hive中 exists与left semi join

hive中 exists的底层实现为left semi join。

验证：

对比发现执行计划一样，都是left semi join实现。 且，left semi join前，会对t2表group by；

explain select t1.* from t1 left semi join t2 on t1.id=t2.id;
explain select t1.* from t1 where exists(select 1 from t2 where t1.id=t2.id);

初步结论

所以如果使用exists或left semi join语法，性能一样。
值得注意的是，t2表重复数据多的场景，应该是一样的。
如果t2表没有重复数据，也就不需要group by，此时可以选择使用join语法代替，当然这个需要抽时间验证研究一番。