Hive是基於Hadoop的一個數據倉庫工具，可以將結構化的資料檔案對映為一張資料庫表，並提供簡單的sql查詢功能，可以將sql語句轉換為MapReduce任務進行執行。

最常用的就是多表關聯查詢，主要講解下join、outer join和semi join的具體使用。

join是最簡單的關聯操作，兩邊關聯只取交集。

outer join分為left outer join、right outer join和full outer join。

left outer join是以左表驅動，右表不存在的key均賦值為null；

right outer join是以右表驅動，左表不存在的key均賦值為null；

full outer join全表關聯，將兩表完整的進行笛卡爾積操作，左右表均可賦值為null。

semi join最主要的使用場景就是解決exist in。

Hive不支援where子句中的子查詢，SQL常用的exist in子句在Hive中是不支援的。

SELECT a.key, a.value

FROM a

WHERE a.key in (SELECT b.key FROM B);

可以改寫為：

SELECT a.key, a.value

FROM a LEFT OUTER JOIN b ON (a.key = b.key)

WHERE b.key <> NULL;

一個更高效的實現為：

SELECT a.key, a.value

FROM a LEFT SEMI JOIN b on (a.key = b.key);

left semi join是0.5.0以上版本的特性。