Hive的left join，left outer join和left semi join三者的区别

Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。

最常用的就是多表关联查询，主要讲解下join、outer join和semi join的具体使用。

join是最简单的关联操作，两边关联只取交集。

Hive没有left join !!!

outer join分为left outer join、right outer join和full outer join。

left outer join是以左表驱动，右表不存在的key均赋值为null；

right outer join是以右表驱动，左表不存在的key均赋值为null；

full outer join全表关联，将两表完整的进行笛卡尔积操作，左右表均可赋值为null。

semi join最主要的使用场景就是解决exist in。

Hive不支持where子句中的子查询，SQL常用的exist in子句在Hive中是不支持的。

SELECT a.key, a.value

FROM a

WHERE a.key in (SELECT b.key FROM B);

可以改写为：

SELECT a.key, a.value

FROM a LEFT OUTER JOIN b ON (a.key = b.key)

WHERE b.key <> NULL;

一个更高效的实现为：

SELECT a.key, a.value

FROM a LEFT SEMI JOIN b on (a.key = b.key);

left semi join是0.5.0以上版本的特性。