HiveQL 不等式连接答案

【问题标题】：HiveQL Inequality JoinHiveQL 不等式连接
【发布时间】：2012-08-13 10:32:32
【问题描述】：

我知道 Hive for Hadoop 不支持不等式连接。但是，我有一个查询似乎运行正常。至于结果是否正确，我很怀疑，因为我有一位同事与我分享了这个结果，他发现它没有产生正确的结果。

这里是：

select foo.id, count(foo.*) as foo_vol, count(bar.*) as bar_vol 
from foo
 left outer outer join bar
  on foo.id = bar.id
  and (bar.f2 in (x, y, z)) = FALSE
group by foo.id

任何人对为什么这解释和运行正常有任何想法？不等式连接的问题实际上是否与标准是否使用连接双方的字段有关？ FB / apache 确认过这种类型的查询会产生错误的结果吗？

为任何帮助干杯，马特

【问题讨论】：

标签： join hadoop hive inequality

【解决方案1】：

据我所知，您的查询确实是 eque join : foo.id = bar.id
条件： (bar.f2 in (x, y, z)) = FALSE 仅应用于条形表，不应被视为连接的一部分。
在 Hive 中对表字段设置不相等条件没有任何限制。

【讨论】：

谢谢大卫，是的，我明白你的意思，因为该语句仅适用于 bar...我猜如果表达式类似于 foo.id

【解决方案2】：

在 hive 中外部连接的结果有时是错误的。我正在努力。

https://issues.apache.org/jira/browse/HIVE-3381

【讨论】：

太好了，谢谢纳维斯。顺便说一句，我正在使用 Hive 版本 0.7.1 和 Hadoop 0.20.2 (CDH3)