由于HIVE中都是等值连接,在JOIN使用的时候,有两种写法在理论上是可以达到相同的效果的,但是由于实际情况的不一样,子表中数据的差异导致结果也不太一样。
写法一:
3121 条
写法二:
结果是:3142
这两种写法带来的值居然不是相等的,我一直以为理解这两种方式的写法是一样的,
但是统计的结果却是不一样的。
目前还没有搞清楚是什么原因,谁能那个搞清楚呢。
经过一层一层的查找,发现是由于子表(tmall_data_fdi_dim_main_auc)中存在重复的数据,当使用JOIN ON的时候,A,B表会关联出两条记录,应为ON上的条件符合;
而是用LEFT SEMI JOIN 当A表中的记录,在B表上产生符合条件之后就返回,不会再继续查找B表记录了,所以如果B表有重复,也不会产生重复的多条记录。
大多数情况下JOIN ON 和left semi on是对等的,但是在上述情况下会出现重复记录。大家以后可要小心。
写法一:
- select
- a.bucket_id,
- a.search_type,
- a.level1,
- a.name1,
- a.level2,
- a.name2,
- cast((a.alipay_fee) as double) as zhuliu_alipay,
- cast(0 as double) as total_alipay
- from tmall_data_fdi_search_zhuliu_alipay_cocerage_bucket_1 a
- left semi join
- tmall_data_fdi_dim_main_auc b
- on (a.level2 = b.cat_id2
- and a.brand_id = b.brand_id
- and b.cat_id2 > 0
- and b.brand_id > 0
- and b.max_price = 0
- )
3121 条
写法二:
- select
- a.bucket_id,
- a.search_type,
- a.level1,
- a.name1,
- a.level2,
- a.name2,
- cast((a.alipay_fee) as double) as zhuliu_alipay,
- cast(0 as double) as total_alipay
- from tmall_data_fdi_search_zhuliu_alipay_cocerage_bucket_1 a
- join tmall_data_fdi_dim_main_auc b
- on (a.level2 = b.cat_id2
- and a.brand_id = b.brand_id)
- where b.cat_id2 > 0
- and b.brand_id > 0
- and b.max_price = 0
结果是:3142
这两种写法带来的值居然不是相等的,我一直以为理解这两种方式的写法是一样的,
但是统计的结果却是不一样的。
目前还没有搞清楚是什么原因,谁能那个搞清楚呢。
经过一层一层的查找,发现是由于子表(tmall_data_fdi_dim_main_auc)中存在重复的数据,当使用JOIN ON的时候,A,B表会关联出两条记录,应为ON上的条件符合;
而是用LEFT SEMI JOIN 当A表中的记录,在B表上产生符合条件之后就返回,不会再继续查找B表记录了,所以如果B表有重复,也不会产生重复的多条记录。
大多数情况下JOIN ON 和left semi on是对等的,但是在上述情况下会出现重复记录。大家以后可要小心。