Hive中UNION ALL和UNION的区别

1.概述

   Hive官方提供了一种联合查询的语法，原名为Union Syntax，用于联合两个表的记录进行查询，此处的联合和join是不同的，join是将两个表的字段拼接到一起，而union是将两个表的记录拼接在一起。 换言之， join是用于左右拼接，而union是用于上下拼接。

2.语法

select_statement UNION [ALL | DISTINCT] select_statement UNION [ALL | DISTINCT] select_statement ...

UNION是将多个查询结果集合并到一个结果中。UNION与UNION ALL的区别是 union会对两个子查询的结果去重合并，而union all不会对子查询结果去重处理。

注：

• Hive 1.2.0之前的版本仅支持UNION ALL，其中重复的行不会被删除。
• Hive 1.2.0和更高版本中， union的默认从结果中删除重复行。使用可选的distinct关键字指定了删除重复行。使用可选的all关键字，不会删除重复行，结果包含select语句中的所有匹配行。
  • 可以在同一查询中混合使用union all和union distinct。
  • 每个select语句返回的列的数量和名称必须相同，否则报错。

3.使用案例

3.1 准备数据

test1表数据

id	username	ds
001	zhangsan	20240307
002	lisi	20240307
003	wangwu	20240307

test2表数据

id	username	ds
002	lisi	20240307
003	wangwu	20240307
004	zhaoliu	20240307

3.2 查询结果

UNION的查询结果

SELECT  id
       ,username
FROM    test1
WHERE   ds = '${bizdate}'
UNION 
SELECT  id
       ,username
FROM   test2
WHERE   ds = '${bizdate}';

id	username
001	zhangsan
002	lisi
003	wangwu
004	zhaoliu

UNION ALL 的查询结果

id	username
002	lisi
003	wangwu
001	zhangsan
002	lisi
004	zhaoliu
003	wangwu

4.总结

联合查询方式	UNION	UNION ALL
对重复结果的处理	筛选掉重复的结果	不会去除重复记录
对排序的处理	将两个结果合并后并返回	会按照字段的顺序进行排序
效率	快	慢
总述	不去重不排序	去重并排序

• UNION ALL：不去重不排序直接原表合并。
• UNION：先表合并、再去重、再排序。<=>作用等价于 先distinct去重、再UNION ALL表合并、再order by排序。
• 效率方面，UNION是UNION ALL的3倍。数据量大时，不建议直接用UNION，建议先去重再UNION ALL。