蜂巢 - 使用半连接时不存在使用

Question

我需要在Hive中使用NOT IN查询。

我有3张表A，B和C.

B，包含PRODUCT，ID和VALUE字段。 C，字段ID和VALUE。

我需要将表B中的行（表C中没有匹配的ID和VALUE字段）写入表A.

INSERT OVERWRITE TABLE A a SELECT * FROM B b LEFT SEMI JOIN C c ON (b.ID = c.ID AND b.VALUE = c.VALUE) where b.ID = NULL AND b.VALUE = NULL;

来自http://stackoverflow.com/questions/25041026/hive-left-semi-join-for-not-exists的这个建议不起作用，因为我在WHERE子句中引用了右边的表，不应该这样做。

如何在不引用WHERE子句中的右侧表的情况下形成等效查询。

还有其他解决方案吗？

Answer 1

解决方案：

检查目标表是否包含两个表中的所有字段。因为，这里使用*。

然后， 它应该是b.VALUE IS NUL L而不是 = NULL 。

查询应该是这样的：

INSERT OVERWRITE TABLE A a 
SELECT * FROM B b 
LEFT SEMI JOIN C c 
ON (b.ID = c.ID AND b.VALUE = c.VALUE) where 
b.ID IS NULL AND b.VALUE IS NULL;

Answer 2

Hive似乎支持IN，NOT IN，EXIST和NOT EXISTS 0.13

.Lambda #Lambda1<System.Func`2[ConsoleApp.Program+Name,System.Boolean]>(ConsoleApp.Program+Name $name)
{
    $name.LastName == "ABC"
}

EXIST和NOT EXISTS中的子查询应该具有相关谓词（如上例中的b.ID = a.ID）有关更多信息，请参阅Hive Wiki > Subqueries in the WHERE Clause