Hive Full Join多个表与Union All多个表 | 您所在的位置:网站首页 › sql 拼接表 › Hive Full Join多个表与Union All多个表 |
一.引言
假设有如下三张表,里面分别记录了三类不用用户的购买记录,现在想将下属记录合并为 => | 用户 | 果蔬购买量 | 饮品购买量 | 零食购买量 | ,没有购买则为 Null: Table A:用户在超市近一个月购买果蔬的记录 Table B:用户在超市近一个月购买饮品的记录 Table C:用户在超市近一个月购买零食的记录 先建一个表供我们插入数据 hive -e " create table if not exists user_act_of_buying ( user string, fruits string, drinks string, snacks string ) PARTITIONED BY(dt string) row format delimited fields terminated by '\t' " 二.Full Join(适合两个表)遇到上述场景的第一反应就是使用FullJoin,以用户名为聚合字段进行联合,这里采用套娃的方式,将Table A 和 Table B结合 再将结合的表与Table C结合得到最终结果,因为Hive没办法使用连等号: a.user = b.user = c.user,所以只能通过嵌套的方式。 hive -e " select tmp.*,c.* from (select user,fruit,drink from (select user,fruits from tableA where dt=$dt) a FULL OUTER JOIN (select user,drinks from tableB where dt=$dt) b on a.user = b.user ) tmp FULL OUTER JOIN (select user,snacks from tableC where dt=$dt) c on tmp.user = c.user; " 三.Union All(推荐👍 适合3个及以上表)嵌套的方式可以解决问题,但是也有新的问题就是当需要Full Join的表太多时,需要写多层嵌套,不美观且容易出错。可以改变思路,先将全部的user Union在一起当做主表,然后依次LEFT OUTER JOIN Table A,Table B 和 Table C即可,即使还要结合用户购买的生活用品,电器等等,也不用担心嵌套太多不好写的问题,只需要将对应表的 user 添加到主表中,并把新增的表加入LEFT OUTER JOIN的队伍里即可。 hive -e " insert overwrite table user_act_of_buying partition(dt=$dt) select all.user,fruit.fruits,drinl.drinks,snack.snacks from ( select user from ( select user from (select user from tableA where dt=$dt) a UNION ALL select user from (select user from tableB where dt=$dt) b UNINO ALL select user from (select user from tableC where dt=$dt) c ) tmp group by user ) all LEFT OUTER JOIN (select user,fruit from tableA where dt=$dt) fruit on all.user = fruit.user LEFT OUTER JOIN (select user,drink from tableB where dt=$dr) drink on all.user = drink.user LEFT OUTER JOIN (select user,snacks from tableC where dt=$dt) snack on all.user = all.snack; "这里先通过tmp拿到所有表的user字段,然后再通过group by去重保证一人一条记录,最后LEFT JOIN即可。这里有几个坑要注意: 1.Sql支持Union 和 UnionAll,其中Union可以达到去重的效果,但Hive只支持Union ALL,所以这里有去重需求需要使用Group By。 2.Union All的时候每个语句返回的列的数量和名字必须一样,这也是为什么union all时在select语句外又重复了一条select user语句。 3.Union All的时候每个表使用别名,否则容易报 missing EOF ,找了一下午空格,很坑。。 4.Union all的每张表不支持limit、order by等函数,但是可以添加很多where过滤条件,这里只是限制了dt 。 5.这里第一种方案只是demo,拿到的是所有的数据,所以没有执行insert操作,但是Union方法可以确定拿到的每个字段,所以支持插入到对应表。 6.LEFT OUTER JOIN 和 LEFT JOIN ,FULL JOIN 和 FULL OUTER JOIN效果都相同。 7.FULL OUTER JOIN 其实就是把 LEFT OUTER JOIN 和 RIGHT OUTER JOIN的结果结合在一起。 4.总结别用 Full Join |
CopyRight 2018-2019 实验室设备网 版权所有 |