Join 谓词下推vs On子句

在配置单元中执行联接，然后使用where子句过滤输出时，配置单元编译器将尝试在联接表之前过滤数据。这称为谓词下推（）

例如：

SELECT * FROM a JOIN b ON a.some_id=b.some_other_id WHERE a.some_name=6

SELECT * FROM a JOIN b  ON a.some_id=b.some_other_id AND a.some_name=6

如果启用了下推谓词（hive.optimize.ppd），则表a中某些_name=6的行将在执行联接之前进行筛选

但是，我最近还了解到，在将表与另一个表连接之前，还有另一种方法可以过滤表中的数据（）

可以在ON子句中提供条件，并且在执行联接之前将筛选表a

例如：

SELECT * FROM a JOIN b ON a.some_id=b.some_other_id WHERE a.some_name=6

SELECT * FROM a JOIN b  ON a.some_id=b.some_other_id AND a.some_name=6

这两者都提供谓词下推优化吗

---

谢谢

这两种方法都是有效的，如果使用内部连接和PPD，这两种方法将同样有效。但是这些方法在外部联接的情况下工作方式不同

ON join条件在join之前起作用

连接后应用于何处

优化器决定谓词下推是否适用，它可能会工作，但在左连接的情况下，例如右表上的WHERE过滤器，WHERE过滤器

SELECT * FROM a 
             LEFT JOIN b ON a.some_id=b.some_other_id 
 WHERE b.some_name=6 --Right table filter

将限制空值，

左连接

将转换为

内部连接

，因为如果b.some_name=6，它不能为空。

和PPD不会改变这种行为。

如果在右表中添加其他或允许空值的条件，则仍然可以使用WHERE筛选器执行左连接：

SELECT * FROM a 
             LEFT JOIN b ON a.some_id=b.some_other_id 
 WHERE b.some_name=6 OR b.some_other_id IS NULL --allow not joined records

如果您有多个连接和许多这样的过滤条件，那么这样的逻辑会使您的查询难以理解和错误删减

使用ON filter的LEFT JOIN不需要额外的OR条件，因为它在联接之前过滤右表。此查询按预期工作，易于理解：

SELECT * FROM a 
             LEFT JOIN b ON a.some_id=b.some_other_id and b.some_name=6

PPD仍然适用于ON filter，如果表b是ORC，PPD将把谓词推到ORC读取器的最低级别，并使用内置的ORC索引在三个级别上进行过滤：行、条带和文件

关于同一主题和一些测试的更多信息：

因此，不管是PPD还是非PPD，如果可能的话，最好使用带有ON条件和ON筛选的显式ANSI语法，以使查询尽可能简单，并避免无意中转换为内部联接