hive中join用法

1.  内连接：inner join

 

--join优化：在进行join的时候，大表放在最后面

 

--但是使用 /*+streamtable(大表名称)*/ 来标记大表，那么大表放在什么位置都行了

 

select /*+streamtable(s)*/ s.ymd,d.dividend

 

from stocks s inner join dividends d on s.ymd=d.ymd and s.symbol=d.symbol

 

where s.symbol=’aapl’

 

2.  外连接：left outer join,right outer join,full outer join

 

把外连接(outer join)中where语句中的过滤条件，放在on语句是无效的。不过对于内连接有效。

 

3.  笛卡尔积：join

 

join的时候不使用on，而使用where的。

 

--笛卡尔积join很缓慢，可以设置hive.mapred.mode=strict来阻止执行

 

hive.mapred.mode=strict

 

4. 左半开连接：left semi-join（hive不支持右半开连接）

 

左半开连接（left semi-join）会返回左边表的记录，前提是其记录对于右边表满足on语句中的判定条件。

 

select和where语句中都不能引用右边表的字段。

 

适用场景：

 

因为hive不支持in...exists结构，所以要使用左半开连接代替.

 

注意点：

 

semi-join比inner join更高效

 

hive不支持右半开连接.

 

5.  map端join：map-side join

 

map-side join：hive可以在map端执行连接过程（对于在join时有一个是小表的情况）

 

 使用map-side join，需要配置下：

（1）hive0.7版本之前，需要加/*+ mapjoin(表名) */

 

select /*+ mapjoin(d) */ s.ymd,d.dividend from stocks s join dividends d

 

on s.ymd=d.ymd and s.symbol=d.symbol

 

where s.symbol=’AAPL

（2）hive0.7版本开始，设置hive.auto.convert.join=true

 

hive.auto.convert.join=true

 

hive.mapjoin.smalltable.filsize=25000000    --使用这个优化的小表的大小(单位：字节)--注意：右外连接和全外连接不支持这个优化

 

备注：

 

(1). hive的join语句，只支持等值连接。

(2). 注：pig提供的交叉生成功能支持“非等值连接”.

(3). hive目前不支持在join 的on子句中使用or。