hive join ..on连接中 and与where的取舍

HiveQL与标准SQL的区别：

陷阱1：

SELECT *

FROM first_table t1

JOIN second_table t2

ON t1.id = t2.id

where t1.date = "2016-06-01"

---

在hive里面，没有SQL优化器，则这样些的后果是，直接将t1表与t2表全量连接，产生大量的MapReduce操作再进行过滤

正确写法：

SELECT *

FROM

( SELECT * FROM first_table WHERE date = "2016-06-01") t1

JOIN second_table t2

ON t1.id = t2.id;

---

其实上面的语句还不是最好的,因为hive通常处理的都是大数据表,上亿至少小case。hive sql里不推荐用嵌套子查询语句，就是为了减小查询负担。

更优的写法是join...on 后面，用and代替where。为什么？用and的话，查询是先过滤条件，得到一个较小的表，然后再跟其他表联合。这样，无形中，就能节省下不小的运算量，自然就更快了！

更优的写法：

SELECT *

FROM first_table t1

JOIN second_table t2

ON t1.id = t2.id

and t1.date = "2016-06-01";

---

好！本文到底了~谢谢大家的阅读！ 如果大家有建议和指教，请在下方的评论里，发表您的高见。或者私信我，也OK啦！