Hive通过删除重复项来连接两个表

Question

我有两个蜂巢表 -

Table1:
col1 col2
---------
1     b
2     c
3     d

Table2:
col1 col2 col3
----------------
1     b     x
1     b     y
1     b     z
2     c     x
3     d     x

在表2中我可以看到，我有col1和col2的重复值。当我选择时，我想删除这些重复项。 我不关心col3 。

我正在寻找能给我的选择查询 -

col1 col2 col3
----------------
1     b     y
2     c     x
3     d     x

我尝试使用不同的JOIN但最终得到重复值。

Answer 1

使用GROUP BY和JOIN

SELECT a.col1,
  a.col2,
  MAX(b.col3) AS col3
FROM Table1 a
JOIN Table2 b
ON a.col1 = b.col1
  AND a.col2 = b.col2
GROUP BY a.col1,
  a.col2;

  

我不关心col3。

因此，如果您不想在输出中使用它，则只需使用EXISTS

即可

SELECT a.col1,
       a.col2
FROM   table1 a
WHERE  EXISTS (SELECT 1
               FROM   table2 b
               WHERE  a.col1 = b.col1);