Question

在Hive中我有两个表：

'old_books' 
 title String, author String, year Int, outOfPrint Boolean;

和

'new_books'  
title String, author String, year Int;

由于某些错误，创建这些表的人已经在“old_books”表中添加了一些新标题。

是否可以通过Hive从'old-books'表中减去两个表中存在的记录？

到目前为止，我只是选择使用Hive请求选择存在于两个表中的书籍：

SELECT old_books.* FROM old_books JOIN new_books ON (old_books.title=new_books.title);

如何从'old_books'中对此请求的结果进行子结构？

Answer 1

假设你有Hive 01.3或更高版本，你可以使用not exists子句：

从old_books中选择* a不存在（ SELECT 1 FROM old_books b JOIN new_books c ON（b.title = c.title）其中a.book_id = b.book_id）;

以下是参考： https://cwiki.apache.org/confluence/display/Hive/LanguageManual+SubQueries

Answer 2

我发现以下内容对我有用：

INSERT OVERWRITE TABLE corrected_old_books
SELECT old_books.* FROM old_books left JOIN new_books ON (new_books.title=old_books.title) where new_books.title is NULL;

我使用/usr/lib/hive/lib/hive-hwi-0.13.0.2.1.3.0-563.jar

Hive：从另一个表中减去一个表？

2 个答案: