Hive 差集运算

差集定义:一般地,设A,B是两个集合,由所有属于A且不属于B的元素组成的集合,叫做集合A减集合B(或集合A与集合B之差)。

                   类似地,对于集合A,B,我们把集合{x/x∈A,且x¢B}叫做A与B的差集,记作A-B记作A-B(或A\B);

                   即A-B={x|x∈A,且x ¢B}(或A\B={x|x∈A,且x ¢B} B-A={x/x∈B且x¢A} 叫做B与A的差集。

 

比如说有这么两个表:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
hive> select * from A;
OK
1   2
1   3
2   1
2   3
3   1
Time taken: 0.3 seconds, Fetched: 5 row(s)
hive> select * from B;
OK
1   2
1   4
2   2
2   3
Time taken: 0.086 seconds, Fetched: 4 row(s)

  

要取出A与B的差集(A-B):

1
2
3
1   3
2   1
3   1

  

Hive可不可以用not in?可以,但只能用于单个字段。select * from A where (uid,goods) not in (select uid,goods from B);这个oracle是支持的,但hive不行。

1
2
3
hive> select * from where uid not in (select uid from B);
3   1
Time taken: 46.09 seconds, Fetched: 1 row(s)

  

Hive可不可以用not exists?显然也可以! 

1
2
3
4
5
hive> select * from where not exists (select * from B where A.uid=B.uid and A.goods=B.goods);
1   3
2   1
3   1
Time taken: 12.989 seconds, Fetched: 3 row(s)

  

不过前两种貌似很费资源,在ODPS里都有限制,下面来介绍一下hive常用的求差集方法,左(右)连接 left outer join

 

先看一下左连接之后表是什么样的

1
2
3
4
5
6
7
hive> select * from A a left outer join B b on a.uid=b.uid and a.goods=b.goods;
1   2   1   2
1   3   NULL    NULL
2   1   NULL    NULL
2   3   2   3
3   1   NULL    NULL
Time taken: 12.735 seconds, Fetched: 5 row(s)

  

现在只要取出B的uid和goods为null的行就可以了

 

1
2
3
4
5
hive> select a.* from A a left outer join B b on a.uid=b.uid and a.goods=b.goods where b.uid is null and b.goods is null;
1   3
2   1
3   1
Time taken: 13.023 seconds, Fetched: 3 row(s)

  

转自:https://blog.csdn.net/Dr_Guo/article/details/51182626

posted @   静悟生慧  阅读(5362)  评论(0编辑  收藏  举报
编辑推荐:
· .NET Core内存结构体系(Windows环境)底层原理浅谈
· C# 深度学习:对抗生成网络(GAN)训练头像生成模型
· .NET 适配 HarmonyOS 进展
· .NET 进程 stackoverflow异常后,还可以接收 TCP 连接请求吗?
· SQL Server统计信息更新会被阻塞或引起会话阻塞吗?
阅读排行:
· 本地部署 DeepSeek:小白也能轻松搞定!
· 传国玉玺易主,ai.com竟然跳转到国产AI
· 自己如何在本地电脑从零搭建DeepSeek!手把手教学,快来看看! (建议收藏)
· 我们是如何解决abp身上的几个痛点
· 如何基于DeepSeek开展AI项目
历史上的今天:
2017-07-09 哈希表
2017-07-09 2-3 树
2017-07-09 红黑树
2017-07-09 B树与B+树
点击右上角即可分享
微信分享提示