Hive中的Join操作

Hive中有许多的Join操作，如果LEFT，RIGHT和FULL OUTER JOIN，INNER JOIN，LEFT SEMI JOIN等。那么它们都各自有什么特点呢？

感觉很难说明这些区别，还是通过例子来看。

准备数据

如果我们有一个表，数据如下：

a.txt

1,a
2,b
3,c
4,d
7,y
8,u

另一个表中的数据如下：

b.txt

2,bb
3,cc
7,yy
9,pp

在Hive中建表:

create table a(id int,name string)
row format delimited fields terminated by ',';

create table b(id int,name string)
row format delimited fields terminated by ',';

导入数据：

load data local inpath '/root/a.txt' into table a;
load data local inpath '/root/b.txt' into table b;

Inner Join

SELECT * FROM a INNER JOIN b ON(a.id=b.id);

输出如下：

2       b       2       bb
3       c       3       cc
7       y       7       yy

就是求交集。

Left Outer Join

SELECT * FROM a LEFT OUTER JOIN b ON(a.id=b.id);

输出结果如下：

1       a       NULL    NULL
2       b       2       bb
3       c       3       cc
4       d       NULL    NULL
7       y       7       yy
8       u       NULL    NULL

把左边的表的记录都打印出来。

Right Outer Join

SELECT * FROM a RIGHT OUTER JOIN b ON(a.id=b.id);

输出如下：

2       b       2       bb
3       c       3       cc
7       y       7       yy
NULL    NULL    9       pp

把右边的表的记录都打印出来。

Full Outer Join

SELECT * FROM a FULL OUTER JOIN b ON(a.id=b.id);

输出结果如下：

1       a       NULL    NULL
2       b       2       bb
3       c       3       cc
4       d       NULL    NULL
7       y       7       yy
8       u       NULL    NULL
NULL    NULL    9       pp

两边的记录都会出来，如果没有的就填NULL。

LEFT Semi Join

SELECT * FROM a LEFT SEMI JOIN b ON(a.id=b.id);

输出结果如下：

2       b
3       c
7       y

SEMI在Hive中用的很广泛，用于实现Exist IN 子查询的。LEFT SEMI JOIN相当于Inner Join中取一半。