Hive表连接

Hive中表连接操作大致分为以下四种：

1：join即等值连接，只有某个值在两个表中同时存在才会被检索出来。

2：left outer join即左外连接，左边表中的值无论是否存在右表中，都会输出，但是右表中的记录只有在左表中存在时才会输出。

3：right outer join即右外连接，右边表中的值无论是否存在左表中，都会输出，但是左表中的记录只有在右边中存在时才会输出(和left outer join相反)。

4：left semi join即左半连接，类似于exits。

下面我们通过具体的例子来说明这几种连接操作：

#user表中的数据如下：

[java] view plain copy

1. hive (hive)> select * from user;
2. OK
3. id  name
4. 1   lavimer
5. 2   liaozhongmin
6. 3   liaozemin
7. Time taken: 0.112 seconds

#post表中的数据如下：

[java] view plain copy

1. hive (hive)> select * from post;
2. OK
3. uid pid title
4. 1   1   Thinking in Java
5. 1   2   Thinking in Hadoop
6. 2   3   Thinking in C
7. 4   4   Thinking in Hive
8. 5   5   Thinking in HBase
9. 5   6   Thinking in Pig
10. 5   7   Thinking in Flume
11. Time taken: 0.11 seconds

一：等值连接

[java] view plain copy

1. hive (hive)> select s.id,s.name,t.pid,t.title from
2. > (select id,name from user) s
3. > join
4. > (select uid,pid,title from post) t
5. > on s.id=t.uid;

查询出来的结果如下：

[java] view plain copy

1. id  name    pid title
2. 1   lavimer 1   Thinking in Java
3. 1   lavimer 2   Thinking in Hadoop
4. 2   liaozhongmin    3   Thinking in C

二：左外连接

[java] view plain copy

1. hive (hive)>
2. > select s.id,s.name,t.pid,t.title from
3. > (select id,name from user) s
4. > left outer join
5. > (select uid,pid,title from post) t
6. > on s.id=t.uid;

查询出来的结果如下：

[java] view plain copy

1. id  name    pid title
2. 1   lavimer 1   Thinking in Java
3. 1   lavimer 2   Thinking in Hadoop
4. 2   liaozhongmin    3   Thinking in C
5. 3   liaozemin   NULL    NULL

注：从上面的结果可以看出，post表的uid只有在user表中存在时才会输出记录，否则输出NULL。

三：右外连接

[java] view plain copy

1. hive (hive)> select s.id,s.name,t.pid,t.title from
2. > (select id,name from user) s
3. > right outer join
4. > (select uid,pid,title from post) t
5. > on s.id=t.uid;

查询出来的结果如下：

[java] view plain copy

1. id  name    pid title
2. 1   lavimer 1   Thinking in Java
3. 1   lavimer 2   Thinking in Hadoop
4. 2   liaozhongmin    3   Thinking in C
5. NULL    NULL    4   Thinking in Hive
6. NULL    NULL    5   Thinking in HBase
7. NULL    NULL    6   Thinking in Pig
8. NULL    NULL    7   Thinking in Flume

注：从上面的结果可以看出，user表中的id只有在post表中存在时才会输出记录，否则输出NULL。

四：左半连接

[java] view plain copy

1. hive (hive)> select s.id,s.name from
2. > (select id,name from user) s
3. > left semi join
4. > (select uid,pid,title from post) t
5. > on s.id=t.uid;

查询出来的结果如下：

[java] view plain copy

1. id  name
2. 1   lavimer
3. 2   liaozhongmin

这个left semi join比较有意思，因为Hive中没有in/exits这样的子句，但是我们有需要这样的操作，所以Hive将这种类型的子句转换成left semi join。

上面的语句可以简写为如下形式：

[java] view plain copy

1. hive (hive)> select user.id,user.name from user
2. > left semi join
3. > post
4. > on (user.id=post.uid);

上面的HQL语句等价于下面的SQL语句：

[java] view plain copy

1. select id,name from user
2. where id in
3. (select uid from post);