hive-join中on 和where条件，笛卡尔积join

      在多年取数中，第一次遇到需要用笛卡尔积join的场景，记录一下

     场景一：

     描述：取10月每日近三十天的购物情况，比如，取10月1日的用户在过去30天（含10月1日）的购物情况，源数据tmp1如下

用户id   (user_id)	日期         (date)	购物件数（buys）
a	2021-09-01	1
a	2021-10-01	3
a	2021-09-28	1
b	2021-09-05	4
b	2021-10-01	1
b	2021-09-28	5

       结果

日期         (date)	购物件数（buys）	人数
2021-10-01	4	1
2021-10-01	10	1

       简单维度的sql如下

select buys,count(user_id) as rs
from (
select user_id
      ,sum(buys) buys
      ,'2021-10-01' as date
from tmp1
where datediff('2021-10-01',date) between 0 and 29
group by user_id
)t
group by buys

场景一升级：上述是每次只可以跑当天的数据，如果是要跑10月1日-10月31日的数据呢？比如如下呢?不可能一个一个去取，要怎么去写脚本呢？我们知道就是要近三十天 用datediff函数，比如上述datediff('2021-10-01',date) between 0 and 29 ，难点在于之前'2021-10-01' 是我们手动写的，怎么让它自动取呢

      

日期         (date)	购物件数（buys）	人数
2021-10-01	4	1
2021-10-01	10	1
2021-10-02	3	1
2021-10-02	5	5
2021-10-03	3	1
2021-10-03	7	9
........

 1、首先取出需要的时间段，不可能手写，我就直接从现有的表取，下述是一种除重的写法

select  date
from tmp1
where date between '2021-10-01'  and  '2021-10-31'  --取出想要计算的时间范围
group by date

2、把每天符合条件的记录筛选出来

--如下脚本 先算两个表的笛卡尔积，再执行where条件
select t1.date as date1,t2.*
from (select  date
      from tmp1
      where date between '2021-10-01'  and  '2021-10-31'  --取出想要计算的时间范围
      group by date
      )t1

left join tmp1 t2  --此处是算join的笛卡尔积，用join、left join，inner join 都一样，结果是第一个表的n行*第二个表的m行=n*m行
--on datediff(t1.date,t2.date) between 0 and 29  --hive里不支持这种写法
where  datediff(t1.date,t2.date) between 0 and 29

3、然后就是简单的group by 啦

总结：1、join的on条件不能放算式

           2、join的笛卡尔积，用join、left join，inner join 结果都一样，结果是第一个表的n行*第二个表的m行=n*m行，运行较慢

         3、left join on 后接where   先执行left 后执行where