t_a 表的记录如下
c1 |
:———— |
a |
b |
c |
生成 SQL 如下：
create table t_a(c1 string);
insert into t_a values("a"),("b"),("c");
t_b 表的记录如下
| c1 |
|---|
| b |
| m |
生成 SQL 如下：
create table t_b(c1 string);
insert into t_b values("b"),("m");
我们要在t_a 中出现，而不在 t_b中出现的记录。
结果需要为：
| c1 |
|---|
| a |
| c |
- 写法1 — 使用not in
select * from t_a
where c1 not in(select c1 from t_b);
- 写法2 —使用 left join 关联上的去掉
这种写法不容易读懂。
select a.* from t_a a left join t_b b
on a.c1=b.c1
where b.c1 is null;
注意 left join 中 b.c1 is null 不能谓词下推。文章来源：https://www.toymoban.com/news/detail-696407.html
生成的执行计划如下。注意，在 join 后才过滤 _col1 is null，关联上的 _col1 肯定是 not null，所以关联上的全去掉。文章来源地址https://www.toymoban.com/news/detail-696407.html
Plan optimized by CBO.
Vertex dependency in root stage
Map 1 <- Map 2 (BROADCAST_EDGE)
Stage-0
Fetch Operator
limit:-1
Stage-1
Map 1 vectorized
File Output Operator [FS_20]
Select Operator [SEL_19] (rows=1 width=93)
Output:["_col0"]
Filter Operator [FIL_18] (rows=1 width=93)
predicate:_col1 is null
Map Join Operator [MAPJOIN_17] (rows=2 width=93)
Conds:SEL_16._col0=RS_15._col0(Left Outer),Output:["_col0","_col1"]
<-Map 2 [BROADCAST_EDGE] vectorized
BROADCAST [RS_15]
PartitionCols:_col0
Select Operator [SEL_14] (rows=2 width=85)
Output:["_col0"]
TableScan [TS_2] (rows=2 width=85)
ods@t_b,b,Tbl:COMPLETE,Col:NONE,Output:["c1"]
<-Select Operator [SEL_16] (rows=2 width=85)
Output:["_col0"]
TableScan [TS_0] (rows=2 width=85)
ods@t_a,a,Tbl:COMPLETE,Col:NONE,Output:["c1"]
Time taken: 0.159 seconds, Fetched: 29 row(s)
- 写法3 — except
这种写法运行速度比较慢，并且如果每个表有多个字段，但是，仅按少数的字段进行判断的话就不适合。
select * from t_a except select * from t_b;
到了这里，关于hive anti join 的几种写法的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
