由LEFT SEMI JOIN所联想到的

一、LEFT SEMI JOIN 与 INNER JOIN的区别

1. LEFT SEMI JOIN 

LEFT SEMI JOIN 是 IN/EXISTS 子查询的一种更高效的实现。
Hive 当前没有实现 IN/EXISTS 子查询，所以你可以用 LEFT SEMI JOIN 重写子查询语句。LEFT SEMI JOIN 的限制是， JOIN 子句中右边的表只能在 ON 子句中设置过滤条件，在 WHERE 子句、SELECT 子句或其他地方过滤都不行。

 SELECT a.key, a.value
  FROM a
  WHERE a.key in
   (SELECT b.key
    FROM B);
可以被重写为：
   SELECT a.key, a.val
   FROM a LEFT SEMI JOIN b on (a.key = b.key)

2.INNER JOIN

INNER JOIN 等价于 JOIN，可以理解为 JOIN是 INNER JOIN 的缩写。

3.区别

HIVE中都是等值连接，在JOIN使用的时候，有两种写法在理论上是可以达到相同的效果的，但是由于实际情况的不一样，子表中数据的差异导致结果也不太一样。
当子表（tab2）中存在重复的数据，当使用JOIN ON的时候，A,B表会关联出两条记录，应为ON上的条件符合；而是用LEFT SEMI JOIN 当A表中的记录，在B表上产生符合条件之后就返回，不会再继续查找B表记录了，所以如果B表有重复，也不会产生重复的多条记录。

二、数据样例测试

1、造测试数据

drop table if exists tmp.tab1;
create table tmp.tab1 as
select 1 id,'a' name,90 score
union all
select 2 id,'b' name,80 score
union all
select 3 id,'c' name,85 score;

drop table if exists tmp.tab2;
create table tmp.tab2 as
select 2 id,'b' name,80 score
union all
select 3 id,'c' name,85 score
union all
select 4 id,'d' name,90 score;

2、查询测试

2.1、LEFT JOIN=LEFT OUTER JOIN

SELECT a1.id,
       a1.name,
       a1.score
FROM tmp.tab1 a1
LEFT JOIN tmp.tab2 a2 ON a1.id=a2.id;

OK
1       a       90
2       b       80
3       c       85
Time taken: 19.636 seconds, Fetched: 3 row(s)

SELECT a1.id,
       a1.name,
       a1.score
FROM tmp.tab1 a1
LEFT OUTER JOIN tmp.tab2 a2 ON a1.id=a2.id;

OK
1       a       90
2       b       80
3       c       85
Time taken: 17.025 seconds, Fetched: 3 row(s)

2.2、LEFT SEMI JOIN ~= INNER JOIN

SELECT a1.id,
       a1.name,
       a1.score
FROM tmp.tab1 a1 LEFT SEMI
JOIN tmp.tab2 a2 ON a1.id=a2.id;

OK
2       b       80
3       c       85
Time taken: 20.815 seconds, Fetched: 2 row(s)

SELECT a1.id,
       a1.name,
       a1.score
FROM tmp.tab1 a1
INNER
JOIN tmp.tab2 a2 ON a1.id=a2.id;

OK
2       b       80
3       c       85
Time taken: 20.791 seconds, Fetched: 2 row(s)

2.3、全连接

SELECT a1.id,
       a1.name,
       a1.score
FROM tmp.tab1 a1
FULL
JOIN tmp.tab2 a2 ON a1.id=a2.id;

OK
1       a       90
2       b       80
3       c       85
NULL    NULL    NULL
Time taken: 20.102 seconds, Fetched: 4 row(s)