Impala 是Cloudara下针对存在 Apache Hadoop 中的计算集群的开源大规模并行处理 SQL 查询引擎。

  假设我们有两张表。

  • Table A 是左边的表。
  • Table B 是右边的表。

  其各有四条记录,其中有两条记录是相同的,如下所示:

id name       id  name
-- ----       --  ----
1  Pirate     1   Rutabaga
2  Monkey     2   Pirate
3  Ninja      3   Darth Vader
4  Spaghetti  4   Ninja

下面让我们来看看不同的 Join 会产生什么样的结果:

Inner join 产生的结果集中,是A和B的交集。

900288E7-73AD-4D48-9CB1-BC89B07491D0

SELECT * FROM TableA
INNER JOIN TableB
ON TableA.name = TableB.name
% results
id  name       id   name
--  ----       --   ----
1   Pirate     2    Pirate
3   Ninja      4    Ninja

Full outer join 产生A和B的并集。但是需要注意的是,对于没有匹配的记录,则会以null做为值。 9F2F0382-B617-44D0-A796-E4B881010283

SELECT * FROM TableA
FULL OUTER JOIN TableB
ON TableA.name = TableB.name

id    name       id    name
--    ----       --    ----
1     Pirate     2     Pirate
2     Monkey     null  null
3     Ninja      4     Ninja
4     Spaghetti  null  nullnull  null       1     Rutabaga
null  null       3     Darth Vader

Left outer join 产生表A的完全集,而B表中匹配的则有值,没有匹配的则以null值取代。 FB854D2C-7153-4388-8FFF-5DCE8E584F1A

SELECT * FROM TableA
LEFT OUTER JOIN TableB
ON TableA.name = TableB.name

id  name       id    name
--  ----       --    ----
1   Pirate     2     Pirate
2   Monkey     null  null
3   Ninja      4     Ninja
4   Spaghetti  null  null

产生在A表中有而在B表中没有的集合。 BCEFA17A-6CF1-441D-8607-3581427B1A12

SELECT * FROM TableA
LEFT OUTER JOIN TableB
ON TableA.name = TableB.name
WHERE TableB.id IS null 

id  name       id     name
--  ----       --     ----
2   Monkey     null   null
4   Spaghetti  null   null

产生A表和B表都没有出现的数据集。 BAD35927-380B-486B-B58D-7ADC6263A607

SELECT * FROM TableA
FULL OUTER JOIN TableB
ON TableA.name = TableB.name
WHERE TableA.id IS null
OR TableB.id IS null

id    name       id    name
--    ----       --    ----
2     Monkey     null  null
4     Spaghetti  null  nullnull  null       1     Rutabaga
null  null       3     Darth Vader

还需要注册的是我们还有一个是“交差集” cross join, 这种Join没有办法用文式图表示,因为其就是把表A和表B的数据进行一个N*M的组合,即笛卡尔积。表达式如下:

SELECT * FROM TableA
CROSS JOIN TableB

这个笛卡尔乘积会产生 4 x 4 = 16 条记录,一般来说,我们很少用到这个语法。但是我们得小心,如果不是使用嵌套的select语句,一般系统都会产生笛卡尔乘积然再做过滤。这是对于性能来说是非常危险的,尤其是表很大的时候。

81ABFC38-BFC7-4FA7-AC3F-CD4B315ED973

References

  1. 数据分析人员需要掌握sql到什么程度?