Apache Hive join操作

hive中对in 与 exists的查询比较弱，hive2中支持，但是性能比较差，hive1中不支持

注意：

hive中支持等值连接，但是不支持非等值连接

hive 支持多关联键的连接的，但是仅仅支持and的，不支持or的

。

hive支持多表join

hive join分类：

内连接，外连接和半连接

1.内连接 inner join|join

求两表交集

select * from default.sc sc inner join default.student stu on sc.stuid=stu.stuid

2. 外连接 (基本上与MySQL等一致)

left join

: 左连接以左表为主表，取左表所有记录，拿着左表关联键再取B表中的数据，左表中没有的则不取，左表有的但右表没有的则补充为null.

right join

: 右连接，以右表为主表，与left join相反

full outer join|full join

: 全连接，求两个表的并集，即包含两个表全部的数据

select * from default.sc sc left join default.student stu on sc.stuid=stu.stuid

select * from default.sc sc right join default.student stu on sc.stuid=stu.stuid

select * from default.sc sc full join default.student stu on sc.stuid=stu.stuid

3.半连接 left semi join 在内连接的基础上只取左表的数据，只能查询左侧表的数据

left semi join：优化in/exists，在hive中，绝大多数hql语句都会从转换为Mapreduce任务的，in/exists 语句在转换的时候，map端的key不好确定。

left semi join 可以指定关联键，进行转换的时候比较好确定mapkey。当然也可以使用inner join只查询左表

select * from default.sc sc left semi join default.student stu on sc.stuid=stu.stuid

相当于对inner join的结果取左表，即只有左表的字段，而没有右表的任何字段。