猪：超过2个关系的外部连接

Posted 2023-04-18

【中文标题】猪：超过2个关系的外部连接

【英文标题】：Pig: Outer join on more than 2 relations

【发布时间】：2012-10-30 00:51:22

【问题描述】：

我想做一个涉及 3 个表的外连接。我试过这个：

features = JOIN group_event by group left outer, group_session by group, group_order by group;

我希望 group_event 的所有行都出现在输出中，即使其他 2 个关系中的一个或两者都不匹配。

上面的命令不起作用。显然因为它不应该工作（http://pig.apache.org/docs/r0.7.0/piglatin_ref2.html#JOIN+%28outer%29）

Outer joins will only work for two-way joins; to perform a multi-way outer join, you will need to perform multiple two-way outer join statements.

拆分工作，可以这样做：

features1 = JOIN group_event by group left outer, group_session by group;
features2 = JOIN features1 by group_event::group left outer, group_order by group;

有什么想法可以在单个命令中执行此操作吗？ （如果要加入更多数量的表会很有用）

【参考方案1】：

我认为在某些时候，我们需要信任文档，不要尝试单个命令多个外部连接。

为什么？以下行应该如何工作？

JOIN a BY a1 LEFT OUTER, b BY b1, c BY c1

LEFT OUTER 是否适用于两个表，还是只适用于第一个？如果是前者，那么b 和c 之间的LEFT OUTER 是否应该删除所有在b 中不匹配的记录？还是在a？你越寻找它，它就越没有意义，不是吗？

您想要做的是 JOIN 关系 a 与 b 到 ab 然后 ab 与 c。如果您考虑一下，由于中间状态ab，在单个命令中执行它是不自然的。