Theta join in Hive

Question

我在SAS中有theta联接，需要转换为Hive。

SAS：

select a.id,b.name from employee a 
left outer join company b 
on ( a.id=b.id and a.joindate>=b.joindate and a.releasedate < b.releasedate)

由于这不是内部联接，如果我在where条件中添加非等联接（缺少左表中的所有不匹配记录），则不会得到正确的结果。

下面在Hive中尝试过：

select a.id,b.name from employee a 
left outer join company b 
on ( a.id=b.id) 
where a.joindate>=b.joindate and a.releasedate < b.releasedate

有什么建议吗？

Answer 1

正如您可能已经意识到的那样，left join保留保留行表（员工）中的所有项目，而如果where，则a.joindate<b.joindate or a.releasedate >= b.releasedate会过滤掉这些项目。

这些on条件被逻辑上>>解释为：

1. 对于左表中的每个项目li，只要发现右表中的项目ri都满足on条件，请创建一个新项目ni，其列值为li的组合和ri。然后将ni放入结果集中。这可能会复制左侧表格中的行。
2. 如果li找不到匹配项，请对其进行一份复制，并在右列中填充空值。将此项目也放入结果集。

因此我们可以通过以下方式模仿此行为：

1. 通过在on子句中仅保留相等条件来松开on条件；
2. 过滤掉因宽松的on条件而导致的多余行，即，不满足除相等条件以外的条件的行。

结果查询可能看起来像这样：

select 
    a.id,
    b.name
from employee a 
left outer join company b 
on (a.id=b.id)
where (b.id is null 
       or (a.joindate>=b.joindate and a.releasedate<b.releasedate))