如何在没有重复的情况下在 hive 中执行 LEFT OUTER JOIN 以仅检查右表中的一个值？

Posted 2023-04-19

【中文标题】如何在没有重复的情况下在 hive 中执行 LEFT OUTER JOIN 以仅检查右表中的一个值？

【英文标题】：How to perform LEFT OUTER JOIN in hive without duplicates to check only one value in the right table?

【发布时间】：2017-08-09 20:19:45

【问题描述】：

我有两个数据集： 1)

Table A 
id  name
1   raju
2   ramu
2   ramu
3   rakesh

Table A

2)

Table B 
id  Status
1   Y
1   Y
2   N
2   N
2   Y
3   N

Table B

我想在 hive 中执行左外连接（表 A 左外连接表 B），这样在连接列“id”上的两个数据集时，如果表 B 中的状态列在至少一次，则生成的数据集的状态将为“是”，如下所示：

Final Result:       
id  name    Status
1   raju    Yes
2   ramu    Yes
2   ramu    Yes
3   rakesh  No

我不想在执行联接时增加结果中的记录数。结果表应该只有4条记录，而不是5条（增加 基于匹配连接条件的记录）。

我如何做到这一点？

【参考方案1】：

为满足此要求，您需要将表 B 的行数减少到表 A 的每行一行或零行。

这样做，为每个id 值获取一行，状态为Y。

         SELECT DISTINCT id, Status
           FROM B
          WHERE Status = 'Y'

然后您可以使用旧的LEFT JOIN ... IS NOT NULL 技巧来确定 A 的哪些行与 B 的匹配行。

这样做。 (http://sqlfiddle.com/#!9/71d84b/1/0)

SELECT A.id, A.name, 
       CASE WHEN B.Status IS NOT NULL THEN 'Yes' ELSE 'No' END Status
  FROM A
  LEFT JOIN (
         SELECT DISTINCT id, Status
           FROM B
          WHERE Status = 'Y'
       ) B ON A.id = B.id

【讨论】：

不需要在子查询中检索status。该案例可以在id

上完成