【数据库】join的用法和场景（包含非等值于非等值）

又好久没写文章了~今天来写写数据库join的事情

其实最近在看《长安十二时辰》，讲实话蛮好看的，为此我还用支付宝的积分换了一个月的优酷会员呢！

写了挺长时间的sql，join这个功能应该说是非常常见，而且非常好用的了，他的实现是将两部分数据笛卡尔积，然后通过on字段来筛选符合条件的结果。

一、等值join

等值的join一般是实现两种功能：

1、过滤掉不需要的数据

场景：

表A有100W人的行为

表B有10W人的uid

表A Join 表B，就可以得到表B中10W人的行为

2、获得更多信息

表A有10W人的uid和基础属性

表B有10W人的下订单的数据

表C有具体商品的详细信息

三表关联就可以得到10W人的基础信息和他们所购买的所有商品的详细信息

题外话：场景一在大数据场景下，各种框架都会有优化，优化的策略基本都是内存加载表B，然后读取表A每一条数据的时候，直接判断该条数据的uid是否存在于表B，以此来决定表A中哪些数据该保留，哪些不该保留。hive中这个功能叫map join，spark通过广播变量实现。

 

二、那么来说说不等值的join

不等值join一般也有如下场景

1、某个数据段的匹配

举两个例子说明：

例子一：购买折扣商品：

一次性买1~10个，打8折

一次性买11~20个，打6折

一次性买21~30个，打5折

小明买了25个，应该打几折呢？

表A：

开始个数	结束个数	折扣
1	10	0.8
11	20	0.6
21	30	0.5

 

表B：

uid	购买个数
小明	25
小红	13

 

--sql实现：

select uid,购买个数,折扣 

from 表B 

inner join 表A 

on 表B.购买个数 >=表A.开始个数 and 表B.购买个数 <=表A.结束个数

例子二：跟上一个例子一样，只是用的是时间维度

我就直接引用别人的文章了

spark sql 不等值 join：https://blog.51cto.com/10120275/2171066（作者：巧克力黑）

2、模糊匹配

简而言之就是：判断表A中某个字段是否like表B中的另一个字段

随便举个例子：

表A是uid的基础属性，表B是一些标签（就是一些中文），我想要筛选出uid的name中包含表B中任一标签的uid都有谁

--greenplum的写法
SELECT *
FROM 表A
INNER JOIN
(SELECT 
 tag from 表B where 某些筛选条件) b
 ON username LIKE '%'|| tag||'%'


--mysql的写法
SELECT *
FROM 表A
INNER JOIN 
(SELECT 
 tag from 表B where 某些筛选条件) b
ON username  LIKE CONCAT('%' , tag , '%') 

大部分的数据库都是支持以上的sql的，但是比如大数据常用的框架Hive其实是不支持非等值的join的，所以思想是一样，只是实现不一样！

hive可以通过locate函数实现

【Hive】join中的模糊匹配（locate）：https://blog.youkuaiyun.com/qq_34105362/article/details/80540164（作者：喜东东cc）

 

所以，其实sql是很好用的工具，虽然数据库多种多样，但是他的实现思想很共通，而且网上能搜索到的资料还是比较全的，在做数据开发的时候，还需多加思考该功能用sql如何实现，毕竟大多数场景下，能从sql中直接得到结果的开发时间是较短的，效率也是较高的，而且移植起来也是相对比较容易的！！

本人菜鸡一只，不过还是很努力在写博客，力争写出不误导他人的博文！所以如果有哪里写得有误，还请大家批评指正，我一定立马修改~

写下这篇文章，还得感谢下我的王基友，产品经理随便说了一个试试看的需求，我本意是想用代码实现，但又觉得麻烦，在和王基友的讨论下，决定还是用非等值join来实现，当然确实是又快又好的实现了这个需求（虽然这个需求只是试试），果然要多和有经验的厉害的人讨论问题开阔视野啊，时常觉得自己是井底之蛙~呱呱！