无误后运行转换

方案二：用Pentaho组件分步可视化实现 #

适合需要拆解流程、中间步骤需做额外处理的场景：

• 步骤1：提取表1的ID
  添加「表输入」组件，编写SQL：SELECT ID AS table1_id FROM 表1，输出字段为table1_id
• 步骤2：提取表2的关联数据
  添加另一个「表输入」组件，编写SQL：SELECT ID AS table2_id, 主键字段 FROM 表2（主键字段用于精准删除）
• 步骤3：左关联匹配
  添加「合并记录（哈希连接）」组件，将表1的输出设为「主步骤」，表2的输出设为「查找步骤」，关联条件设为table1_id = table2_id，选择「包含所有主记录和匹配的查找记录」模式
• 步骤4：筛选未匹配的表2记录
  添加「筛选记录」组件，设置条件为table1_id IS NULL，得到表2中ID不在表1的数据集
• 步骤5：执行删除
  添加「删除记录」组件，配置表2的数据库连接，选择表2并设置主键匹配字段，将筛选后的数据集传入该组件执行删除

注意事项 #

• 执行删除操作前，建议先将筛选出的待删除数据输出到临时表验证正确性，避免误删
• 确保两个表的ID字段数据类型完全一致，否则会导致关联匹配失败
• 数据量较大时优先选择方案一，组件分步模式可能存在性能瓶颈

内容的提问来源于stack exchange，提问作者user21051730