Hive的left join、left outer join和left semi join三者的区别

Hive的Join的文档说明地址：
https://cwiki.apache.org/confluence/display/Hive/LanguageManual%2BJoins

以下为两个测试数据表建表语句：

use test;

DROP TABLE IF EXISTS table1;
create table table1(
    student_no      bigint  comment '学号',
    student_name    string  comment '姓名'
)
COMMENT 'test 学生信息'
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n'
STORED AS TEXTFILE;


DROP TABLE IF EXISTS table2;
create table table2(
    student_no      bigint  comment '学号',
    class_no        bigint  comment '课程号'
)
COMMENT 'test 学生选课信息'
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n'
STORED AS TEXTFILE;

load data local inpath 'data_table1.txt' overwrite into table table1;
load data local inpath 'data_table2.txt' overwrite into table table2;

测试数据为：

hive left join测试数据

测试1：left join

语句：

select * from table1 left outer join table2 on(table1.student_no=table2.student_no);

结果：

FAILED: Parse Error: line 1:22 cannot recognize input near 'left' 'join' 'table2' in join type specifier

我用的HIVE版本是0.8，不支持直接的left join写法；

测试2：left outer join

语句：

select * from table1 left outer join table2 on(table1.student_no=table2.student_no);

结果：

1 name1 1 11
1 name1 1 12
1 name1 1 13
2 name2 2 11
2 name2 2 14
3 name3 3 15
3 name3 3 12
4 name4 4 13
4 name4 4 12
5 name5 5 14
5 name5 5 16
6 name6 NULL NULL

可以看到left outer join左边表的数据都列出来了，如果右边表没有对应的列，则写成了NULL值。

同时注意到，如果左边的主键在右边找到了N条，那么结果也是会叉乘得到N条的，比如这里主键为1的显示了右边的3条。

测试3：left semi join

语句：

select * from table1 left semi join table2 on(table1.student_no=table2.student_no);

结果：

1 name1
2 name2
3 name3
4 name4
5 name5

可以看到，只打印出了左边的表中的列，规律是如果主键在右边表中存在，则打印，否则过滤掉了。

结论：

• hive不支持'left join'的写法；
• hive的left outer join：如果右边有多行和左边表对应，就每一行都映射输出；如果右边没有行与左边行对应，就输出左边行，右边表字段为NULL；
• hive的left semi join：相当于SQL的in语句，比如上面测试3的语句相当于“select * from table1 where table1.student_no in (table2.student_no)”，注意，结果中是没有B表的字段的。

本文地址：http://crazyant.net/1470.html