如何在 Hive 中使用 NOT IN答案

【问题标题】：How to use NOT IN in Hive如何在 Hive 中使用 NOT IN
【发布时间】：2017-11-26 15:09:55
【问题描述】：

假设我有 2 个表，如下所示。现在，如果我想获得 sql 将给出的结果，insert into B where id not in(select id from A) 这将在表 B 中插入 3 George。

如何在 hive 中实现这一点？

表 A

id  name      
1   Rahul     
2   Keshav    
3   George

表 B

id  name      
1   Rahul     
2   Keshav    
4   Yogesh

【问题讨论】：

我认为this 是一个很好的参考。
复制：stackoverflow.com/questions/20880124/…
Philantrovert,arcticwhite 谢谢我理解为 philantrovert 提出的，它可以通过左外连接来完成。
@arcticwhite - 这个答案已经过时了。
@philantrovert - 这个答案已经过时了。

标签： hadoop hive bigdata

【解决方案1】：

NOT IN 在带有不相关子查询的 WHERE 子句中是 supported since Hive 0.13，它于 3 年多前于 2014 年 4 月 21 日发布。

select * from A where id not in (select id from B where id is not null);

+----+--------+
| id |  name  |
+----+--------+
|  3 | George |
+----+--------+

在早期版本中，外部表的列应使用表名/别名来限定。

hive> select * from A where id not in (select id from B where id is not null);
FAILED: SemanticException [Error 10249]: Line 1:22 Unsupported SubQuery Expression 'id': Correlating expression cannot contain unqualified column references.

hive> select * from A where A.id not in (select id from B where id is not null);
OK
3   George

附言
使用 NOT IN 时，您应该将 is not null 添加到内部查询中，除非您 100% 确定相关列不包含空值。
一个空值足以使您的查询不返回任何结果。

【讨论】：

你好 Dudu，你能详细说明is not null的问题吗？
@Amir，SQL 标准将x not in (a,b,c) 视为x<>a and x<>b and x<>c。例如，如果 c 为 NULL，则 x<>c 为 UNKNOWN，因此整个表达式为 UNKNOWN。 UNKNOWN 被视为 FALSE。这意味着无论x 的值是什么，查询都不会返回任何行。