[大数据]Hive：Join

• 数据表

?

Join 用法

• inner join 内连接
  • 两表必须有匹配的记录

select a.id,a.name,a.age,a.gender,b.likes,b.address from psn as a inner join psn2 as b on (a.id=b.id);

• left outer join 左外连接
  • 左表显示全，不管右表是否有对应记录（有就正常显示，没有就是 Null）

select a.id,a.name,a.age,a.gender,b.likes,b.address from psn as a left outer join psn2 as b on (a.id=b.id);

• right outer join 右外连接
  • 右表显示全，不管左表是否有对应记录（有就正常显示，没有就是 Null）

select a.id,a.name,a.age,a.gender,b.likes,b.address from psn as a right outer join psn2 as b on (a.id=b.id);

• full outer join 全部连接
  • 左右都显示全，（有就正常显示，没有就是 Null）

select a.id,a.name,a.age,a.gender,b.likes,b.address from psn as a full outer join psn2 as b on (a.id=b.id);

• left semi join 左半连接
  • 显示有匹配记录的左表（查询时右表字段不能有，右表会有很多重复记录）

select a.id,a.name,a.age,a.gender from psn as a left semi join psn2 as b on (a.id=b.id);

• cross join 交叉连接
  • 两表行数的乘积后的行数，再根据条件过滤（实际数据过大时不推荐使用，非常慢）

select a.id,a.name,a.age,a.gender,b.likes,b.address from psn as a cross join psn2 as b on (a.id=b.id);

• Join 使用时需要注意
  • ON 条件时，如果是多表多ON的时候，尽量让多个ON当中的字段相同
  • sql 对 mr 的一种优化（尽量）

select a.val,b.val,c.val from a join b on (a.key=b.key1) join c on (c.key=b.key2)

# 两条语句差不同，但效率不一样
# 由于两个 on 的条件出现相同情况，所以 mr 时只会执行一个
select a.val,b.val,c.val from a join b on (a.key=b.key1) join c on (c.key=b.key1)