hive的几种join到底有何区别

数据：1. left join2. join3. full join4. Join...on 1=15. union6. union all

hive中，几种join的区别

tom,1
jey,2
lilly,7
lilly,8

tom,1
lilly,3
may,4
bob,5

以上两个为数据，没有什么意义，全是为了检测join的使用

看一下两张表，其实可以看出来，在name一行有重复的，也有不重复的，在id一行1表完全包含2表

left join会把左边的表所有数据列出来，当左边表有而右边表没有的时候，就会用null代替

select *
from jn1
left join jn2
on jn1.name=jn2.name;

jn1.name	jn1.id	jn2.name	jn2.id
tom	1	tom	1
jey	2	NULL	NULL
lilly	7	lilly	3
lilly	8	lilly	3

而右表有左表没有的就不会显示了

join会把两个表共有的部分筛选出来

select *
from jn1
join jn2
on jn1.name=jn2.name;

jn1.name	jn1.id	jn2.name	jn2.id
tom	1	tom	1
lilly	7	lilly	3
lilly	8	lilly	3

可以看到，共有的部分筛选了出来

会把两者没有的有的全部数据都选出来，没有的显示空值

select *
from jn1
full join jn2
on jn1.name = jn2.name;

jn1.name	jn1.id	jn2.name	jn2.id
tom	1	tom	1
NULL	NULL	bob	5
jey	2	NULL	NULL
lilly	7	lilly	3
lilly	8	lilly	3
NULL	NULL	may	4

这种情况会有笛卡尔积的产生，就是表1的每一行都会和表2匹配一下，这样就会产生指数级的增长

select *
from jn1
join jn2
on 1=1;

jn1.name	jn1.id	jn2.name	jn2.id
tom	1	lilly	3
tom	1	bob	5
tom	1	may	4
tom	1	tom	1
jey	2	lilly	3
jey	2	bob	5
jey	2	may	4
jey	2	tom	1
lilly	7	lilly	3
lilly	7	bob	5
lilly	7	may	4
lilly	7	tom	1
lilly	8	lilly	3
lilly	8	bob	5
lilly	8	may	4
lilly	8	tom	1

会把查询结果拼接起来，但是要求两个查询结果的行数必须保持一致

否则会报错

FAILED: SemanticException Schema of both sides of union should match

select *
from jn1
union
select * 
from jn2;

_u1.name	_u1.id
jey	2
lilly	7
bob	5
lilly	3
lilly	8
tom	1
may	4

union会组合起来，那么union all可以不

select *
from jn1
union all
select * 
from jn2;

lilly	3
tom	1
may	4
bob	5
tom	1
jey	2
lilly	7
lilly	8

union和union all的区别

从上述的两个结果就可以看出来了两者的区别，union会自动去重处理，所以结果把重复的数据去掉了，而union all则不会去重。


注意tips：left join会用之后，right join不用说了吧