大家好，又见面了，我是全栈君。
在Oracle中minus运算的主要功能是： 在进行两个表格或者两个查询结果的时候，返回在第一个表格/查询结果中与第二个表格/查询结果不同样的记录。
结果不同样的记录包括两种情况：A，B 表中某一行的内容不同和A表中的数据在B表中不存在。总之返回的是A表的数据。
Hive中没有实现minus功能的函数，仅仅好分步实现。
一、找出在Ａ表中的数据在Ｂ表中不存在的数据
insert overwrite table tmp_Ａ partition(name=’Ａ_innot_B’)
select
a.*
from A a left outer join B b on (a.id = b.id) where b.id is NULL;
二、找出在A表和B表都存在但内容不同的数据
ＵＤＦ函数例如以下：
public class Minus extends UDF{
String Ａ=“”;
String Ｂ=“”;
public Text evaluate(String… strs){
for(int i=0;i<strs.length/2;i++){
Ａ=Ａ+strs[i];
}
for(int i=strs.length/2;i<strs.length;i++){
Ｂ=Ｂ+strs[i];
}
if(Ａ.replace(” “, “”).equals(Ｂ.replace(” “, “”))){
return new Text(“NULL”);
}else{
return new Text(strs[0].replace(” “, “”));
}
}
相应的查询例如以下：
insert overwrite table tmp_Ａ_diff
select iminus(
a.*,b.*
) from A a join B b on (a.id=b.id);
上面的sql会执行Minus的java程序，改程序语句中有循环。假设数据量非常大非常耗时间。job进度卡着不动。也能够使用hive自带的函数实现
insert overwrite table tmp_Ａ_diff
select if(
regexp_replace(
concat(
a.*
),
” “,””)
=
regexp_replace(
concat(
b.*
),
” “,””)
,NULL,b.id)
from A a
join
B b
on (a.id=b.id);
这样效率好些。
tmp_A_diff存储的是A表和B表都存在但内容不同的数据的id和一些“NULL”。
依据id获得每行数据
insert overwrite table tmp_A partition(name=”A_in_B”)
select a.*
from tmp_A_diff b join A a on (a.id=b.id);
如今tmp_A中分区A_innot_B和分区A_in_B的数据就是oracle中（select * from A）minus (select * from B)的数据。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/116059.html原文链接：https://javaforall.net
