[大数据]3种写法找出数据库两表数据的差异，及其优缺点

一、背景：

工作中我们有时候需要比对两个表的数据差异，以oracle为例，通常我们会想到第一个方法是用minus，但其实不止有这种方法，并且minus做对比的时候，遇到特殊情况，会导致对比结果不够清晰明了。

二、3种写法找出2表差异数据

1、minus写法；

2、full join写法;

3、group by 写法；

三、说一下两表数据对比的三种写法及其优缺点：

1、minus写法：

minus是求得差集，例如A minus B ，求的就是A表有的B表没有的数据。

SELECT ID,
          SALARY 
FROM USER_INFO
MINUS
SELECT ID,
          SALARY 
FROM USER_INFO2;

缺点1：

它是去重后再对比的，先分别对两个结果集去重后再对比，如果你两个表的数据一个有重复，一个没重复，minus不会有结果；

缺点2：

只能看到USER_INFO有而USER_INFO2没有的，如果你想确认USER_INFO2有而USER_INFO没有的，还得再来一次minus；

缺点3：

minus性能较差，数据量达到几千万时，执行很久才出结果；

2、full join写法：

SELECT A.ID,
            A.SALARY,
            B.ID,
            B.SALARY
FROM USER_INFO A
FULL JOIN USER_INFO2 B
ON A.ID=B.ID
AND A.SALARY = B.SALARY
WHERE A.ID IS NULL OR B.ID IS NULL

full join写法的优点：

相比minus，可以比较清晰地看出两表的差异，左边2列有数据，右边2列没数据，代表这部分是USER_INFO有而USER_INFO2 没有的。反之也成立。

full join写法的缺点：

如果ID存在空值，则会关联不上，使用这个过滤条件其实无法确定是否为差异数据。

3、group by 写法：

SELECT ID,
          SALARY,
          SUM(FLAG) FLAG
FROM (SELECT ID,
                   SALARY,
                   1 AS FLAG
          FROM USER_INFO
          UNION ALL
          SELECT ID,
                   SALARY,
                   -1 AS FLAG
          FROM USER_INFO2)
GROUP BY ID, SALARY
HAVING SUM(FLAG) != 0;

group by 写法的优点

1、跟full join写法一样，同样可以比较清晰地看出两表的差异。如下图：
flag为1的部分代表是USER_INFO有而USER_INFO2 没有的，flag为-1的部分代表是USER_INFO有而USER_INFO2 没有的；
2、性能相对较好；
3、重复值和空值也没有影响，可以精准找出差异数据；

group by 写法的缺点：

语句较长，相对其他两种，稍显复杂