sql - Hive 加入理解问题

Question

我在 hive 中创建了如下两个表

创建表test1(id string);

create table test2(id string);

test1 的值如下所示

1

1

test2 的值如下所示

1

1

当我加入这两个表时，我得到了输出

1

1

1

1

这是使用的查询:

select a.id from test1 a,test2 b where a.id=b.id;

请帮助我希望输出为

1

1

我正在使用cloudera 发行版

Answer 1

最好使用 ANSI 连接语法:

select a.id 
  from test1 a 
       inner join test2 b on a.id=b.id

预期的输出不能是您的联接的结果，因为对于每个 a.id，所有来自 a 和 b 的匹配行都被选中。对于 a 的第一行，它将是 b 中的两个匹配行。对于 a 的第二行，它也是来自 b 的两个匹配行。所以总共有四行。

例如，您可以在连接之前对第二个表应用 distinct。

select a.id 
  from test1 a 
       inner join (select distinct b.id from test2 b) b on a.id=b.id

在这种情况下，对于表 a 中的每一行，它将是表 b 中的单个匹配行。

请参阅本类(class)以更好地理解 JOINS:https://www.coursera.org/learn/analytics-mysql/lecture/kydcf/joins-with-many-to-many-relationships-and-duplicates