连表数据统计

连表操作应该算是程序员的入门基础吧，但自嘲的说，长时间不使用的话，难免还是会有生疏。

hive上连表操作的查询，是通过map-reduce的方式执行的。正常情况下，hive应该会对每个JOIN操作启动一个map-reduce任务。

JOIN的操作也是从左到由执行的。一般来说，习惯将最大的数据表放在最后。因为，在对每行数据记录进行关联操作时，它会尝试将其它表缓存起来，然后扫描最后的表进行计算。

在执行JOIN的关键字on之后，是否可以跟过滤条件？对比下面两个查询

查询一

select * from topic_relation r join note on r.note_id = note.id and note.type = 1

查询二

select * from topic_relation r join note on r.note_id = note.id where note.type = 1

基本上SQL中都是先执行JOIN语句，然后再将结果通过where语句进行过滤。所以，我理解，这两个查询语句的执行效率是一样的。

还有感觉比较值得思考的，善用子查询。

来源：oschina

链接：https://my.oschina.net/u/3017278/blog/3193673