Hive的DML--join

hive支持等值连接（a.id=b.id）,不支持非等值连接（a.id>b.id）,因为非等值连接非常难以转化到map/reduce任务。另外，Hive支持2个以上表之间的join

//建表：
hive (xiaoliu)> create table a(id int,name string)
              > row format delimited
              > fields terminated by ',';

hive (xiaoliu)> create table b(id int,name string)
              > row format delimited
              > fields terminated by ',';
              
[xiaokang@hadoop hive_data]$ vi a.txt
1,a
2,b
3,c
4,d
7,y
8,u
[xiaokang@hadoop hive_data]$ vi b.txt
2,bb
3,cc
7,yy
9,pp

//导入数据
hive (xiaoliu)> load data local inpath '/home/xiaokang/hive_data/a.txt'
              > into table a;

hive (xiaoliu)> load data local inpath '/home/xiaokang/hive_data/b.txt'
              > into table b;
              
hive (xiaoliu)> select * from a;
OK
a.id	a.name
1	a
2	b
3	c
4	d
7	y
8	u
hive (xiaoliu)> select * from b;
OK
b.id	b.name
2	bb
3	cc
7	yy
9	pp

1. 内关联 inner join
相等的显示出来，不相等的不计

hive (xiaoliu)> select * from a inner join b on a.id=b.id;

本地模式：

hive (xiaoliu)> set hive.exec.mode.local.auto=true

设置为true之后，hive执行会根据处理数据和代码的复杂程度，决定要不要走本地模式。大多数情况下会自动开启本地模式，在我们的linux上用线程来模拟一套分布式计算的环境mr,这样执行效率会大大提高
当然，这是在开发环境，如果是在线上环境，一定不要用本地模式。

2. 左关联 left join
把左表的字段全部显示出来，右表做一个字段的关联，如果关联上相等，显示出来，如果关联不上，显示为null

hive (xiaoliu)> select * from a left join b on a.id=b.id;

3. 右关联 right join

hive (xiaoliu)> select * from a right join b on a.id=b.id;

4. 全外关联 full outer join
右边关联上，右边显示出来，左边显示为null；左边关联上，左边显示出来，右边显示为null；两边关联上，都显示出来

hive (xiaoliu)> select * from a full outer join b on a.id=b.id;

5. 特别的join

hive (xiaoliu)> select * from a left semi join b on a.id=b.id;

相当于

hive (xiaoliu)> select a.id,a.name from a where a.id in (select b.id from b);//在hive中效率极低
hive (xiaoliu)> select a.id,a.name from a join b on (a.id=b.id);

6. 做两个表的笛卡尔积 cross join
返回两个表的笛卡尔积结果，不需要指定关联键。

hive (xiaoliu)> select a.*,b.* from a cross join b;