Hive差集运算详解
我们先来了解⼀下什么是差集，初中⽣都知道吧。（逃
差集定义：⼀般地，设A,B是两个集合，由所有属于A且不属于B的元素组成的集合，叫做集合A减集合B(或集合A与集合B之差)，类似地，对于集合A.B，我们把集合{x/x∈A，且x￠B}叫做A与B的差集，记作A－B记作A－B(或A\B)，即A－B＝{x|x∈A，且x ￠B}(或A\B＝{x|x∈A，且x ￠B} B －A＝{x/x∈B且x￠A} 叫做B与A的差集
⽐如说有这么两个表
hive> lect * from A;
OK
孤独的诗词
1 2
1 3
2 1
2 3
3 1
Time taken: 0.3 conds, Fetched: 5 row(s)
我家是动物园作文hive> lect * from B;
OK
1 2
1 4
2 2
2 3
Time taken: 0.086 conds, Fetched: 4 row(s)
要取出A与B的差集（A-B）解放碑好吃街
1 3
2 1
带鸿的成语
3 1
Hive可不可以⽤not in？可以，但只能⽤于单个字段。lect * from A where (uid,goods) not in (lect uid,goods from B)；这个oracle是⽀持的，但hive不⾏。
乡友hive> lect * from A where uid not in (lect uid from B);
3 1
Time taken: 46.09 conds, Fetched: 1 row(s)
立志
Hive可不可以⽤not exists？显然也可以！
青年教师培养计划hive> lect * from A where not exists (lect * from B where A.uid=B.uid ds);
1 3
2 1
3 1
Time taken: 12.989 conds, Fetched: 3 row(s)
醴陵陶瓷不过前两种貌似很费资源，在ODPS⾥都有限制，下⾯来介绍⼀下hive常⽤的求差集⽅法，左（右）连接 left outer join 先看⼀下左连接之后表是什么样的
hive> lect * from A a left outer join B b on a.uid=b.uid ds;
1 2 1 2
1 3 NULL NULL
2 1 NULL NULL
2 3 2 3
3 1 NULL NULL
Time taken: 12.735 conds, Fetched: 5 row(s)
现在只要取出B的uid和goods为null的⾏就可以了
hive> lect a.* from A a left outer join B b on a.uid=b.uid ds where b.uid is null ds is null;
1 3
2 1
3 1
Time taken: 13.023 conds, Fetched: 3 row(s)
