[一起学Hive]之十一-Hive中Join的类型和用法

        关键字：Hive Join、Hive LEFT|RIGTH|FULL OUTER JOIN、Hive LEFT SEMI JOIN、Hive Cross Join

        Hive中除了支持和传统数据库中一样的内关联、左关联、右关联、全关联，还支持LEFT SEMI JOIN和CROSS JOIN，但这两种JOIN类型也可以用前面的代替。

       注意：Hive中Join的关联键必须在ON ()中指定，不能在Where中指定，否则就会先做笛卡尔积，再过滤。

      

       数据准备：

    hive> desc lxw1234_a;
    OK
    id string
    name string
    Time taken: 0.094 seconds, Fetched: 2 row(s)
    hive> select * from lxw1234_a;
    OK
    1 zhangsan
    2 lisi
    3 wangwu
    Time taken: 0.116 seconds, Fetched: 3 row(s)
    hive> desc lxw1234_b;
    OK
    id string
    age int
    Time taken: 0.159 seconds, Fetched: 2 row(s)
    hive> select * from lxw1234_b;
    OK
    1 30
    2 29
    4 21
    Time taken: 0.09 seconds, Fetched: 3 row(s)

 

10.1 内关联（JOIN）

只返回能关联上的结果。

    SELECT a.id,
    a.name,
    b.age
    FROM lxw1234_a a
    join lxw1234_b b
    ON (a.id = b.id);
     
    --执行结果
     
    1 zhangsan 30
    2 lisi 29

 

10.2 左外关联（LEFT [OUTER] JOIN）

        以LEFT [OUTER] JOIN关键字前面的表作为主表，和其他表进行关联，返回记录和主表的记录数一致，关联不上的字段置为NULL。

       是否指定OUTER关键字，貌似对查询结果无影响。

SELECT a.id,
a.name,
b.age
FROM lxw1234_a a
left join lxw1234_b b
ON (a.id = b.id);
 
--执行结果：
1 zhangsan 30
2 lisi 29
3 wangwu NULL

 

10.3 右外关联（RIGHT [OUTER] JOIN）

       和左外关联相反，以RIGTH [OUTER] JOIN关键词后面的表作为主表，和前面的表做关联，返回记录数和主表一致，关联不上的字段为NULL。

      是否指定OUTER关键字，貌似对查询结果无影响。

SELECT a.id,
a.name,
b.age
FROM lxw1234_a a
RIGHT OUTER JOIN lxw1234_b b
ON (a.id = b.id);
 
--执行结果：
1 zhangsan 30
2 lisi 29
NULL NULL 21

 

10.4 全外关联（FULL [OUTER] JOIN）

        以两个表的记录为基准，返回两个表的记录去重之和，关联不上的字段为NULL。

        是否指定OUTER关键字，貌似对查询结果无影响。

        注意：FULL JOIN时候，Hive不会使用MapJoin来优化。

SELECT a.id,
a.name,
b.age
FROM lxw1234_a a
FULL OUTER JOIN lxw1234_b b
ON (a.id = b.id);
 
--执行结果：
1 zhangsan 30
2 lisi 29
3 wangwu NULL
NULL NULL 21

 

 

10.5 LEFT SEMI JOIN

以LEFT SEMI JOIN关键字前面的表为主表，返回主表的KEY也在副表中的记录。

SELECT a.id,
a.name
FROM lxw1234_a a
LEFT SEMI JOIN lxw1234_b b
ON (a.id = b.id);
 
--执行结果：
1 zhangsan
2 lisi
 
--等价于：
SELECT a.id,
a.name
FROM lxw1234_a a
WHERE a.id IN (SELECT id FROM lxw1234_b);
 
 
--也等价于：
SELECT a.id,
a.name
FROM lxw1234_a a
join lxw1234_b b
ON (a.id = b.id);
 
--也等价于：
SELECT a.id,
a.name
FROM lxw1234_a a
WHERE EXISTS (SELECT 1 FROM lxw1234_b b WHERE a.id = b.id);

 

10.6 笛卡尔积关联（CROSS JOIN）

返回两个表的笛卡尔积结果，不需要指定关联键。

SELECT a.id,
a.name,
b.age
FROM lxw1234_a a
CROSS JOIN lxw1234_b b;
 
--执行结果：
1 zhangsan 30
1 zhangsan 29
1 zhangsan 21
2 lisi 30
2 lisi 29
2 lisi 21
3 wangwu 30
3 wangwu 29
3	wangwu 21

 

Hive中的JOIN类型基本就是上面这些，至于JOIN时候使用哪一种，完全得根据实际的业务需求来定，但起码你要搞清楚这几种关联类型会返回什么样的结果。

除非特殊需求，并且数据量不是特别大的情况下，才可以慎用CROSS JOIN，否则，很难跑出正确的结果，或者JOB压根不能执行完。

经验告诉我，Hive中只要是涉及到两个表关联，首先得了解一下数据，看是否存在多对多的关联。

Hive相关文章（持续更新）：

一起学Hive系列

—-Hive概述，Hive是什么

—-Hive函数大全-完整版

—-Hive中的数据库(Database)和表(Table)

—-Hive的安装配置

—-Hive的视图和分区

—-Hive的动态分区

—-向Hive表中加载数据

—-使用Hive命令行

—-Hive的查询语句SELECT

—-Hive中Join的原理和机制

Hive分析函数系列

Hive索引

hive优化之——控制hive任务中的map数和reduce数

 

评论

1 楼 annmi_cai 2016-03-11  

顶顶更健康！