由于LEFT JOIN错误使用导致的数据不一致问题

msyql语句执行顺序
代码的执行顺序：
from... where...group by... having.... select ... order by...
hive 语句执行顺序
大致顺序
from... where.... select...group by... having ... order by...

LEFT JOIN有一个作用就是用于去除表A中表B的数据，现在我们来用几个示例来分析SQL执行顺序问题，以Hive为例：

错误示例一

SELECT * FROM(
SELECT rr.datekey,
               A.goods_id,
               B.poi_id B_poi_id               
          FROM A
          LEFT JOIN B
            ON A.poi_id = B.poi_id 
            WHERE A.datekey=20170403 AND B.datekey = 20170403) rs
         WHERE rs.B_poi_id IS NULL;

分析：此时先 ON LEFT JOIN 关联A B表，此时再用WHERE 选取了A.datekey=20170403并且B.datekey = 20170403的行，所以不会存在rs.B_poi_id IS NULL 的行了。

错误示例二：

SELECT rr.datekey,
               A.goods_id,
               B.poi_id B_poi_id               
          FROM A
          LEFT JOIN B
            ON A.poi_id = B.poi_id 
            WHERE A.datekey=20170403 AND B.datekey = 20170403 AND B.poi_id IS NULL

分析：这个也是属于逻辑混乱的，同上，在 ON LEFT JOIN后WHERE选取了A.datekey=20170403 AND B.datekey = 20170403 AND B.poi_id IS NULL 同时成立的行，这种就是不可能存在的，同一行不会B.datekey = 20170403 AND B.poi_id IS NULL成立。

错误示例三：

SELECT rr.datekey,
               A.goods_id,
               B.poi_id B_poi_id               
          FROM A
          LEFT JOIN B
            ON A.poi_id = B.poi_id AND A.datekey=20170403 AND B.datekey = 20170403 
            WHERE B.poi_id IS NULL

分析：这种presto和hive都跑不出来数据，最后job fail。

正确示例一：

SELECT rr.datekey,
               A.goods_id,
               B.poi_id B_poi_id               
          FROM A
          LEFT JOIN B2
          (SELECT B.poi_id 
          FROM B
          WHERE B.datekey = 20170403)AS B2
            ON A.poi_id = B2.poi_id
            WHERE A.datekey=20170403 AND B2.poi_id IS NULL

分析：通过子查询先查出B中这一天的数据，A再和B2 LEFT JOIN，最后选取A.datekey 和 B2.poi_id IS NULL 的行，正确。

正确示例二：

SELECT rr.datekey,
               A.goods_id,
               B.poi_id B_poi_id               
          FROM A
          LEFT JOIN B
            ON A.poi_id = B.poi_id  AND B.datekey = 20170403
            WHERE A.datekey=20170403 AND B.poi_id IS NULL

分析：这个其实就是上面的简化版，因为在ON里面先过滤了就是和上面的子查询是一样的道理。