說明
最近在做 Hive 事實表 left join 多張維表時，出現(xiàn)了部分?jǐn)?shù)據(jù)丟失的情況（結(jié)果表數(shù)據(jù)量比原始事實表少 10000 多條），針對該問題研究，讓我對 SQL on 條件與 where 條件區(qū)別有可進(jìn)一步理解，特將好東西分享給大家。
Join 聯(lián)表中 on、where 后面跟條件的區(qū)別
- Join 生成表的過程
數(shù)據(jù)庫在通過連接兩張或者多張表來返回記錄時，都會生成一張中間的臨時表，然后在將這張臨時表返回給用戶。這張臨時表是分析問題的重點。 - 在使用 left join 時，on 和 where 條件的區(qū)別
- on 條件是在生成臨時表時使用的條件，它不管 on 中的條件是否為真，都會返回左邊表中的記錄。
- where 條件是在臨時表生成好后，再對臨時表進(jìn)行過濾的條件。這時已經(jīng)沒有了
left join的含義了，where 條件不為真的數(shù)據(jù)將會全部過濾掉。
示例說明
-
假設(shè)有兩張表
表 1：
tab1
表 2：
tab2 - 執(zhí)行如下SQL
-- SQL 1
select * form tab1 left join tab2 on (tab1.size = tab2.size) where tab2.name=’AAA’
-- SQL 2
select * form tab1 left join tab2 on (tab1.size = tab2.size and tab2.name=’AAA’)
-
輸出結(jié)果
SQL 1
SQL 2 - 總結(jié)
其實以上結(jié)果的關(guān)鍵原因就是left join、right join、full join的特殊性，不管 on 上的條件是否為真都會返回 left 或者 right 表中的記錄，full 則具有 left 和 right 特性的并集。而 inner join 沒有這個特性，則條件放在 on 和 where 中，返回的結(jié)果集是相同的。
