Hive-如何在 ON 语句中使用 OR 子句连接表答案

【问题标题】：Hive-How to join tables with OR clause in ON statementHive-如何在 ON 语句中使用 OR 子句连接表
【发布时间】：2020-09-09 07:26:06
【问题描述】：

我遇到了以下问题。在我的 oracle 数据库中，我有如下查询：

select * from table1 t1
inner join table2 t2 on 
(t1.id_1= t2.id_1 or t1.id_2 = t2.id_2)

而且效果很好。现在我需要在配置单元上重新编写查询。我已经看到 OR 子句在 hive 中的 JOINS 中不起作用（错误警告：'OR 在 JOIN 中不受支持'）。除了在两个单独的查询之间拆分查询并将它们合并之外，是否有任何解决方法？

【问题讨论】：

标签： join hive left-join hiveql coalesce

【解决方案1】：

另一种方法是合并两个连接，例如，

select * from table1 t1
inner join table2 t2 on 
(t1.id_1= t2.id_1)
union all
select * from table1 t1
inner join table2 t2 on 
(t1.id_2 = t2.id_2)

【讨论】：

【解决方案2】：

Hive 不支持非 equi 连接。常见的方法是将连接 ON 条件移至 WHERE 子句。在最坏的情况下，它将是 CROSS JOIN + WHERE 过滤器，如下所示：

select * 
  from table1 t1
       cross join table2 t2
 where (t1.id_1= t2.id_1 or t1.id_2 = t2.id_2)

由于 CROSS JOIN 的行乘法，它可能会运行缓慢。

您可以尝试执行两个 LEFT 联接而不是 CROSS，并在两个条件都为 false 时过滤掉案例（例如查询中的 INNER JOIN）。这可能比交叉连接执行得更快，因为不会乘以所有行。也可以使用 NVL() 或 coalesce() 计算从第二个表中选择的列。

select t1.*, 
       nvl(t2.col1, t3.col1) as t2_col1, --take from t2, if NULL, take from t3
       ... calculate all other columns from second table in the same way 
  from table1 t1
       left join table2 t2 on t1.id_1= t2.id_1
       left join table2 t3 on t1.id_2 = t3.id_2
 where (t1.id_1= t2.id_1 OR t1.id_2 = t3.id_2) --Only joined records allowed likke in your INNER join

如你所问，不需要 UNION。

【讨论】：