hive用union all合并两个表，新表中怎么查询某个数据原本是什么表，用什么语句

在Hive中使用UNION ALL合并表后，如果需要识别某条数据来自哪个源表，可以通过以下方法实现：

方法一：添加标识列（推荐）

在合并时为每个表添加一个标识列：

SELECT 
    col1, 
    col2, 
    col3,
    'table1' as source_table  -- 添加标识
FROM table1

UNION ALL

SELECT 
    col1, 
    col2, 
    col3,
    'table2' as source_table  -- 添加标识
FROM table2;

方法二：使用子查询或CTE

如果已经合并了表但没有标识列，可以通过查询原始表来追溯：

-- 查询某条数据来自哪个表
WITH combined_data AS (
    SELECT * FROM (
        SELECT *, 'table1' as source_table FROM table1
        UNION ALL
        SELECT *, 'table2' as source_table FROM table2
    ) t
)
SELECT * FROM combined_data 
WHERE some_condition;

方法三：事后分析（如果表结构相同且有唯一标识）

-- 假设有唯一ID字段
SELECT 
    '存在于table1' as source_info
FROM final_table ft
WHERE EXISTS (SELECT 1 FROM table1 t1 WHERE t1.id = ft.id)

UNION ALL

SELECT 
    '存在于table2' as source_info
FROM final_table ft
WHERE EXISTS (SELECT 1 FROM table2 t2 WHERE t2.id = ft.id);

完整示例

-- 创建示例表
CREATE TABLE sales_2023 (
    id INT,
    product STRING,
    amount DOUBLE
);

CREATE TABLE sales_2024 (
    id INT,
    product STRING,
    amount DOUBLE
);

-- 合并并添加来源标识
SELECT 
    id,
    product,
    amount,
    '2023_sales' as source_table,
    year('2023-01-01') as year
FROM sales_2023

UNION ALL

SELECT 
    id,
    product,
    amount,
    '2024_sales' as source_table,
    year('2024-01-01') as year
FROM sales_2024;

-- 查询时过滤特定来源
SELECT * FROM (
    SELECT *, '2023_sales' as source_table FROM sales_2023
    UNION ALL
    SELECT *, '2024_sales' as source_table FROM sales_2024
) combined
WHERE source_table = '2023_sales';

注意事项

1. 推荐使用方法一：在合并时就添加标识列，这是最高效的方式
2. 确保列对齐：使用UNION ALL时，所有SELECT语句的列数、数据类型必须一致
3. 性能考虑：如果表很大，添加标识列的方式比事后JOIN查询性能更好
4. 标识列命名：使用有意义的标识值，便于后续查询和理解

第一种方法是最直接和高效的解决方案，建议在数据合并阶段就添加来源标识。