多表连接

在 Hive 中，多表连接是一种强大的工具，允许你从多个表中提取和组合数据。通过连接操作，你可以将多个表中的相关数据合并在一起，从而进行更复杂的查询和分析。本文将详细介绍 Hive 中的多表连接，包括内连接、左连接、右连接和全外连接，并通过实际案例帮助你理解这些概念。

什么是多表连接？

多表连接是指在一个查询中同时操作多个表，并根据某些条件将这些表中的数据行组合在一起。连接操作通常基于两个或多个表之间的共同字段（例如主键和外键）。通过连接，你可以将分散在多个表中的数据整合到一个结果集中，从而进行更复杂的分析。

Hive 支持以下几种常见的连接类型：

内连接（INNER JOIN）：只返回两个表中匹配的行。
左连接（LEFT JOIN）：返回左表中的所有行，以及右表中匹配的行。如果右表中没有匹配的行，则返回 NULL。
右连接（RIGHT JOIN）：返回右表中的所有行，以及左表中匹配的行。如果左表中没有匹配的行，则返回 NULL。
全外连接（FULL OUTER JOIN）：返回左表和右表中的所有行。如果某一行在另一个表中没有匹配的行，则返回 NULL。

内连接（INNER JOIN）

内连接是最常用的连接类型，它只返回两个表中匹配的行。假设我们有两个表：orders 和 customers，它们的结构如下：

sql
-- orders 表
+---------+------------+-----------+
| order_id| order_date | customer_id|
+---------+------------+-----------+
| 1       | 2023-01-01 | 101       |
| 2       | 2023-01-02 | 102       |
| 3       | 2023-01-03 | 103       |
+---------+------------+-----------+

-- customers 表
+-------------+------------+
| customer_id | name       |
+-------------+------------+
| 101         | Alice      |
| 102         | Bob        |
| 103         | Charlie    |
+-------------+------------+

我们可以使用内连接来获取每个订单的客户名称：

sql
SELECT orders.order_id, orders.order_date, customers.name
FROM orders
INNER JOIN customers
ON orders.customer_id = customers.customer_id;

输出结果：

sql
+---------+------------+---------+
| order_id| order_date | name    |
+---------+------------+---------+
| 1       | 2023-01-01 | Alice   |
| 2       | 2023-01-02 | Bob     |
| 3       | 2023-01-03 | Charlie |
+---------+------------+---------+

备注

内连接只返回两个表中匹配的行。如果某个订单没有对应的客户，或者某个客户没有对应的订单，这些行将不会出现在结果中。

左连接（LEFT JOIN）

左连接返回左表中的所有行，以及右表中匹配的行。如果右表中没有匹配的行，则返回 NULL。假设我们有一个 orders 表和一个 customers 表，其中 orders 表中有一个订单没有对应的客户：

sql
-- orders 表
+---------+------------+-----------+
| order_id| order_date | customer_id|
+---------+------------+-----------+
| 1       | 2023-01-01 | 101       |
| 2       | 2023-01-02 | 102       |
| 3       | 2023-01-03 | 103       |
| 4       | 2023-01-04 | 104       | -- 没有对应的客户
+---------+------------+-----------+

-- customers 表
+-------------+------------+
| customer_id | name       |
+-------------+------------+
| 101         | Alice      |
| 102         | Bob        |
| 103         | Charlie    |
+-------------+------------+

我们可以使用左连接来获取所有订单及其对应的客户名称：

sql
SELECT orders.order_id, orders.order_date, customers.name
FROM orders
LEFT JOIN customers
ON orders.customer_id = customers.customer_id;

输出结果：

sql
+---------+------------+---------+
| order_id| order_date | name    |
+---------+------------+---------+
| 1       | 2023-01-01 | Alice   |
| 2       | 2023-01-02 | Bob     |
| 3       | 2023-01-03 | Charlie |
| 4       | 2023-01-04 | NULL    | -- 没有对应的客户
+---------+------------+---------+

提示

左连接非常适合用于查找左表中的所有记录，即使它们在右表中没有匹配的记录。

右连接（RIGHT JOIN）

右连接与左连接类似，但它返回右表中的所有行，以及左表中匹配的行。如果左表中没有匹配的行，则返回 NULL。继续使用上面的 orders 和 customers 表，假设 customers 表中有一个客户没有对应的订单：

sql
-- orders 表
+---------+------------+-----------+
| order_id| order_date | customer_id|
+---------+------------+-----------+
| 1       | 2023-01-01 | 101       |
| 2       | 2023-01-02 | 102       |
| 3       | 2023-01-03 | 103       |
+---------+------------+-----------+

-- customers 表
+-------------+------------+
| customer_id | name       |
+-------------+------------+
| 101         | Alice      |
| 102         | Bob        |
| 103         | Charlie    |
| 104         | David      | -- 没有对应的订单
+-------------+------------+

我们可以使用右连接来获取所有客户及其对应的订单：

sql
SELECT orders.order_id, orders.order_date, customers.name
FROM orders
RIGHT JOIN customers
ON orders.customer_id = customers.customer_id;

输出结果：

sql
+---------+------------+---------+
| order_id| order_date | name    |
+---------+------------+---------+
| 1       | 2023-01-01 | Alice   |
| 2       | 2023-01-02 | Bob     |
| 3       | 2023-01-03 | Charlie |
| NULL    | NULL       | David   | -- 没有对应的订单
+---------+------------+---------+

警告

右连接非常适合用于查找右表中的所有记录，即使它们在左表中没有匹配的记录。

全外连接（FULL OUTER JOIN）

全外连接返回左表和右表中的所有行。如果某一行在另一个表中没有匹配的行，则返回 NULL。继续使用上面的 orders 和 customers 表，假设 orders 表中有一个订单没有对应的客户，customers 表中有一个客户没有对应的订单：

sql
-- orders 表
+---------+------------+-----------+
| order_id| order_date | customer_id|
+---------+------------+-----------+
| 1       | 2023-01-01 | 101       |
| 2       | 2023-01-02 | 102       |
| 3       | 2023-01-03 | 103       |
| 4       | 2023-01-04 | 104       | -- 没有对应的客户
+---------+------------+-----------+

-- customers 表
+-------------+------------+
| customer_id | name       |
+-------------+------------+
| 101         | Alice      |
| 102         | Bob        |
| 103         | Charlie    |
| 105         | Eve        | -- 没有对应的订单
+-------------+------------+

我们可以使用全外连接来获取所有订单和客户：

sql
SELECT orders.order_id, orders.order_date, customers.name
FROM orders
FULL OUTER JOIN customers
ON orders.customer_id = customers.customer_id;

输出结果：

sql
+---------+------------+---------+
| order_id| order_date | name    |
+---------+------------+---------+
| 1       | 2023-01-01 | Alice   |
| 2       | 2023-01-02 | Bob     |
| 3       | 2023-01-03 | Charlie |
| 4       | 2023-01-04 | NULL    | -- 没有对应的客户
| NULL    | NULL       | Eve     | -- 没有对应的订单
+---------+------------+---------+

注意

全外连接非常适合用于查找两个表中的所有记录，即使它们在另一个表中没有匹配的记录。

实际案例

假设你在一家电商公司工作，需要分析订单和客户数据。你可能需要回答以下问题：

哪些客户下了订单？
哪些订单没有对应的客户？
哪些客户没有下过订单？

通过使用内连接、左连接、右连接和全外连接，你可以轻松地回答这些问题。

总结

多表连接是 Hive 中非常强大的工具，允许你从多个表中提取和组合数据。通过掌握内连接、左连接、右连接和全外连接，你可以处理各种复杂的数据分析任务。希望本文能帮助你理解这些概念，并在实际工作中应用它们。

附加资源

练习

使用内连接查询 orders 表和 customers 表，找出所有订单及其对应的客户名称。
使用左连接查询 orders 表和 customers 表，找出所有订单，即使没有对应的客户。
使用右连接查询 orders 表和 customers 表，找出所有客户，即使没有对应的订单。
使用全外连接查询 orders 表和 customers 表，找出所有订单和客户，即使它们没有对应的记录。

什么是多表连接？​

内连接（INNER JOIN）​

左连接（LEFT JOIN）​

右连接（RIGHT JOIN）​

全外连接（FULL OUTER JOIN）​

实际案例​

总结​

附加资源​

练习​

什么是多表连接？

内连接（INNER JOIN）

左连接（LEFT JOIN）

右连接（RIGHT JOIN）

全外连接（FULL OUTER JOIN）

实际案例

总结

附加资源

练习