hive CROSS JOIN 和inner join 的区别

原创

mob64ca12e10b51 2024-08-24 08:07:37 ©著作权

©著作权归作者所有：来自51CTO博客作者mob64ca12e10b51的原创作品，请联系作者获取转载授权，否则将追究法律责任

Hive中的CROSS JOIN与INNER JOIN的区别

在数据分析和处理的过程中，理解JOIN操作是非常重要的，尤其是在使用Hive这样的分布式数据仓库时。本篇文章将带你深入了解Hive中的CROSS JOIN和INNER JOIN之间的区别。我们会通过具体的示例和代码展示，帮助你更好地理解这两个重要的操作。

流程概述

我们将分步骤进行。以下是我们需要遵循的流程：

步骤	说明	示例代码
1	创建示例表	`CREATE TABLE ...`
2	插入数据	`INSERT INTO ...`
3	执行CROSS JOIN	`SELECT ... FROM ... CROSS JOIN ...`
4	执行INNER JOIN	`SELECT ... FROM ... INNER JOIN ...`
5	分析结果	`-- 比较结果`

1. 创建示例表

首先，我们需要在Hive中创建两个示例表。这个过程定义了我们将要用来进行JOIN操作的数据。

CREATE TABLE employees (
    id INT,
    name STRING
);

CREATE TABLE departments (
    id INT,
    dept_name STRING
);

说明： 这里我们创建了一个employees表和一个departments表。

2. 插入数据

接下来，我们需要向这两个表中插入一些数据，以便后续的JOIN操作能有用的数据。

INSERT INTO employees VALUES 
(1, 'Alice'),
(2, 'Bob'),
(3, 'Charlie');

INSERT INTO departments VALUES 
(1, 'HR'),
(2, 'Engineering');

说明： 我们分别在employees表中插入了三名员工，在departments表中插入了两个部门。

3. 执行CROSS JOIN

CROSS JOIN是一个产生笛卡尔积的操作，这意味着结果集中的每一行都将与另一个表的每一行组合。

SELECT * 
FROM employees 
CROSS JOIN departments;

说明： 使用CROSS JOIN后，结果集将包含所有可能的组合。基于上面的数据，这将产生3（员工）* 2（部门）= 6行结果。

4. 执行INNER JOIN

INNER JOIN是基于匹配条件返回的结果集，从而只返回在两个表中都有的行。

SELECT e.name, d.dept_name
FROM employees e
INNER JOIN departments d 
ON e.id = d.id;

说明： 在这个例子中，INNER JOIN依赖于id来进行匹配。只有当员工和部门的id相同，其结果才会被返回。根据上面的数据，只有id为1的记录会被返回。

5. 分析结果

现在让我们比较一下两个JOIN的结果。

CROSS JOIN的结果:

1,Alice,1,HR
1,Alice,2,Engineering
2,Bob,1,HR
2,Bob,2,Engineering
3,Charlie,1,HR
3,Charlie,2,Engineering

总共6条记录。

INNER JOIN的结果:

1,Alice,HR

只有1条记录（当id相同时）。

关系图

以下是使用Mermaid语法展示的两个表格之间的关系图：

erDiagram
    EMPLOYEES {
        INT id
        STRING name
    }
    DEPARTMENTS {
        INT id
        STRING dept_name
    }
    EMPLOYEES ||--o{ DEPARTMENTS : "employs"