hive join

https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Joins

• 语法

  join_table:
   table_reference [INNER] JOIN table_factor [join_condition]
   table_reference {LEFT|RIGHT|FULL} [OUTER] JOIN table_reference join_condition
   table_reference LEFT SEMI JOIN table_reference join_condition
   table_reference CROSS JOIN table_reference [join_condition] (as of Hive ``0.10``)

1. Hive 0.13.0之后可以使用隐式join，即：SELECT * FROM table1 t1, table2 t2 WHERE t1.id = t2.id，默认为inner join

2. 多个表join时，如果用作连接的列为同一列，则最终只会转化为一个map-reduce作业

3. 多个表join时，除了最后一个join的表之外的表会缓存到buffer中，所以，将数据量最大的表放在最后可以有效减少内存的使用量

4. 对于表的筛选条件，有两种写法

   1. select * from a left join b on a.id=b.a_id where a.id=**
   2. select * from a left join b on a.id=b.a_id and a.id=**

   如果是分区表，则可能出现这种情况：

   存在a中的id在b表中找不到对应的a_id，left join仍会将数据查询出来，那么通过a.id进行筛选则会筛选出b中分区列为空的数据