hadoop - 如何在 Hive 中使用 NOT IN

Question

假设我有 2 个表，如下所示。现在，如果我想获得使用 sql 给出的结果，insert into B where id not in(select id from A)这将在表 B 中插入 3 George。

如何在 hive 中实现这个？

表A

id  name      
1   Rahul     
2   Keshav    
3   George

表B

id  name      
1   Rahul     
2   Keshav    
4   Yogesh   

Answer 1

NOT IN 在具有不相关子查询的 WHERE 子句中是 supported since Hive 0.13 3 年多以前，即 2014 年 4 月 21 日发布。

select * from A where id not in (select id from B where id is not null);

---

+----+--------+
| id |  name  |
+----+--------+
|  3 | George |
+----+--------+

在早期版本中，外部表的列应使用表名/别名进行限定。

hive> select * from A where id not in (select id from B where id is not null);
FAILED: SemanticException [Error 10249]: Line 1:22 Unsupported SubQuery Expression 'id': Correlating expression cannot contain unqualified column references.

---

hive> select * from A where A.id not in (select id from B where id is not null);
OK
3   George

附言
使用 NOT IN 时，您应该将 is not null 添加到内部查询中，除非您 100% 确定相关列不包含空值。
一个空值就足以使您的查询不返回任何结果。