Hive 的 left semi join 讲解

介绍

LEFT SEMI JOIN （左半连接）是 IN/EXISTS 子查询的一种更高效的实现。

示例

SELECT A.KEY,A.VALUE
FROM A
WHERE A.KEY IN(SELECT B.KEY FROM B)

可以改写为

SELECT A.KEY,A.VAL
FROM A LEFT SEMI JOIN B
ON (A.KEY = B.KEY)

特点

1、left semi join 的限制是， JOIN 子句中右边的表只能在 ON 子句中设置过滤条件，在 WHERE 子句、SELECT 子句或其他地方过滤都不行。

2、left semi join 是只传递表的 join key 给 map 阶段，因此left semi join 中最后 select 的结果只许出现左表。

3、因为 left semi join 是 in(keySet) 的关系，遇到右表重复记录，左表会跳过，而 join 则会一直遍历。这就导致右表有重复值得情况下 left semi join 只产生一条，join 会产生多条，也会导致 left semi join 的性能更高。

比如以下A表和B表进行 join 或 left semi join，然后 select 出所有字段，结果区别如下：

image.png

注意：蓝色叉的那一列实际是不存在left semi join中的，因为最后 select 的结果只许出现左表。