Apache Hive—join操作

Hive join

Hive中除了支持和传统数据库中一样的内关联、左关联、右关联、全关联，还支持LEFT SEMI JOIN和CROSS JOIN，但这两种JOIN类型也可以用前面的代替。
Hive支持等值连接（a.id=b.id），不支持非等值（a.id>b.id）的连接，因为非等值连接非常难转化到map/reduce任务。另外，Hive支持多2个以上表之间的join。
写join查询时，需要注意几个关键点：

• join时，每次map/reduce任务的逻辑：
  reducer会缓存join序列中除了最后一个表的所有表的记录，再通过最后一个表将结果序列化到文件系统。这一实现有助于在reduce端减少内存的使用量。实践中，应该把最大的那个表写在最后（否则会因为缓存浪费大量内存）。
• LEFT，RIGHT和FULL OUTER关键字用于处理join中空记录的情况
  SELECT a.val,b.val FROM a LEFT OUTER JOIN b ON (a.key=b.key)
  对应所有a表中的记录都有一条记录输出。输出的结果应该是a.val，b.val，当a.key=b.key时，而当b.key中找不到等值的a.key记录时也会输出：
  a.val, NULL
  所以a表中的所有记录都被保留了：
  “a RIGHT OUTER JOIN b”会保留所有b表的记录。
• join发生在WHERE子句之前
  如果你想限制join的输出，应该在WHERE子句中写过滤条件——或是在join子句中写。这里面一个容易混淆的问题是表分区的情况：<