Hive连接查询

现有两张表：sales 列出了人名及其所购商品的 ID；things 列出商品的 ID 和名称：

hive> select * from sales;
OK
Joe     2
Hank    4
Ali     0
Eve     3
Hank    2
Time taken: 0.085 seconds, Fetched: 5 row(s)
hive> select * from things;
OK
2       Tie
4       Coat
3       Hat
1       Scarf
Time taken: 0.069 seconds, Fetched: 4 row(s)

1.内连接

　　Hive只支持等值连接，这意味着在 ON 关键字后的表达式中只能使用等号。

hive> select sales.*,things.*
    > from sales JOIN things ON(sales.id = things.id);
Joe     2       2       Tie
Hank    4       4       Coat
Eve     3       3       Hat
Hank    2       2       Tie

　　此外还可以在Where子句中指定连接条件。

hive> select sales.*,things.*
    > from sales,things
    > where sales.id = things.id;
OK
Joe     2       2       Tie
Hank    4       4       Coat
Eve     3       3       Hat
Hank    2       2       Tie

　　单个的连接用一个 MR 作业实现。但是，如果多个连接的连接条件中使用了相同的列，那么平均每个连接可以至少用一个 MR 作业来实现。

可以在查询前使用 Explain 关键字来查看 Hive将为某个查询使用多少个 MR 作业：【此部分在以后详述】

hive> explain
    > select sales.*,things.*
    > from sales join things on (sales.id=things.id);

2.外连接

　　　　外连接可以让你找到连接表中不能匹配的数据行。

　　　　前面的内连接，【Ali】那一行没有出现在输出中。因为她所购买商品的ID没有在things表中出现。

　　左外连接：就可以显示左边表的所有数据行：T_Name1 LEFT OUTER JOIN T_Name2 ON（）

hive> select sales.*,things.*
    > from sales LEFT OUTER JOIN things ON(sales.id = things.id);
OK
Joe     2       2       Tie
Hank    4       4       Coat
Ali     0       NULL    NULL
Eve     3       3       Hat
Hank    2       2       Tie
Time taken: 13.387 seconds, Fetched: 5 row(s)

　　右外连接：T_Name1 RIGHT OUTER JOIN T_Name2 ON（）

hive> select sales.*,things.*
    > from sales RIGHT OUTER JOIN things ON(sales.id = things.id);
OK
Joe     2       2       Tie
Hank    2       2       Tie
Hank    4       4       Coat
Eve     3       3       Hat
NULL    NULL    1       Scarf
Time taken: 14.54 seconds, Fetched: 5 row(s)

　　全外连接：T_Name1 FULL OUTER JOIN T_Name2 ON（）

hive> select sales.*,things.*
    > from sales FULL OUTER JOIN things ON(sales.id = things.id);
OK
Ali     0       NULL    NULL
NULL    NULL    1       Scarf
Hank    2       2       Tie
Joe     2       2       Tie
Eve     3       3       Hat
Hank    4       4       Coat
Time taken: 44.671 seconds, Fetched: 6 row(s)

　　半连接：T_Name1 LEFT SEMI JOIN T_Name2 ON（）　　

hive> select * from things
    > where things.id in
    > (select id from sales);
OK
2       Tie
4       Coat
3       Hat
Time taken: 15.633 seconds, Fetched: 3 row(s)

　　这种IN查询可以转化为 半连接查询 ：

　　左半连接查询必须遵循一个限制：右表(sales)只能在ON子句中出现。例如，不能在Select表达式中引用右表。

hive> select * from things
    > LEFT SEMI JOIN sales ON(sales.id=things.id);
OK
2       Tie
4       Coat
3       Hat
Time taken: 13.169 seconds, Fetched: 3 row(s)