hive - 左外连接不获取左表的所有记录

Question

我这里有一个场景，有 2 个表，分别是 A 和 B。A表有emp_id和date，B表有2个日期ppl_d、expr_d和emp_id

left什么时候加入hive like，

select A.emp_id
from A 
LEFT JOIN B 
ON a.emp_id=b.emp_id
where A.date between B.appl_d and B.expr_d

我看到表 A 中有一名员工而不是表 B 中，当我执行 LEFT JOIN 时，特定的 emp_id 必须出现，但它没有出现，因为在appl_id 和 expr id 的 where 条件都是 NULL...我如何处理 NULL，以便特定的 emp_id 应该进入我的结果。我也尝试了 coalesce 函数，但没有运气......尝试输入默认值但仍然没有运气......让我知道任何细节。提前致谢...这些日期是字符串格式...

Answer 1

between 条件不允许 nulls add left join 转换为 inner。添加OR b.emp_id is NULL(连接键)这将允许不连接的记录，无需为之间<​​中使用的所有列添加相同的条件。

    select *
    from A 
    LEFT JOIN B ON a.emp_id=b.emp_id
    LEFT JOIN C on a.emp_id=c.emp_id 
    where ((A.date between B.appl_d and B.expr_d) OR b.emp_id is NULL)
          and
          ((a.date between c.del_d and c.fin_d) OR c.emp_id is NULL)

这是一个测试:

with 
A as
(    
     select stack(3,100,'2019-01-13',
                    200,'2019-01-13',
                    300,'2019-01-13'
                 ) as (emp_id, date)
 ),

 B as (
 select stack(1,100,'2019-12-30','3000-01-01') as (emp_id, appl_d, expr_d)
 ),

 C as
 (
 select stack(1,100,'2015-06-07', '9999-12-31') as (emp_id, del_d, fin_d)
 )

 select A.*
   from A 
        LEFT JOIN B ON a.emp_id=b.emp_id
        LEFT JOIN C on a.emp_id=c.emp_id 
   where ((A.date between B.appl_d and B.expr_d) OR b.appl_d is NULL) 
          and
         ((a.date between c.del_d and c.fin_d) OR c.emp_id is NULL)   

结果:

OK
200     2019-01-13
300     2019-01-13
Time taken: 84.475 seconds, Fetched: 2 row(s)

显然这种方法行不通。 emp_id=100 应该在返回的数据集中。

而且这个问题很有趣，我稍后会继续研究。你们可以使用我的测试来找到可行的解决方案。