本文共 3300 字，大约阅读时间需要 11 分钟。

hive里面的连接操作其实跟SQL还是差不多的...

数据准备：创建数据-->创建表-->导入数据

首先创建两个原始数据的文件，这两个文件分别有三列，第一列是id、第二列是名称、第三列是另外一个表的id。通过第二列可以明显的看到两个表做连接查询的结果：

[xingoo@localhost tmp]$ cat aa.txt 1 a 32 b 43 c 1[xingoo@localhost tmp]$ cat bb.txt 1 xxx 22 yyy 33 zzz 5

接下来创建两个表，需要注意的是表的字段分隔符为空格，另一个表可以直接基于当前的表创建。

hive> create table aa    > (a string,b string,c string)    > row format delimited    > fields terminated by ' ';OKTime taken: 0.19 secondshive> create table bb like aa;OKTime taken: 0.188 seconds

查看两个表的结构：

hive> describe aa;OKa                       string                                      b                       string                                      c                       string                                      Time taken: 0.068 seconds, Fetched: 3 row(s)hive> describe bb;OKa                       string                                      b                       string                                      c                       string                                      Time taken: 0.045 seconds, Fetched: 3 row(s)

下面可以基于本地的文件，导入数据

hive> load data local inpath '/usr/tmp/aa.txt' overwrite into table aa;Loading data to table test.aaOKTime taken: 0.519 secondshive> load data local inpath '/usr/tmp/bb.txt' overwrite into table bb;Loading data to table test.bbOKTime taken: 0.321 seconds

内连接

内连接即基于on语句，仅列出表1和表2符合连接条件的数据。

hive> select * from aa a join bb b on a.c=b.a;MapReduce Jobs Launched: Stage-Stage-3:  HDFS Read: 1264 HDFS Write: 90 SUCCESSTotal MapReduce CPU Time Spent: 0 msecOK3   c   1   1   xxx 21   a   3   3   zzz 5Time taken: 17.083 seconds, Fetched: 2 row(s)

左连接

左连接是显示左边的表的所有数据，如果有右边表与之对应，则显示；否则显示null

ive> select * from aa a left outer join bb b on a.c=b.a;MapReduce Jobs Launched: Stage-Stage-3:  HDFS Read: 1282 HDFS Write: 90 SUCCESSTotal MapReduce CPU Time Spent: 0 msecOK1   a   3   3   zzz 52   b   4   NULL    NULL    NULL3   c   1   1   xxx 2Time taken: 16.048 seconds, Fetched: 3 row(s)

右连接

类似左连接，同理。

hive> select * from aa a right outer join bb b on a.c=b.a;MapReduce Jobs Launched: Stage-Stage-3:  HDFS Read: 1306 HDFS Write: 90 SUCCESSTotal MapReduce CPU Time Spent: 0 msecOK3   c   1   1   xxx 2NULL    NULL    NULL    2   yyy 31   a   3   3   zzz 5Time taken: 15.483 seconds, Fetched: 3 row(s)

全连接

相当于表1和表2的数据都显示，如果没有对应的数据，则显示Null.

hive> select * from aa a full outer join bb b on a.c=b.a;MapReduce Jobs Launched: Stage-Stage-1:  HDFS Read: 4026 HDFS Write: 270 SUCCESSTotal MapReduce CPU Time Spent: 0 msecOK3   c   1   1   xxx 2NULL    NULL    NULL    2   yyy 31   a   3   3   zzz 52   b   4   NULL    NULL    NULLTime taken: 1.689 seconds, Fetched: 4 row(s)

左半开连接

这个比较特殊，SEMI-JOIN仅仅会显示表1的数据，即左边表的数据。但是效率会比左连接快，因为他会先拿到表1的数据，然后在表2中查找，只要查找到结果立马就返回数据。

hive> select * from aa a left semi join bb b on a.c=b.a;MapReduce Jobs Launched: Stage-Stage-3:  HDFS Read: 1366 HDFS Write: 90 SUCCESSTotal MapReduce CPU Time Spent: 0 msecOK1   a   33   c   1Time taken: 16.811 seconds, Fetched: 2 row(s)

笛卡尔积

笛卡尔积会针对表1和表2的每条数据做连接...

hive> select * from aa join bb;MapReduce Jobs Launched: Stage-Stage-3:  HDFS Read: 1390 HDFS Write: 90 SUCCESSTotal MapReduce CPU Time Spent: 0 msecOK1   a   3   1   xxx 22   b   4   1   xxx 23   c   1   1   xxx 21   a   3   2   yyy 32   b   4   2   yyy 33   c   1   2   yyy 31   a   3   3   zzz 52   b   4   3   zzz 53   c   1   3   zzz 5

转载自：