INNER JOIN 和 LEFT SEMI JOIN 的区别答案

【问题标题】：Difference between INNER JOIN and LEFT SEMI JOININNER JOIN 和 LEFT SEMI JOIN 的区别
【发布时间】：2014-03-11 10:03:26
【问题描述】：

INNER JOIN 和 LEFT SEMI JOIN 有什么区别？

在下面的场景中，为什么我会得到两个不同的结果？

INNER JOIN 结果集要大得多。有人可以解释吗？我正在尝试获取仅出现在 table_2 中的 table_1 中的名称。

SELECT name
FROM table_1 a
    INNER JOIN table_2 b ON a.name=b.name

SELECT name
FROM table_1 a
    LEFT SEMI JOIN table_2 b ON (a.name=b.name)

【问题讨论】：

内连接将实现您的目标。在看到这个问题之前，我从未听说过半联接。
left semi join 应该返回比inner join 更多的行。
inner join 仅在两个表之间存在匹配时才会返回数据。无论是否在第二个表中找到匹配记录，left join 都会从第一个表返回数据。
@GordonLinoff 不一定，LEFT SEMI JOIN 只会从左边返回一行，即使右边有多个匹配项。如果右侧有多个匹配，INNER JOIN 将返回多行。
@j03z 这不正确。如果左半连接的目的是 1）只返回左表中的信息（正如其他人所说）和 2）无论匹配如何都从左表返回行（正如我认为你所说的那样），那么那就是只是原来的左表——不需要连接来完成它。我认为其他人必须是正确的，即左半连接 1) 仅返回左表中的列，2) 仅返回在右表中匹配的行，以及 3) 将从左侧返回单行或更多匹配项。

标签： sql hql hive

【解决方案1】：

INNER JOIN 可以从两个表的列中返回数据，并且可以在任一侧具有多个匹配项的重复记录值。 LEFT SEMI JOIN 只能返回左侧表中的列，并从左侧表中产生一条记录，其中右侧表中有一个或多个匹配项（无论匹配项的数量如何）。它相当于（在标准 SQL 中）：

SELECT name
FROM table_1 a
WHERE EXISTS(
    SELECT * FROM table_2 b WHERE (a.name=b.name))

如果右侧列中有多个匹配行，INNER JOIN 将为右侧表中的每个匹配返回一行，而 LEFT SEMI JOIN 仅返回来自左表，无论右侧匹配的行数如何。这就是您在结果中看到不同数量的行的原因。

我正在尝试获取 table_1 中仅出现在 table_2 中的名称。

那么LEFT SEMI JOIN 是合适的查询。

【讨论】：

真的有LEFT SEMI JOIN这样的东西吗？不只是一个SEMI JOIN吗？ RIGHT SEMI JOIN 没有意义，是吗？
在Hive，是的。
很好的答案正是我想要的。我会更准确地说出答案：“...INNER JOIN 将为每个匹配的右表行返回一行，而 LEFT SEMI JOIN...
与此相反的是LEFT ANTI JOIN，它根据一个key在左表中过滤掉右表中的数据。我想我会把这个金块留给可能正在寻找的人！

【解决方案2】：

假设有 2 个表 TableA 和 TableB，只有 2 列（Id、Data）和以下数据：

表A：

+----+---------+
| Id |  Data   |
+----+---------+
|  1 | DataA11 |
|  1 | DataA12 |
|  1 | DataA13 |
|  2 | DataA21 |
|  3 | DataA31 |
+----+---------+

表B：

+----+---------+
| Id |  Data   |
+----+---------+
|  1 | DataB11 |
|  2 | DataB21 |
|  2 | DataB22 |
|  2 | DataB23 |
|  4 | DataB41 |
+----+---------+

Inner Join 列 Id 将返回两个表中的列，并且只返回匹配的记录：

.----.---------.----.---------.
| Id |  Data   | Id |  Data   |
:----+---------+----+---------:
|  1 | DataA11 |  1 | DataB11 |
:----+---------+----+---------:
|  1 | DataA12 |  1 | DataB11 |
:----+---------+----+---------:
|  1 | DataA13 |  1 | DataB11 |
:----+---------+----+---------:
|  2 | DataA21 |  2 | DataB21 |
:----+---------+----+---------:
|  2 | DataA21 |  2 | DataB22 |
:----+---------+----+---------:
|  2 | DataA21 |  2 | DataB23 |
'----'---------'----'---------'

列Id 上的

左连接（或左外连接）将返回表中的列以及与左表中的记录匹配的记录（右表中的空值）：

.----.---------.----.---------.
| Id |  Data   | Id |  Data   |
:----+---------+----+---------:
|  1 | DataA11 |  1 | DataB11 |
:----+---------+----+---------:
|  1 | DataA12 |  1 | DataB11 |
:----+---------+----+---------:
|  1 | DataA13 |  1 | DataB11 |
:----+---------+----+---------:
|  2 | DataA21 |  2 | DataB21 |
:----+---------+----+---------:
|  2 | DataA21 |  2 | DataB22 |
:----+---------+----+---------:
|  2 | DataA21 |  2 | DataB23 |
:----+---------+----+---------:
|  3 | DataA31 |    |         |
'----'---------'----'---------'

列Id 上的

右连接（或右外连接）将返回表中的列以及与右表中的记录匹配的记录（左表中的空值）：

┌────┬─────────┬────┬─────────┐
│ Id │  Data   │ Id │  Data   │
├────┼─────────┼────┼─────────┤
│  1 │ DataA11 │  1 │ DataB11 │
│  1 │ DataA12 │  1 │ DataB11 │
│  1 │ DataA13 │  1 │ DataB11 │
│  2 │ DataA21 │  2 │ DataB21 │
│  2 │ DataA21 │  2 │ DataB22 │
│  2 │ DataA21 │  2 │ DataB23 │
│    │         │  4 │ DataB41 │
└────┴─────────┴────┴─────────┘

列Id 上的

完全外连接 将返回表中的列以及与左表中的记录（右表中的空值）和右表中的记录（左表中的空值）匹配的记录表）：

╔════╦═════════╦════╦═════════╗
║ Id ║  Data   ║ Id ║  Data   ║
╠════╬═════════╬════╬═════════╣
║  - ║         ║    ║         ║
║  1 ║ DataA11 ║  1 ║ DataB11 ║
║  1 ║ DataA12 ║  1 ║ DataB11 ║
║  1 ║ DataA13 ║  1 ║ DataB11 ║
║  2 ║ DataA21 ║  2 ║ DataB21 ║
║  2 ║ DataA21 ║  2 ║ DataB22 ║
║  2 ║ DataA21 ║  2 ║ DataB23 ║
║  3 ║ DataA31 ║    ║         ║
║    ║         ║  4 ║ DataB41 ║
╚════╩═════════╩════╩═════════╝

Left Semi Join Id 列将仅返回左表中的列，仅返回左表中的匹配记录：

┌────┬─────────┐
│ Id │  Data   │
├────┼─────────┤
│  1 │ DataA11 │
│  1 │ DataA12 │
│  1 │ DataA13 │
│  2 │ DataA21 │
└────┴─────────┘

【讨论】：

我以前称之为“LEFT INNER Join”。
DISTINCT of A.* from INNER JOIN 结果等价于 LEFT SEMI JOIN。
Distinct 听起来不安全，假设 A 包含两条相同的记录。
即使结果最终相同，与 EXISTS 相比，使用 DISTINCT 的计划成本可能更高

【解决方案3】：

在 Hive 中尝试并得到以下输出

表1

1，wqe，钦奈，印度

2，斯图，塞勒姆，印度

3，米娅，班加罗尔，印度

4，yepie，纽约，美国

表2

1，wqe，钦奈，印度

2，斯图，塞勒姆，印度

3，米娅，班加罗尔，印度

5，chapie，洛杉矶，美国

内联

SELECT * FROM table1 INNER JOIN table2 ON (table1.id = table2.id);

1 wqe 印度钦奈 1 wqe 钦奈印度

2 斯图塞勒姆印度 2 斯图塞勒姆印度

3 mia 印度班加罗尔 3 mia 印度班加罗尔

左连接

SELECT * FROM table1 LEFT JOIN table2 ON (table1.id = table2.id);

1 wqe 印度钦奈 1 wqe 钦奈印度

2 斯图塞勒姆印度 2 斯图塞勒姆印度

3 mia 印度班加罗尔 3 mia 印度班加罗尔

4 yepie newyork USA NULL NULL NULL NULL

左半连接

SELECT * FROM table1 LEFT SEMI JOIN table2 ON (table1.id = table2.id);

1 wqe 印度钦奈

2 斯图塞勒姆印度

3 mia 印度班加罗尔

注意：只显示左表中的记录，而左连接显示两个表记录

【讨论】：

【解决方案4】：

以上所有答案都是正确的。然而在实践中，在想象 LEFT SEMI JOIN 时，关联filter 的心智模型会有所帮助。

答案是 LEFT 表中的行子集，它们在 RIGHT TABLE 中有匹配项。

【讨论】：