hive中,左连接操作不能在on的右边加不等式条件。比如在hive中不能进行如下操作:
select * from tabel_1 a left join table_2 b on a.id=b.id and a.salary>b.salary
会出现报错。有人给出的答案是把上面语句改成:
select * from tabel_1 a left join table_2 b on a.id=b.id where a.salary>b.salary
如此一来,将不再报错。但是,在进行统计的聚合统计的时候很容易出现错误,也就是漏掉数据。
比如,
select a.id,sum(a.sales),b.id from table_1 a left join table_2 b on a.id=b.id where a.salary>b.salary;
操作结果将把不满足a.salary>b.salary的记录删掉,只计算满足条件的sum(a.salary)。但是,如果你只想计算a表的总salary之和,那么上述操作会使得你的结果减小。
改进方法:尝试用sparksql运行,sparksql支持连接on的不等式条件。如果非要用hivesql,尝试判空操作而非过滤。只在on加等式条件,不等式的判断放在查询字段中。
hive的left join 陷阱
最新推荐文章于 2022-11-26 10:10:17 发布