欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

[一起学Hive]之十一-Hive中Join的类型和用法 博客分类: hive hiveHive Join 

程序员文章站 2024-03-15 13:32:11
...

        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

 

相关标签: hive Hive Join